La brecha que ningún modelo de lenguaje puede cerrar

Dos personas, una misma observación, 50 años de distancia

En marzo de 2025, Allie K. Miller publicó un mensaje que condensaba en dos oraciones lo que cientos de empresas estaban descubriendo por las malas:

"The AI skills gap isn't about coding or prompt engineering — it's about systems thinking. Companies scrambling to hire LLM experts are missing the point. We need people who understand both the business process and how AI can transform it."

Miller no es una comentarista. Es la ex directora global de Machine Learning para Startups y Venture Capital en Amazon Web Services. Antes de eso, lanzó el primer equipo de IA multimodal en IBM Watson. Hoy dirige Open Machine, una firma de asesoría que ha trabajado con Novartis, Samsung, Salesforce, Google y OpenAI, entre otros. Time la incluyó en su lista Time100 AI 2025 de las personas más influyentes en inteligencia artificial. Tiene casi 2 millones de seguidores. Cuando ella señala un problema, la industria escucha.

El problema que señaló es este: las empresas están contratando expertos en modelos de lenguaje, ingenieros de prompts, especialistas en fine-tuning. Y están fallando. No porque esas habilidades no importen, sino porque falta algo anterior y más fundamental: entender cómo funciona el negocio como sistema antes de introducir IA.

En 1972, un teórico y cibernético británico llamado Stafford Beer llegó a una conclusión notablemente similar en un contexto radicalmente diferente. Y no solo la identificó: construyó un modelo formal para resolverla.

Este artículo examina qué tan profunda es la conexión entre ambas observaciones, dónde coinciden, dónde divergen, y qué significa para quien está implementando IA en su empresa hoy.

Qué está diciendo Miller realmente

Para entender la profundidad del argumento de Miller, hay que ir más allá del tweet y examinar el framework completo que ha desarrollado.

En la conferencia Fortune Brainstorm AI de 2025, Miller presentó un modelo de cuatro modos de interacción con IA que revela dónde está atrapada la mayoría de las empresas:

Modo 1: Microtasker. La IA como un buscador glorificado. Un analista le pide a ChatGPT que limpie una fórmula de Excel. Un gerente le pide que resuma un reporte. Es rápido, contenido, y no requiere confianza. Según Miller, el 90% de los empleados están atrapados aquí: "So many employees think that they are an AI super user when all they are doing is asking AI to write their mean email in a slightly more polite way."

Modo 2: Companion. La IA como copiloto persistente. Mantiene contexto durante sesiones largas de trabajo creativo o técnico. Es útil pero sigue siendo individual: una persona, una IA, una sesión.

Modo 3: Delegate. La IA maneja tareas completas de 40 minutos o más: gestionar un inbox, ejecutar un pipeline de detección de fraude, hacer triaje de reclamos. Requiere governance y confianza en los resultados.

Modo 4: Teammate. El salto fundamental. La IA no es transaccional sino ambiental. En palabras de Miller: "The big difference for AI as a teammate is that AI is lifting up a system or a group and not the individual." La IA participa en reuniones, responde preguntas, toma acciones. No espera instrucciones: opera dentro del sistema.

Lo que Miller describe en la transición del Modo 1 al Modo 4 es, sin usar el término, un problema de organización. No es un problema de tecnología. La IA para pasar de microtasker a teammate necesita: límites claros de actuación, coordinación con otros agentes y humanos, supervisión en tiempo real, conciencia del contexto externo, y alineación con los valores de la organización.

De dónde viene el "systems thinking" de Miller

Cuando Miller dice "systems thinking", no lo dice de forma genérica. En un episodio del podcast de Molly Fletcher (Episode 259, "How to Turn AI Into Your Advantage"), el tema central se describe como "how to think in systems with AI instead of tasks." Y entre los recursos recomendados del episodio aparece un libro específico: "Thinking in Systems: A Primer" de Donella Meadows (2008).

Meadows no es Beer. Meadows viene de la tradición de System Dynamics fundada por Jay Forrester en MIT en los años 50. Su libro, publicado póstumamente (Meadows murió en 2001), trata de feedback loops, stocks y flujos, puntos de apalancamiento y comportamiento emergente en sistemas. Es la misma tradición intelectual detrás de "Los Límites del Crecimiento" (1972), el informe al Club de Roma que modeló el agotamiento de recursos globales.

Además, Miller estudió Cognitive Science en Dartmouth (graduada en 2010), una carrera inherentemente interdisciplinaria que combina Computer Science, Linguistics y Psychology. En una entrevista con el programa de Cognitive Science de Dartmouth, Miller describió que la carrera la expuso a "rational decision making, logical thought, behavioral psychology, and linguistic and sociological pressures." Ver el mundo como sistemas interconectados, no como partes aisladas, es el fundamento de la ciencia cognitiva.

A esto se suma su estudio independiente con Adam Grant en Wharton, psicólogo organizacional, autor de "Think Again" y "Originals." Grant estudia cómo las organizaciones cambian, cómo las personas adoptan ideas nuevas, cómo repensar supuestos. De Grant, Miller absorbió que la adopción de tecnología es un problema de personas y organizaciones, no de tecnología.

La cadena intelectual de Miller, entonces, no es vaga. Es rastreable:

• Cognitive Science (Dartmouth) le dio la visión interdisciplinaria de sistemas cognitivos
• Adam Grant (Wharton) le dio la perspectiva de cambio organizacional
• IBM Watson y AWS le dieron la evidencia empírica de que la tecnología sin organización fracasa (88% de pilotos de IA no llegan a producción, según IDC)
• Donella Meadows le dio el lenguaje formal de systems thinking

Esto es significativo para nuestro argumento: Miller llega a "systems thinking" desde Meadows y System Dynamics, no desde Beer y la cibernética organizacional. Son ramas diferentes del mismo árbol.

El Minimum Viable Autonomy (MVA): de dónde viene

Miller presentó el concepto de MVA en la conferencia Fortune Brainstorm AI en San Francisco en diciembre de 2025. Pero no lo inventó de cero. El término es una adaptación deliberada del Minimum Viable Product (MVP) popularizado por Eric Ries en "The Lean Startup" (2011).

La lógica de Ries: en vez de construir el producto perfecto, construye lo mínimo útil y aprende. Miller adaptó esa lógica a la autonomía de agentes: en vez de darle a la IA "perfect 18-page prompts" con instrucciones paso a paso, dale lo mínimo necesario para que opere: "goals and boundaries and rules." La IA trabaja del objetivo hacia atrás, no de la instrucción hacia adelante.

Miller complementó el MVA con dos herramientas concretas: