No. 15 · Policy & People

El problema de la compresión

Cómo deben cambiar la jerarquía, la comunicación y la supervisión humana en la era de la IA.

Las organizaciones jerárquicas existen para resolver un problema de información. La información de base debe fluir hacia la alta dirección para apoyar la toma de decisiones, pero a lo largo de ese recorrido debe priorizarse y divulgarse de forma selectiva según su importancia. Cada nivel de la dirección intermedia comprime y reduce aún más la información en función de la experiencia y el criterio de cada responsable, de modo que solo lo que se considera más relevante llega a quienes toman las decisiones. A lo largo de este proceso, los directivos individuales discriminan por pertinencia y agrupan los datos en temas y principios comunes.


## §01 El problema de la compresión

Esto es una necesidad. Si una organización cuenta con mil colaboradores individuales, cada uno de los cuales presenta un informe escrito de una página sobre los problemas que enfrenta, la dirección tendría que leer mil páginas de documentación cada día, lo cual no es posible. Por eso, la información que circula por ese recorrido debe comprimirse: los conceptos se agrupan temáticamente, los asuntos de menor prioridad y menor valor se resuelven en el nivel local o se omiten, de modo que cuando la información llega a la alta dirección tiene una extensión y una estructura similares a las de la información de base, aunque altamente condensada.

La jerarquía actúa como un algoritmo de compresión con pérdida, con reglas no escritas y una aplicación inconsistente. En su mejor versión, existen procedimientos operativos estándar y los directivos comprenden con claridad qué es importante y qué no lo es. En una organización disfuncional, es razonable esperar que señales importantes se pierdan porque los responsables intermedios tienen una comprensión inconsistente de la visión estratégica y de lo que constituye un asunto relevante. La jerarquía en forma de pirámide es un algoritmo de compresión de información anterior a la era digital, concebido para apoyar la toma de decisiones. Si no fuera así, las jerarquías organizacionales serían planas, con un único líder al que reportaran directamente mil colaboradores individuales.

"La jerarquía en forma de pirámide es un algoritmo de compresión de información anterior a la era digital, concebido para apoyar la toma de decisiones." · Janak Alford, viceministro, Ministerio de Tecnología e Innovación

A la inversa, las organizaciones jerárquicas también funcionan como un algoritmo de descompresión de información. En la Academia de IA de Alberta utilizamos el término «hidratación»: una pequeña cantidad de información, como un enunciado de visión, puede expandirse y contextualizarse hasta resultar pertinente para cada uno de los mil colaboradores individuales. Imagine un enunciado de visión en el que el líder afirma que la organización será «extremadamente centrada en las personas». Ese enunciado significa cosas distintas para cada área funcional. En atención al cliente puede implicar capacitar al personal para mantener conversaciones significativas y empáticas. En desarrollo de productos puede significar crear soluciones altamente personalizables según la fisiología o la psicología de cada usuario. En mercadeo, los equipos pueden centrarse en contar historias que conecten con los clientes a nivel personal. En finanzas, podría sugerir sacrificar algo de rentabilidad para sostener la imagen de marca y mantener principios en la forma de prestar los servicios. Todo esto requiere el contexto de cada unidad, y un líder puede no tener tiempo de redactar un enunciado de visión específico para cada empleado.

La dirección intermedia toma una orientación o estrategia y, gracias a su mayor conocimiento y proximidad a las unidades que supervisa, contextualiza esa visión y responde a la pregunta esencial: ¿qué hacemos diferente el lunes por la mañana a raíz de esta visión? Una organización funcional lo hace con eficacia, transformando la visión en tácticas concretas. Una organización disfuncional deja esos enunciados en la ambigüedad y genera confusión e incertidumbre entre los colaboradores sobre qué cambios se esperan en sus procedimientos operativos y en sus tácticas.


## §02 Cómo se transforma la jerarquía en la era de la IA

A medida que los agentes de IA se incorporan a la organización, ofrecen la oportunidad de abordar este problema de compresión. Funcionan de manera fundamentalmente diferente a las personas. Siguen enfrentando retos relacionados con el contexto, pero superan muchos de los problemas específicos que surgen dentro de una organización jerárquica.

