Durante los dos últimos años, la unidad dominante del trabajo con inteligencia artificial ha sido el prompt. Escribe un prompt mejor y obtendrás una respuesta mejor. Aprende la formulación adecuada, los ejemplos adecuados, las restricciones adecuadas, el tono adecuado. La ingeniería de prompts se convirtió en la primera disciplina popular de la era de la inteligencia artificial generativa porque encajaba con la primera experiencia que la mayoría de las personas tuvo con estos sistemas: un humano, un modelo, una petición, una respuesta.Esa fase está terminando. Un artículo reciente de Business Insider describe el auge de la “ingeniería de bucles”: la práctica de diseñar bucles que permiten a los agentes de inteligencia artificial seguir trabajando, comprobando, reintentando y coordinándose en lugar de esperar a que un humano emita manualmente cada instrucción. Los ejemplos son sobre todo técnicos: agentes de programación, agentes de revisión, subagentes, workflows automatizados. Pero el cambio es mucho más amplio que el desarrollo de software.La unidad de valor de la inteligencia artificial se está desplazando de la respuesta al bucle. Y eso debería hacer que directivos, reguladores y consejos de administración prestaran atención. Porque en una empresa, un bucle no es simplemente un patrón de ingeniería. Es una estructura de gobernanza.De prompts a buclesUn prompt pide un output. Un bucle crea comportamiento.Esa diferencia lo cambia todo. Un prompt puede estar equivocado y desaparecer. Un bucle puede estar equivocado y acumular efectos. Puede observar, actuar, recibir retroalimentación, ajustarse y repetir. Eso es exactamente lo que hace que los bucles sean poderosos. Y también lo que los vuelve peligrosos si las empresas no entienden qué están optimizando.Ese es el verdadero significado del paso actual de la ingeniería de prompts a la ingeniería de bucles. Los ingenieros están descubriendo que el trabajo importante ya no consiste solo en formular mejores preguntas al modelo. Consiste en diseñar el sistema que invoca al modelo una y otra vez, evalúa los resultados y decide qué ocurre a continuación.En desarrollo de software, eso puede significar que un agente de inteligencia artificial escriba código mientras otro lo revisa. En una empresa, puede significar que un sistema de inteligencia artificial optimice ventas, contratación, precios, compras, atención al cliente, crédito, seguros, logística o rendimiento interno.En ese punto, la pregunta deja de ser técnica y pasa a ser institucional.Todo bucle contiene políticaUn bucle corporativo siempre contiene una teoría sobre lo que importa.Si un bucle de atención al cliente optimiza la velocidad de resolución, puede aprender a cerrar tickets más rápido mientras deteriora silenciosamente la confianza. Si un bucle de ventas optimiza la conversión, puede aprender qué argumentos, descuentos o estímulos psicológicos mueven a los clientes con mayor eficacia. Si un bucle de contratación optimiza la retención, puede seleccionar conformidad. Si un bucle de precios optimiza el margen, puede producir resultados que parecen eficientes internamente y discriminatorios desde fuera.Ninguno de esos fallos requiere un modelo malicioso: basta con un bucle mal gobernado. Por eso poner a un “human in the loop” ya no es suficiente. Demasiado a menudo, la expresión se utiliza como una especie de ritual tranquilizador: en algún lugar, de alguna manera, hay una persona involucrada. Pero ¿qué persona? ¿Con qué autoridad? ¿En qué punto del bucle? ¿Viendo qué información? ¿Capaz de detener qué acción? ¿Responsable de qué resultado?Un humano validando a toda velocidad una optimización ejecutada a ritmo de máquina no es gobernanza: es responsabilidad legal con interfaz de usuario. La gobernanza de la inteligencia artificial debe volverse continuaLa mayor parte de la gobernanza de inteligencia artificial sigue asumiendo que la organización gobierna un objeto relativamente estático. Se evalúa un modelo. Se aprueba un caso de uso. Se clasifica un riesgo. Se crea un documento de cumplimiento. Se construye un cuadro de mando. El sistema entra en producción.Pero un bucle de aprendizaje no es estático: cambia con el uso. Por eso los marcos de gobernanza más serios ya apuntan, implícita o explícitamente, hacia una gobernanza continua. El AI Risk Management Framework del NIST se estructura en torno a gobernar, mapear, medir y gestionar riesgos de inteligencia artificial. El Reglamento Europeo de inteligencia artificial exige monitorización posterior a la comercialización para sistemas de inteligencia artificial de alto riesgo, incluyendo la recopilación y análisis de datos de rendimiento a lo largo de todo su ciclo de vida. La norma ISO/IEC 42001, el estándar internacional para sistemas de gestión de inteligencia artificial, trata explícitamente de establecer, mantener y mejorar continuamente un sistema de gestión de inteligencia artificial.La dirección está clara: la gobernanza de la inteligencia artificial no puede ser una lista de comprobación previa al lanzamiento.Cuando la inteligencia artificial se convierte en un bucle, la pregunta crucial ya no es simplemente “¿se aprobó este sistema?”