La idea no es nueva. Lo raro es que ahora aparece en reuniones, capacitaciones y hasta en los pasillos de empresas que hace dos años no sabían pronunciar “algoritmo”.

En varios lugares ya no se habla del futuro. Se habla de cosas tan mundanas como pedir un completo en la calle.  Las plataformas de reparto deciden quién lo lleva, en qué orden y cómo te califican a ti como cliente.

Los estudios muestran que el liderazgo algorítmico aumenta la rotación de empleados debido a la reducción de la seguridad psicológica.

A veces alguien supervisa, pero las decisiones prácticas las toma el sistema. Con ese panorama, la pregunta deja de ser teórica y empieza a sonar práctica, ¿vale la pena darle funciones de jefe a una máquina?

Los que dicen que sí tienen razones simples. Una máquina no se cansa, no protesta y sigue reglas al pie de la letra. Para algunos eso es un alivio, mismos criterios todos los días, sin sorpresas, sin jefes de mal humor… Incluso parece más justo.

Para ser justos, la versión atractiva de un jefe algorítmico no es un simple capataz digital. Piensa en un sistema diseñado como un guardián del ecosistema laboral.

Este gestor ha procesado la dinámica de miles de equipos y no solo reparte el trabajo. También detecta patrones sutiles en la comunicación interna, como el acortamiento de las frases o el aumento en el tiempo de respuesta, y los correlaciona con un riesgo de agotamiento a futuro.

Antes de que alguien note el problema, el sistema ya ha rebalanceado las cargas, ha sugerido una pausa o ha reorganizado un proyecto para evitar una crisis.

Además, este sistema podría ser el único jefe verdaderamente imparcial. Al auditar sus propias recomendaciones, podría descubrir que las tareas de mayor visibilidad recaen desproporcionadamente en un perfil de empleado y corregir el rumbo, creando una meritocracia que un humano, con toda su red de afinidades y prejuicios inconscientes, jamás podría construir.

La promesa no es tanto esta eficiencia fría, es una forma de justicia y cuidado a una escala sobrehumana.

Pero ya sabemos que liderar no es aplicar un reglamento. En teoría de juegos lo llaman “cooperar en un dilema iterado”. En el trabajo se parece más a que un jefe se dé cuenta de que alguien está agotado o en duelo y actúe en consecuencia. Ese gesto genera confianza y mantiene al equipo unido.

En los modelos de coordinación lo difícil no es elegir la mejor jugada individual, es adivinar cuál es la que el resto reconocerá como señal de cooperación.

Un jefe humano puede lanzar una broma en el momento preciso y lograr que todos entiendan que la tensión terminó. Para la máquina esa jugada no existe, no hay código que le permita anticipar qué gesto arbitrario servirá como bandera de acuerdo. En teoría de juegos se diría que nunca logra entrar en el mismo equilibrio porque interpreta cada situación como un tablero distinto en lugar de reconocer la continuidad de la partida.

Quizás estoy exagerando la diferencia entre un jefe humano y un algoritmo. Tal vez si alguien me mostrara un sistema que realmente “nota” cosas podría retractarme, pero la dificultad está en imaginar cómo probarlo sin que termine siendo solo otro conjunto de reglas disfrazadas.

Así que escribo todo esto sabiendo que en unos años puedo quedar desmentido, como tantas veces pasa. Aun con esa duda, hay algo claro sobre los sistemas automáticos: son incorruptibles, pero también aburridos. Hace lo que está programado, sin aprender nada nuevo. Cuando algo raro ocurre, sigue como si nada. Administra y no lidera la situación.

Estoy seguro que aquí alguien me diría que ningún jefe humano tiene capacidad de seguir cientos de trabajadores en paralelo, y que la máquina gana en escala… Y eso es cierto en lo cuantitativo, pero no en lo cualitativo: procesar datos no equivale a saber cuándo un desvío merece atención o cuándo la alarma es un ruido irrelevante. La magnitud la lee el mismo sistema y el significado aún lo decide un humano.

Un jefe en cambio, tiene que decidir qué significa “hacer bien las cosas” cuando no todo cabe en una métrica. No todas las situaciones requieren excepción, pero algunas sí.

El problema de medir el trabajo se parece a la Ley de Goodhart, esa idea de que una métrica deja de ser útil cuando se convierte en un objetivo. Un sistema que premia la “satisfacción del cliente” a través de encuestas podría incentivar a los empleados a rogar por una buena calificación al final de cada llamada, inflando el número mientras la experiencia real del cliente se degrada. El algoritmo, optimizado para la métrica, destruye la cualidad que intentaba medir. De forma similar, la situación actual con malos jefes humanos puede verse como un equilibrio inadecuado; un estado estable y disfuncional del que es difícil salir. Instalar un software inflexible no nos mueve a un estado óptimo. Simplemente nos traslada a un nuevo equilibrio inadecuado, donde la arbitrariedad humana es reemplazada por una rigidez sistémica que también ahoga la iniciativa y la moral. El problema de fondo no cambia, solo adquiere una nueva forma.

Un comentario común en este punto es que muchos jefes no son atentos ni empáticos, y que frente a la negligencia un algoritmo parecería una mejora. Ese argumento es válido, aunque más que reemplazo lo que falta es mejorar la calidad del liderazgo. Sustituir un mal jefe por un software inflexible solo cambia el tipo de problema, pero no lo resuelve.

Hoy ya hay sistemas que analizan desempeño en tiempo real. Cronometran tareas, registran pausas, anotan desvíos. El problema es que lo leen como compromiso o falta de él, sin importar que alguien haya parado porque se le cayó una herramienta.

Algunos podrían responderme que con avances técnicos, pronto los sistemas leerán emociones, fatiga o hasta estados de ánimo. El pronóstico suena verosímil, pero incluso si esos indicadores se midieran, seguiría pendiente la interpretación.

Detectar “estrés” no responde si conviene exigir un esfuerzo extra, liberar a la persona o redistribuir carga. Ahí la máquina todavía tropieza. Y esa dificultad se nota más cuando se la pone frente a estructuras que ya son frágiles.

Las organizaciones son como máquinas viejas que siguen andando aunque nadie entienda bien por qué. Llega el algoritmo, manual en mano, creyendo que puede ajustar todo a parámetros claros. Lo que no nota es que a veces los errores sostienen al conjunto. Tocarlos puede empeorar las cosas.

La automatización reparte tareas sin problemas. El lío empieza cuando preguntas “por qué pasó esto” y la respuesta no existe.

Aunque no todo es negativo. En empresas con turnos rotativos, algunos sistemas han detectado patrones de agotamiento y reordenado tareas antes de que aparezcan errores graves. Sirve para anticipar, aunque no entienda realmente por qué alguien está agotado.

Y ahí aparece la duda de siempre, ¿vale más la ayuda parcial de un sistema, o lo que solo un humano puede notar?

II

Tuve un jefe que no era muy bueno con la tecnología. Llegaba tarde, olvidaba cosas, y abrir un archivo le tomaba media hora. Pero recordaba perfectamente lo que pasaba en la vida de cada uno en el equipo. Y eso salvó más de una crisis.

Si alguien pedía días libres, hablaba menos de lo usual o simplemente estaba raro, él lo notaba. No seguía protocolos, pero sí prestaba atención. Esa atención evitó que el grupo se cayera varias veces.

Algo parecido me pasó en otro trabajo. Un compañero llegaba tarde casi todos los días y todos estábamos hartos, hasta que el jefe explicó que cuidaba a un familiar. La queja se transformó en empatía. Yo no lo habría notado, estaba demasiado ocupado en mi propia carga.

Eso también es liderazgo: ver lo que otros no ven. No es épico, es un detalle cotidiano, pero mantiene al equipo unido.

Al pensar en lo opuesto, se puede imaginar qué ocurriría si toda esa discreción se delegara a un software. Imagina una empresa que decide delegar todo a un software, incluida la aprobación de vacaciones. El sistema detecta que nadie puede ausentarse sin afectar métricas, así que bloquea todos los permisos por cinco años. Desde el punto de vista de la lógica interna funciona perfecto. Desde el punto de vista humano, suena como una dictadura invisible con sonrisas en la interfaz.

Un algoritmo no hace eso. Podría intentarlo con un manual de instrucciones, pero el manual solo diría cosas como “si detecta tristeza, muestre un emoji de apoyo”. Mientras tanto, el jefe torpe entiende el chiste malo en medio de la reunión, sin necesidad de reiniciar drivers.

Ese contraste se nota más en cómo se vive el día a día: un sistema puede medir todo y producir reportes perfectos. Pero trabajar bajo esas métricas puede ser asfixiante. A veces un jefe torpe resulta más tolerable que un software impecable.

Quienes confían más en los números dirían que al menos el algoritmo no discrimina ni tiene favoritismos. Sin embargo, estudios demuestran que las personas perciben menor estatus social cuando son gestionadas por algoritmos versus humanos, porque asumen que sus tareas son menos complejas…

El detalle es que el sesgo humano se nota y se puede discutir; el sesgo de los datos queda oculto y se replica en silencio. Esta “neutralidad” aparente esconde las injusticias, pero no las elimina.

Mucho del liderazgo ocurre en lugares que ningún reporte captura.

III

Ese límite borroso entre métricas y vida cotidiana se nota aún más porque las personas no pueden separar del todo lo personal y lo laboral. Si el trabajo hace mal, se refleja en los números y en el ánimo. Lo que pasa fuera de la oficina no desaparece al fichar.

Los equipos acumulan rutinas pequeñas que no aparecen en los protocolos: chistes internos, silencios, favores. Eso sostiene más de lo que parece. Un jefe humano puede notar cuándo ese tejido empieza a romperse.

La historia ya ofrece antecedentes: en el Imperio Romano existía la figura del curador de acueductos, encargado no solo de vigilar la infraestructura sino de lidiar con desvíos improvisados de agua, protestas vecinales y derrumbes imprevistos. Las leyes trazaban una línea recta, pero la práctica exigía decisiones en situaciones ambiguas. Cambia “agua” por “trabajo” y la dificultad es casi la misma.

Más allá de la interacción directa, las consecuencias de un jefe-IA se extienden por toda la organización. El sistema podría convertirse en el escudo perfecto para una mala gerencia humana. Un directivo podría justificar recortes o negar peticiones amparándose en la supuesta objetividad del algoritmo, creando una capa de irresponsabilidad donde nadie toma la decisión final. “El sistema lo determinó” se volvería la frase que absuelve cualquier juicio. Adicionalmente, una optimización llevada al extremo genera fragilidad. Las organizaciones humanas funcionan con cierta holgura, con redundancias y favores informales que, aunque ineficientes en el papel, actúan como amortiguadores frente a una crisis. Un algoritmo programado para exprimir cada minuto de productividad eliminaría esa holgura. El día que un proveedor clave falle o media plantilla se enferme, el sistema perfectamente optimizado se quebraría por completo, incapaz de gestionar una realidad que no estaba en sus datos de entrenamiento.

Si algún día un software intentara decidir qué significa haber hecho bien un trabajo, lo más probable es que termine dictando listas interminables de indicadores que se autojustifican. Imaginar una organización entera conducida por esas métrics suena a una oficina donde el manual se reproduce a sí mismo como un virus. El riesgo no es que la gente desobedezca, es que obedezca demasiado y ya no quede espacio para inventar nada. Un futuro así no parece terrible por ser autoritario, es terrible por ser aburrido en su propia perfección.

Otro problema es la supuesta “neutralidad” de los algoritmos. Los datos no salen de una roca. La gestión algorítmica reproduce sesgos porque aprende de datos históricos discriminatorios.. Si una empresa ascendió más a hombres que a mujeres durante años, el sistema lo va a repetir porque aprendió de esos datos.

Lo más preocupante es cuando esa decisión deja de ser comprensible: el sistema recomienda, nadie entiende por qué y todos lo aceptan igual. Mejorar el modelo no sirve si los datos ya estaban torcidos. Lo único que haces es mejorar el sesgo.

Incluso con ese problema, algunos dirían que hay un beneficio en la trazabilidad: al menos queda registro de las decisiones, lo que evita arbitrariedades. Esa trazabilidad es útil, pero convierte cada excepción en un expediente formal. La flexibilidad que mantiene un equipo funcionando no siempre sobrevive a la burocracia del dato obligatorio.

Esa burocracia contrasta con la improvisación constante en la oficina. Las personas improvisan bien porque no queda otra. La oficina es básicamente un ecosistema de excepciones; llegadas tarde, favores, atajos. Un buen jefe sabe cuándo dejarlo pasar y cuándo corregir.

La IA trata cada excepción como un error. Y en ese proceso mata la flexibilidad que mantiene todo vivo.

He visto equipos rehacer turnos enteros o repartir tareas sobre la marcha, sin manual. Cuando todo falla al mismo tiempo, alguien tiene que decidir qué se salva primero. Un jefe puede equivocarse, pero entiende el contexto inmediato. El sistema sigue calculando.

Un sistema podría detectar con precisión la caída en la productividad de un equipo y recomendar “sesiones de motivación” en una sala virtual. La idea sería brillante hasta que alguien descubriera que la solución consiste en un avatar sonriendo sin parar durante veinte minutos. Tal vez los gráficos sean de última generación, pero no hay ironía que alcance cuando el consejo práctico de la máquina es que todo se arregla con una sonrisa renderizada en 4K.

Y es cierto que la gente a veces prefiere ese cálculo frío porque está cansada de jefes mediocres. La molestia es real, pero delegar toda la autoridad en un algoritmo es un remedio que deja la misma fatiga, solo con otro uniforme.

IV

Con esa desconfianza hacia los jefes, no sorprende que la idea de que una IA pueda liderar atraiga a algunos. Pero confiar solo en un sistema significa ceder autonomía. No discutes con un algoritmo, no negocias con un Excel.

Un empleado con una crisis personal puede bajar su rendimiento. La IA manda una advertencia. Si repite el patrón, lo sanciona. ¿Dónde se explica lo que pasa? ¿A quién se le pide margen?

Algunos experimentos probaron con “módulos de empatía sintética”, básicamente un bot que envía mensajes tipo “nos importa tu bienestar”. El trabajador sabe al instante que no hay nadie detrás. Y eso genera distancia, no apoyo.

Hay quien piensa que basta con programar más variables: tono de voz, lenguaje corporal, etc. Tal vez algún día funcione. Pero la mayoría de la gente distingue entre empatía real y simulada. Esa diferencia mínima cambia cómo se vive una decisión.

Por ahora, todavía hay juicios que requieren humanos. Porque no se reducen a fórmulas.

Una alternativa sensata es la combinación: las máquinas hacen lo que hacen bien, y las personas lo que exige sensibilidad.

Liderar es decidir cuándo seguir la norma y cuándo hacer una excepción. Eso no se puede codificar del todo.

Si el software ya reparte tareas, el jefe humano tiene que ocuparse de otra cosa: ignorar una alarma cuando no aplica, hacer una excepción cuando importa, decidir si un problema es grave o si es simplemente la vida sucediendo.

Más allá de lo práctico, esto abre otra discusión, no es solo sobre oficinas, estamos discutiendo cómo queremos convivir, como métricas alineadas o como un conjunto de excepciones que se sostienen entre sí.

La historia sugiere que lo segundo siempre termina imponiéndose. A veces se llama tradición, a veces cultura, a veces costumbre. Ignorarlo es creer que la vida se gobierna desde una planilla.

Las máquinas todavía no entienden qué significa una excepción. Y pensar que lo raro puede guardarse como otra fila en una base de datos es un error.