El primero es el costo en tiempo. Es habitual que una organización tarde un mes en transmitir una solicitud desde la alta dirección hasta la información de base, formular una respuesta y devolverla a través de los niveles de la jerarquía. Con un fuerte sentido de urgencia esto puede ocurrir en horas, pero en condiciones normales el ciclo completo lleva semanas o meses. Esto depende del ritmo de las reuniones, el método de comunicación, el tiempo necesario para asimilar un mensaje y transformarlo, y la necesidad de que cada nivel lo estructure, lo valide, lo difunda de manera diferente en cada unidad, reúna y revise la respuesta de los colaboradores, y la devuelva a través de los controles editoriales y de calidad. Ese mes de demora es un costo en tiempo y productividad para cualquier asunto. Los agentes de IA organizados en jerarquía no sufren este costo. Dada su velocidad y su capacidad de compartir un recuerdo exacto y común de lo que se solicita, una petición en una jerarquía de agentes podría resolverse en segundos. Un agente supervisor le pide a un agente subordinado que responda y recibe la información de base, contextualizada, en instantes. El problema de velocidad de la jerarquía desaparece.

El segundo es la verborrea. La extensión y el detalle de la información de base ya no requieren el mismo nivel de compresión. Una IA con una ventana de contexto de un millón de tokens podría absorber y retener los informes de situación de mil colaboradores en una sola instrucción y determinar, mediante el reconocimiento de patrones, qué señales son más relevantes. Podría guardar esta información, escribir secuencias de instrucciones deterministas para procesarla y extraer las etiquetas más pertinentes, y analizar recursivamente los datos y las conclusiones a lo largo de una amplia gama de categorías temáticas; un proceso que lleva segundos. La IA no enfrenta los mismos requisitos de compresión que las personas, por lo que los datos no necesitan transitar por capas intermedias ni contextualizarse de la misma manera.

El tercero concierne a la propia estructura de la memoria. Las personas se comunican como lo hacen porque no comparten un banco de memoria común. Lo que sé debe convertirse en palabras y transmitirse lentamente, escribiendo a aproximadamente una palabra por segundo o mediante comunicación oral a unos cuarenta bits por segundo. Lo que he observado y comprendido pasa por un nivel de compresión humana con pérdida antes de que pueda compartirlo. Los agentes de IA no tienen esta limitación, porque pueden acceder a la misma información de base en cualquier nivel de la jerarquía. El tránsito y la transformación de datos, la compresión y la contextualización, no son necesarios. Un agente envía una señal indicando que existen ciertos datos, y otro agente los selecciona y los lee en tiempo real, sincronizado con el propio agente, y ofrece retroalimentación según su función.

Sigue siendo necesaria la diferenciación entre agentes, y este es un punto clave. Los agentes pueden compartir la misma fuente de memoria común, pero un agente bien configurado con su propio arnés y su propio contexto desempeñará una función diferente. La literatura especializada muestra que no es posible construir un único agente que lo haga todo. Es necesario separar las competencias, de manera similar a como las personas ocupan roles específicos. Un agente de programación y un agente de ciberseguridad, separados y sin compartir exactamente el mismo contexto, superarán en rendimiento a un único agente que concentre la totalidad de las habilidades. La diferenciación también permite el paralelismo. Dos agentes separados pueden abordar diferentes partes del trabajo de forma simultánea, mientras que un único agente solo puede dar un paso a la vez. Cuantos más agentes se incorporen, mayor será el procesamiento en paralelo; es habitual tener decenas o centenares de agentes procesando de forma concurrente en una misma iniciativa, ya que cada uno ejecuta su propia auditoría y revisión.

Otra razón para la separación es que un agente de IA individual no es un testigo fiable de su propio rendimiento. Cuando se le solicita, suele cometer errores y afirmar con exceso de confianza que ha completado su trabajo. Otro agente, con su propia ventana de contexto y su propia instrucción, examinará esas afirmaciones con una perspectiva nueva y evaluará el trabajo de manera diferente. Dos agentes de programación —uno con la tarea principal de programar y otro con la tarea secundaria de auditar— superarán a un único agente tanto en velocidad y fiabilidad como en habilidades individuales y capacidades del arnés.