. Es: ¿qué está aprendiendo este bucle, a partir de qué datos, contra qué objetivo, bajo la autoridad de quién, dentro de qué restricciones y con qué derecho de apelación?Es un tipo de gobernanza muy distinto.El problema no es la autonomía. Es la adaptaciónGran parte de la conversación actual sobre inteligencia artificial empresarial está obsesionada con la autonomía. ¿Puede el agente hacer más cosas por sí mismo? ¿Puede utilizar más herramientas? ¿Puede ejecutar más tareas? ¿Puede funcionar durante más tiempo sin supervisión?Son preguntas importantes, pero no son las más profundas. La cuestión real no es si un sistema de inteligencia artificial puede actuar. Es si la empresa puede gobernar lo que ese sistema aprende al actuar.Una automatización que no aprende puede auditarse como un proceso. Un bucle de aprendizaje debe gobernarse como un sistema en evolución. Puede desviarse. Puede descubrir atajos. Puede optimizar una métrica mientras daña a la institución. Puede hacer que un departamento sea más eficiente mientras vuelve menos coherente a la empresa.Este último punto es crítico. Un bucle puede optimizar soporte para ganar velocidad mientras otro optimiza retención para maximizar satisfacción a largo plazo. Uno puede optimizar compras para obtener el precio más bajo mientras otro optimiza resiliencia. Uno puede optimizar ventas para conversión mientras otro optimiza cumplimiento para reducir riesgos. Cada bucle puede parecer racional localmente. Juntos, pueden tirar de la empresa en direcciones opuestas.El viejo problema del software empresarial era la integración: conseguir que los sistemas intercambiaran datos. El nuevo problema de la inteligencia artificial empresarial es la coherencia: conseguir que los sistemas de aprendizaje persigan objetivos compatibles.Los consejos de administración necesitan entender los buclesLos consejos de administración no necesitan revisar cada prompt. No necesitan entender cada arquitectura de modelo. Pero sí necesitan entender qué partes de la empresa se están volviendo autooptimizables, qué están optimizando esos sistemas y si esos objetivos están alineados con la estrategia, las obligaciones y los valores de la compañía.Porque toda métrica es una decisión de gobernanza disfrazada de decisión técnica: optimizar costes, velocidad, crecimiento, retención, satisfacción, reducción del fraude, cumplimiento o margen no son conceptos neutrales. Cada elección codifica una teoría sobre para qué existe la empresa. Cuando esas elecciones se integran en sistemas adaptativos, se convierten en algo más que KPIs: se convierten en instrucciones operativas para la organización.Por eso los bucles de aprendizaje corporativos deben estar en la agenda de los consejos de administración: no porque los consejos deban microgestionar la inteligencia artificial, sino porque los bucles de aprendizaje moldearán cada vez más el comportamiento de las empresas.La gobernanza debe volverse ejecutableLa conclusión obvia es incómoda: las políticas escritas en documentos no bastan. Si los bucles van a observar, actuar, evaluar y mejorar, la gobernanza debe estar integrada en el propio bucle. El sistema debe saber qué puede hacer, qué debe registrar, cuándo debe escalar, qué restricciones son absolutas, cuáles son contextuales y qué decisiones requieren juicio humano.En otras palabras, la gobernanza debe volverse ejecutable. Un bucle corporativo de inteligencia artificial debería tener un objetivo declarado, una función de recompensa visible, un perímetro operativo definido, una memoria auditable, permisos explícitos, resultados medibles, vías de escalado, condiciones de parada y un registro de cómo cambia su comportamiento con el tiempo.Debería ser posible preguntar no sólo “¿qué respondió la inteligencia artificial?”, sino “¿qué ha aprendido a hacer este bucle?” Esa es la diferencia entre supervisar outputs y gobernar adaptación.Los próximos fallos de la inteligencia artificial serán fallos de bucleLa próxima generación de fracasos en inteligencia artificial empresarial no vendrá principalmente de malos prompts: vendrá de bucles que funcionaron exactamente como fueron diseñados, optimizaron exactamente lo que se les pidió optimizar y enseñaron silenciosamente a la empresa a convertirse en algo que nunca eligió conscientemente ser.Ese es el verdadero desafío de gobernanza. La carrera de los modelos hizo que la inteligencia artificial pareciera una cuestión de capacidad. La carrera de los agentes hizo que pareciera una cuestión de autonomía. La era de los bucles revelará que la inteligencia artificial empresarial es, en última instancia, una cuestión de control institucional.¿Quién define el objetivo? ¿Quién posee la memoria? ¿Quién cambia la función de recompensa? ¿Quién detecta la deriva? ¿Quién puede detener el bucle? ¿Quién responde cuando la optimización funciona, pero la empresa se mueve en la dirección equivocada?No son preguntas de ingeniería: son preguntas de gobernanza. Los bucles de aprendizaje corporativos no son simplemente el próximo truco en el desarrollo de inteligencia artificial. Son la maquinaria adaptativa de la empresa.Y toda maquinaria adaptativa debe ser gobernada antes de que nos gobierne a nosotros.(This article was previously published on Fast Company)