El desafío técnico fundamental no es la capacidad de procesamiento, es el problema de la alineación. Resulta extremadamente difícil traducir valores humanos complejos a un lenguaje que una máquina pueda optimizar. ¿Cómo se codifica el valor de la confianza ganada a largo plazo al perdonar un error costoso a corto plazo? ¿Qué métrica captura el beneficio de que un empleado se sienta psicológicamente seguro para proponer una idea extraña? El sistema carece de un modelo de mundo persistente para cada persona. Aunque la IA puede ayudar en decisiones bajo presión, sin biografía personal, el contexto se pierde.

Un buen jefe humano actualiza constantemente su idea sobre cada miembro del equipo, integrando su historia, sus motivaciones y su contexto. Para el algoritmo, cada interacción es un evento discreto, un dato nuevo en una base de datos inmensa, no un capítulo más en la biografía continua de una persona. Sin esa biografía, el contexto que da sentido a la mayoría de las decisiones importantes se pierde por completo.

No estoy seguro de que esta preocupación tenga sentido dentro de diez años. Puede que para entonces los programas realmente imiten señales humanas de forma convincente y alguien diga que este texto es exagerado. Esa posibilidad es incómoda, aunque tampoco me deja tranquilo lo opuesto, que la crítica resulte demasiado tímida frente a lo que viene. Entre esos extremos la única certeza es que escribir sobre estas dudas también es parte del experimento.

V

Quizás la pregunta de fondo está mal planteada.La gestión algorítmica ha pasado de casos excepcionales a práctica mainstream, pero el debate se enmarca como una elección entre un jefe humano y uno algorítmico, pero ambos son solo la interfaz de un sistema de incentivos mucho más grande; una fuerza de competencia implacable que algunos llamarían CASIUS.

El gerente que presiona a su equipo para cumplir metas trimestrales y el algoritmo que optimiza cada segundo de un trabajador de reparto no son la causa del problema; son el síntoma.

Ambos responden a la misma deidad sin rostro. En un mercado donde una ganancia marginal en eficiencia puede significar la supervivencia o la extinción, el sistema de gestión que gane no será el más humano o el más justo. Será el que le ofrezca un pequeño tributo de productividad a esa fuerza. La verdadera pregunta no es qué tipo de jefe queremos, sino si es posible escapar de la carrera que este sistema impone sobre todos por igual.

Esta perspectiva cambia el foco. La conclusión ya no es un reconfortante “necesitamos el toque humano”. Se convierte en una idea mucho más incómoda, un sistema de gestión frío y algorítmico podría ser una estrategia evolutivamente estable. No porque sea mejor en un sentido moral, sino porque podría ganar en el único tablero

que importa a nivel sistémico. Si una empresa adopta un jefe-IA que aumenta la productividad en un 5% a costa de la moral a largo plazo, y esa ganancia le permite sacar del mercado a sus competidores, el sistema “inhumano” se propagará. No porque alguien lo haya elegido conscientemente como un ideal, sino porque las alternativas fueron eliminadas. La humanidad se convierte en una ineficiencia que el mercado podría castigar.

Si esta carrera es inevitable, el rol del liderazgo humano cambia radicalmente. Tal vez el trabajo más importante de un gerente en el futuro no sea dirigir personas, sino gestionar al gestor algorítmico. Su función sería actuar como un anticuerpo humano dentro de la máquina de optimización. Esto implicaría saber cuándo ignorar una recomendación del sistema, cuándo alimentar datos incorrectos para proteger a un miembro del equipo o cuándo introducir ineficiencias deliberadas —un sabotaje benevolente— para preservar la confianza o la capacidad de innovación que el algoritmo es incapaz de medir. El nuevo líder no sería quien da las órdenes, sino quien sabe cómo y cuándo hackear el sistema que las dicta para salvar a la organización de su propia perfección.

Si algún día aceptamos eso, lo humano quedará reducido a un asterisco en un informe.

Y aun así, habrá alguien en un rincón cambiando turnos, rompiendo un plan, recordándonos que la vida se las arregla para salirse del guion.