## §03 Invertir la jerarquía

En una jerarquía humana, se busca maximizar el número de colaboradores individuales y minimizar la carga de gestión. En el sector público hay una proporción aproximada de uno a ocho: un directivo por cada ocho personas en plantilla. En una jerarquía agéntica podría ser beneficioso invertir esa proporción. Por cada agente de IA que trabaja, se podría razonablemente esperar ocho supervisores auditando y validando que el trabajo sea exacto y completo.

Invertir la proporción 1 : 8. En una jerarquía humana, hay aproximadamente un directivo por cada ocho empleados. En una jerarquía de agentes de IA, la proporción puede invertirse: ocho agentes supervisores auditan y validan el trabajo de cada empleado.

Si un único agente de programación estuviera desarrollando una aplicación empresarial, podría rodearse de un agente de ciberseguridad, un agente de control de calidad, un agente de gestión del cambio, un agente de revisión de código, un agente de infraestructura, un agente de comunicaciones, un agente jurídico y un agente de privacidad, cada uno supervisando el trabajo y abriendo incidencias cuando detecta deficiencias. Este es probablemente el modelo de implementación futuro, en el que se segmentan las distintas competencias. Solo puede haber un chef en la cocina, pero se puede rodear a ese chef de subagentes, cada uno con su propia competencia, ejecutando auditorías y evaluaciones continuas. Se puede utilizar el modelo principal con la mayor ventana de contexto como agente ejecutor, mientras los agentes secundarios realizan comprobaciones deterministas de alta velocidad y más sencillas, y señalan cuándo los sistemas se dessincronizan, tal como se describe en el documento Rojo, Azul, Amarillo y Verde y en el documento sobre el Arnés Anti-Deriva.

Esto invierte la jerarquía en el espacio agéntico, porque por cada agente ejecutor puede haber ocho supervisores. También puede requerirse una jerarquía con una forma completamente diferente, en la que los asuntos que no puedan resolverse en el nivel agéntico individual se escalen —con la información de base adjunta— para ser resueltos en tiempo real por un consejo o un agente único que mantenga la implementación y la visión alineadas con la estrategia general. La jerarquía y la diferenciación de tareas siguen siendo necesarias, pero muchos rasgos de la jerarquía humana desaparecen. Lo que queda es un modelo operativo fundamentalmente diferente que conserva cierta distinción individual pero se apoya en un sistema de memoria común, y muchos de los elementos propios de una jerarquía humana tradicional desaparecen.


## §04 Los límites que aún enfrentan los agentes

Los sistemas agénticos siguen adoleciendo de una limitación significativa. Aunque un agente puede procesar miles de veces más información en una sola instrucción que una persona, a la mayor escala esto desplaza el problema uno o dos órdenes de magnitud más arriba en lugar de eliminarlo. Este documento parte de «El barco de Teseo de 2 000 millones de dólares» y de un sistema de 466 millones de líneas de código. Se trata de un volumen de código muy superior al que un único agente puede procesar. Los agentes individuales son eficaces con quizás entre cuarenta y cuatrocientas mil caracteres, lo que significa que un agente individual solo puede mantener una comprensión efectiva de una cantidad limitada de información en su nivel más básico.

El alcance efectivo de un único agente 40 000–400 000. Los agentes individuales son eficaces con quizás cuarenta a cuatrocientos mil caracteres, una fracción de los 466 millones de líneas de código del parque tecnológico. Por eso persisten los niveles jerárquicos, aunque situados a una escala diferente.

Para orientar la implementación, necesitamos leer cada línea de ese código para determinar las reglas de negocio y las funciones que describe. ¿Qué intentaba hacer el código? ¿Era una interfaz de usuario, un flujo de trabajo, protección de datos, un formulario de inicio de sesión o cualquiera de las miles de funciones que sirve una aplicación moderna? Para analizarlo, necesitamos miles de agentes que lean el código, contextualicen la función de cada parte y la abstraigan en temas comunes. Un formulario de inicio de sesión con nombre de usuario, contraseña e inicio de sesión único puede categorizarse como autorización. Cada una de las miles de funciones principales integradas en el código se convierte en una abstracción dentro de la arquitectura general. Podríamos acordar que una aplicación tiene autorización, pero la implementación variará en cada aplicación según la naturaleza y la sensibilidad de los datos que gestiona. Existen temas y arquitecturas comunes, y llegar a ellos es en sí mismo una forma de compresión.

Este proceso de compresión y abstracción es necesario para que el plan general no sean 466 millones de líneas de código, ni siquiera miles de módulos, sino un mapa de capacidades de negocio —exhaustivo pero altamente condensado— que un agente estratégico pueda comprender, validar y gobernar. Los niveles de jerarquía persistirán debido a los límites de la ventana de contexto del modelo. Simplemente estarán fijados en una escala diferente.

Hace uno o dos años, nos satisfacía que un modelo pudiera generar de forma confiable un fragmento de código funcional que compilara. Hoy es poco habitual que una página, o incluso una aplicación completa, no compile, porque los agentes de codificación han avanzado enormemente. Eso nos impulsa a niveles más altos de la jerarquía. En lugar de una página, queremos la aplicación completa; en lugar de una aplicación, un ministerio; y en lugar de un ministerio, un gobierno. Las ventanas de contexto han crecido, pero no tanto. Si se intentara que un solo agente analizara y rediseñara todo el sistema de gobierno, el proceso sería demasiado lento y toparía con los mismos límites que encuentra una persona, donde la complejidad acaba superando al agente. A diferencia de las personas, la IA tiene ventanas de contexto con un límite fijo. Tras un millón de tokens, incluso los mejores modelos se reinician, pasan por una forma de compresión y resumen lo que están trabajando. Eso es una forma de amnesia programada. Al desarrollar incluso una sola aplicación, un agente puede atravesar decenas o centenares de ciclos de compresión y perder el hilo conductor del trabajo.

La analogía humana es el sueño. Si uno interrumpe una tarea y duerme, se despierta recordando la naturaleza general del trabajo, pero cierta fidelidad se pierde al retomarlo. Puede que no ocurra en una sola noche, pero tras dos semanas de vacaciones, o un año de licencia, la nitidez de la tarea en curso se desvanece. Eso es similar a la compresión que atraviesa un modelo. Cada transferencia de un agente al siguiente equivale, en esencia, a que un nuevo agente asuma la tarea. Podemos mantener un relato comprimido y de alta fidelidad de los pasos dados para que el siguiente agente los retome, del mismo modo que un funcionario documenta el expediente antes de salir para que un colega pueda continuar la gestión al día siguiente. La compresión de la información también debe ocurrir en la era de los agentes de IA. Simplemente ocurre a una magnitud diferente y con un grado distinto de fidelidad en la memoria y la comunicación. Si vamos a transformar 466 millones de líneas de código en varios miles de funciones de negocio y varios centenares de módulos, esta compresión debe producirse, tanto para beneficio del agente como para el nuestro. Si queremos mantener a una persona en el circuito —y prescindir de ello parece inviable por ahora—, necesitaremos comprimir la información hasta niveles comprensibles para las personas.


## §05 Transformar el documento de información

Cuando una persona y un agente de IA colaboran en la transformación de doscientas aplicaciones, la información presentada requiere una compresión radical para quien toma las decisiones. La justificación y la metodología que sustentan esa compresión pueden recogerse en miles de páginas de proceso, pero eso supera la capacidad humana de lectura y excede la capacidad de supervisión y verificación de quien decide, que con frecuencia no tiene formación técnica. Entonces, ¿cómo se comprime una propuesta como la contenida en los libros blancos Velocity —que por sí solos requieren horas de lectura— en un único documento de información que quien decide pueda comprender?

El método habitual es una nota informativa que ofrece a quien decide lo suficiente para entender los conceptos generales, las medidas de mitigación de riesgos y la intención general, junto con evidencia de que la implementación es confiable. Hay investigación, hay evidencia y hay riesgos identificados con estrategias de mitigación. Todo ello permite que la alta dirección se sienta segura al dar su aprobación y pueda justificarla si se cuestiona o si las cosas no salen según lo previsto. Esa compresión importa, porque si se hace mal —si la nota informativa no satisface la necesidad de información de las personas, aunque esté bien fundamentada en sus miles de páginas de respaldo—, el proyecto no recibirá aprobación.

Este documento sostiene que estamos comprimiendo en exceso nuestros documentos de información, porque la capacidad humana y la capacidad de la IA están ahora desalineadas. Un supervisor de IA leería sin dificultad las mil páginas y emitiría una conclusión. El supervisor humano puede leer solo una o dos. Entonces, ¿cómo evitamos que los límites de la capacidad humana bloqueen una buena idea simplemente porque las personas no pueden procesar la información necesaria para comprenderla en toda su profundidad?

Existe una oportunidad de cambiar la modalidad hacia una forma de comunicación menos comprimida. Los documentos de información escritos y orales presentan un problema de comprensión y compresión, mientras que nuestra capacidad visual y espacial es mucho más potente. En lugar de preparar una nota escrita, una IA podría generar una simulación, una visualización, una interacción espacial o una experiencia interactiva que permita a quien decide relacionarse con el material de una forma diferente. Si se simulara y animara a velocidad acelerada una recuperación a cinco años —mostrando el tipo de procesos que se ejecutarían—, el razonamiento espacial y visual de quien decide podría llenar los vacíos que una nota escrita no puede representar. Al desplazar la modalidad de la escritura hacia el análisis visual, espacial y auditivo, presentamos la información de una manera diferente.

El costo de un error también puede reducirse significativamente. Para implementar un sistema de cien millones de dólares, necesito una alta confianza en que se cumplen los controles y las salvaguardias, porque es una oportunidad única. La economía de la IA reduce parte de ese riesgo. Si la consecuencia negativa de una decisión es unos pocos miles de dólares y un fin de semana de trabajo perdido, el riesgo de la decisión es trivial, y puedo ejecutar la ideación y el desarrollo como una hipótesis, como un experimento de laboratorio. Vuelvo el lunes por la mañana, veo los resultados del esfuerzo de modernización, refino, reviso y pruebo, y tomo mi siguiente decisión con un bajo costo de error. Esa puede ser una forma razonable de ajustar nuestras expectativas cuando el único costo es una pequeña cantidad de cómputo. El riesgo disminuye porque el costo del error se reduce en varios órdenes de magnitud y los problemas pueden atenderse a medida que aparecen. Sin un giro hacia modalidades diferentes, las personas no podrán seguir el ritmo ni comprender la base técnica de lo que presenta la IA, sencillamente por la diferencia en las ventanas de contexto.


## §06 La organización del futuro y la persona en el circuito

Hablamos extensamente sobre la necesidad de una persona en el circuito de decisión, pero eso presupone que mantenemos nuestras jerarquías actuales y nuestros informes actuales centrados en lo humano, ninguno de los cuales sobrevive a la era de la IA. Organizaciones como Anthropic ya señalan que no deberíamos estar creando instrucciones directamente para los agentes, sino construyendo ciclos de procesos que les envíen instrucciones en nuestro nombre. Que un colaborador individual mantenga una conversación de uno a uno con un agente se convierte en un antipatrón a medida que los agentes aumentan su capacidad, porque la interacción queda limitada por el denominador común más bajo. Si usted se comunica a cuarenta bits por segundo pero la IA puede trabajar a cuatro millones de bits por segundo, inhibe su desarrollo y la restringe a lo que los seres humanos hacen más lentamente. Deja el Ferrari en el garaje e ignora nuestros milenios de evolución en la comprensión visual, espacial y auditiva, que puede superar esas limitaciones impuestas. Si la modalidad de persona en el circuito va a sobrevivir a largo plazo, debe alejarse del texto y orientarse hacia la simulación, la participación activa y un medio plenamente espacial, visual y sensorial para recibir información como sustituto de la comprensión de las decisiones detalladas.

Dos velocidades de comunicación 40 vs 4M bits/s. Las personas transmiten significado a aproximadamente cuarenta bits por segundo; una IA puede trabajar a aproximadamente cuatro millones. Mantener la interacción a la velocidad humana equivale a dejar el Ferrari en el garaje.

"Deja el Ferrari en el garaje e ignora nuestros milenios de evolución en la comprensión visual, espacial y auditiva." · Janak Alford, viceministro, Ministerio de Tecnología e Innovación

Considere una analogía. En un jardín, miles de millones o billones de organismos interactúan en el suelo, el aire y el agua. Están las plantas, las bacterias, los virus, los gusanos y los insectos. En el propio cuerpo humano, entre quince y treinta billones de organismos componen el microbioma. Usted se relaciona con todos ellos a través de una experiencia abstracta. Comprende en principio qué hacen y cómo intervenir cuando los signos en conjunto indican que las cosas no van bien, pero deja esos procesos de base sin una gestión diferenciada. No gestiona cada bacteria en el suelo ni cada planta de maíz en el campo. Gestiona el sistema en su conjunto para que prosperen. Atiende las necesidades esenciales de la vida y luego permite que cada organismo utilice su propia inteligencia, porque cada uno posee su propia inteligencia biológica no humana. Usted supervisa la ciencia, no las actividades individuales.

El papel humano en el circuito debe evolucionar de la misma manera, dado el reto de compresión al que nos enfrentamos. No se trata de que cada acción de un agente sea supervisada individualmente por una persona, sino de que contemos con sistemas de compresión y abstracción que nos permitan comprender estas cosas a un nivel meta, a nivel de sistema, y tomar decisiones en consecuencia. El trabajo del colaborador individual hoy en día probablemente cambiará de manera significativa a medida que aumente la sofisticación de las tareas. Avanzamos junto a la IA a lo largo de esa línea de crecimiento y nos orientamos hacia una forma diferente de experiencia.

Entonces, ¿cómo será una nota informativa en el futuro? No quiero tomar la transformación del gobierno bajo la palabra de nadie —ni de ninguna persona individual ni de ningún modelo de lenguaje individual—, porque todos somos propensos a nuestras propias deficiencias específicas. Lo que haré es tomar como base la evidencia de un sistema presentado y simulado, donde pueda observar con confianza la transformación de un sistema de gobierno a través de una simulación acelerada y simplificada que se ajuste a mi propia capacidad de percibir y gestionar, que satisfaga mi curiosidad mediante la interacción y que me deje la certeza de que los resultados se encuentran dentro de los controles que busco. Entonces lo dejo avanzar, especialmente cuando los costos de inversión son tan reducidos. La única forma de llegar ahí es abordando el problema de la compresión: cambiando la naturaleza de la jerarquía en mi organización, la naturaleza de la comunicación y la forma en que la persona en el circuito interviene. Solo cuando alivio este problema podemos aprovechar al máximo los beneficios de la integración de la IA en la fuerza laboral.

Si mantenemos los protocolos existentes —la jerarquía lenta que tarda un mes en hacer llegar un mensaje entre un colaborador individual y un alto directivo—, ninguna cantidad de IA producirá el rendimiento que busco, porque el tiempo que se pierde no es el tiempo que las personas dedican a trabajar. Es el tiempo entre trabajos. Recuerde, a partir del libro blanco Velocity, que el sistema ahora registra el tiempo que una tarea pasa en la etapa o el nivel de paso dentro de un módulo y lo asigna al actor correspondiente. La IA puede completar su trabajo en una hora, pero la persona puede completar su revisión en una semana. Si no utilizamos formas diferentes de comunicación y tipos distintos de jerarquía para presentar la información, entonces incluso reducir el tiempo de ejecución del trabajo podría mover el informe solo de treinta días a veintinueve, porque las pérdidas intermedias ocurren a velocidad humana y por las deficiencias de la organización: el tiempo para leer un informe, el tiempo para redactarlo y revisarlo, el movimiento entre bandejas de entrada y la secuencia de reuniones.

El logro posible y la condición necesaria 20×. Una mejora de veinte veces en la velocidad de entrega no es alcanzable mientras se mantiene exactamente la misma jerarquía que administramos hoy. La jerarquía debe reinventarse al mismo tiempo que exploramos la IA.

Una mejora de veinte veces en la velocidad no es alcanzable mientras se mantiene exactamente la misma jerarquía que administramos hoy. Las organizaciones exitosas serán las que estén dispuestas a reinventar la jerarquía al mismo tiempo que exploran la IA, produciendo un resultado que recoja lo mejor de ambos mundos: la toma de decisiones humanas a nivel del ecosistema en lugar de a nivel del agente individual, con la IA haciendo lo que hace bien y las personas haciendo lo que hacen bien, el razonamiento espacial y estratégico complementando el razonamiento táctico sobre el terreno. Hay más que decir sobre este tema. Es el desafío definitorio de la implementación de la IA y seguirá siendo una prioridad constante para este gobierno y este ministerio mientras trabajamos para encontrar los ahorros y los avances necesarios para alcanzar esa mejora de veinte veces.

Tags: compression, hierarchy, organizational-design, agents, context-window, human-in-the-loop, change-management

Open the interactive version