# stackpole-mit-sloan-ai-decision-matrix-2026-09-22

## Veille

Artículo de **Beth Stackpole** en *Ideas Made to Matter* (**MIT Sloan**), publicado el **22 de septiembre de 2026** (~5 min), que presenta el *informe de investigación* « Designing Decision Rights for AI » de **Ina Sebastian**, **Peter Weill**, **Thomas Haskamp** y **Jan vom Brocke** (**MIT CISR**), elaborado a partir de entrevistas con **30 ejecutivos**.

## Titre Article

A framework for determining when AI can make decisions

## Date

2026-09-22

## URL

https://mitsloan.mit.edu/ideas-made-to-matter/a-framework-determining-when-ai-can-make-decisions

## Keywords

derechos de decisión, derechos de decisión, AI Decision Matrix, ambigüedad, riesgo, encuadre actuación aprendizaje, encuadre, actuación, aprendizaje, decisión rutinaria, decisión consecuente, decisión exploratoria, decisión estratégica, supervisión humana, humano en el bucle, agentes de IA, One New Zealand, centro de excelencia en IA, propietario del agente, cartera de decisiones, MIT CISR, gobernanza de la IA

## Authors

Beth Stackpole — rédactrice, *MIT Sloan Ideas Made to Matter* ; recherche de Ina Sebastian, Peter Weill, Thomas Haskamp, Jan vom Brocke (MIT CISR).

## Ton

Artículo de divulgación de investigación académica para un público directivo. Se abre con un recuadro "What you need to know", define las dos dimensiones y los tres componentes, y luego recorre los cuatro tipos, cada uno con un ejemplo extraído de una sola empresa, One New Zealand. El registro es prescriptivo sin ser perentorio: la supervisión humana se mantiene en todas las categorías, y la autonomía de la IA se amplía a medida que se genera confianza. Citas de los investigadores enmarcan el texto. El artículo no ofrece cifras agregadas sobre las 30 entrevistas y remite a los lectores al informe original para la metodología.

## Pense-betes

- **Ambigüedad baja** = decisiones repetibles y predecibles; **alta** = múltiples interpretaciones posibles.
- **Riesgo bajo** = impacto limitado y reversible; **alto** = impacto financiero, operativo o reputacional, difícil de corregir.
- **Encuadre**: problema, supuestos, partes interesadas, restricciones, criterios de éxito. **Actuación**: recopilación, evaluación, recomendación, autorización, ejecución. **Aprendizaje**: seguimiento de resultados, respuesta a ellos, actualización del sistema.
- **Rutinaria**: encuadre codificado de antemano, actuación y aprendizaje automatizados; los humanos permanecen cerca mientras se genera confianza. Ejemplo: segmentación de marketing traducida a SQL por un agente, **−60%** de tiempo, revisión humana antes del lanzamiento.
- **Consecuente**: humanos en la ejecución, las excepciones y el aprendizaje. Ejemplo: servicio al cliente; una información de precios inexacta es una *"restricción innegociable"* → humano en el bucle para todo lo relacionado con precios.
- **Exploratoria**: encuadre co-construido por humanos e IA; la gobernanza se prioriza a medida que la experimentación avanza hacia casos de mayor riesgo. Ejemplo: creación de contenido de marketing.
- **Estratégica**: los humanos lideran el encuadre y el aprendizaje, la IA facilita la actuación. Ejemplo: red, **15 agentes de tarea** + agentes de orquestación; decisiones humanas (fiabilidad, experiencia del cliente, coste).
- **Prácticas**: las unidades de negocio encuadran cada caso; centro de excelencia en IA y datos (plataforma unificada, capa de orquestación horizontal, política de IA responsable); propietario humano nombrado por agente; gestionar la IA como una **cartera de decisiones**.
- Conecta con [[chen-reneau-flansburg-clef-decision-models-2026-10-01]] sobre modelos de decisión.

## RésuméDe400mots

¿Qué tareas deben delegarse a la inteligencia artificial, y cuándo deben seguir participando los humanos? Para Beth Stackpole, que escribe en MIT Sloan Ideas Made to Matter sobre el trabajo del MIT Center for Information Systems Research, diseñar estos derechos de decisión es uno de los principales desafíos a los que se enfrentan las empresas. Ina Sebastian, Peter Weill, Thomas Haskamp y Jan vom Brocke construyeron la AI Decision Matrix a partir de entrevistas con 30 ejecutivos, partiendo de una premisa: no todas las decisiones son iguales.

La matriz cruza dos dimensiones. La ambigüedad mide en qué medida los datos determinan la respuesta y en qué medida las personas están de acuerdo con ella. El riesgo mide las consecuencias de un error y la dificultad para corregirlo. Cada decisión tiene tres componentes: el encuadre (problema, supuestos, restricciones, criterios de éxito), la actuación (recopilar, evaluar, recomendar, autorizar, ejecutar) y el aprendizaje (seguir los resultados, responder a ellos, hacer evolucionar el sistema).

Los cuatro tipos resultantes requieren roles distintos para la IA, con supervisión humana en todos los casos. Las decisiones rutinarias se prestan a la automatización: en el operador de telecomunicaciones One New Zealand, un agente traduce las solicitudes de los equipos de marketing en consultas SQL para crear segmentos, reduciendo el tiempo dedicado en un 60%, con revisión humana antes del lanzamiento. Las decisiones consecuentes exigen equilibrar automatización e intervención: en el servicio al cliente, cualquier decisión que afecte a los precios mantiene a un humano en el bucle, ya que un error de precio se considera inaceptable. Las decisiones exploratorias permiten que el encuadre evolucione entre humanos e IA, como ocurre con la creación de contenido de marketing, con una gobernanza vigilada a medida que la experimentación avanza hacia casos de mayor riesgo. Las decisiones estratégicas requieren liderazgo humano: quince agentes analizan datos de red y agentes de orquestación los coordinan, pero las decisiones de compromiso entre fiabilidad, experiencia del cliente y coste siguen siendo humanas.

El artículo extrae cuatro prácticas de One New Zealand: dar a las unidades de negocio la propiedad del encuadre de cada caso de uso, crear un centro de excelencia en IA y datos (plataforma unificada, capa de orquestación, política de IA responsable), nombrar un propietario humano para cada agente desplegado y gestionar la IA como una cartera de decisiones empresariales. Las decisiones rutinarias y consecuentes aportan ganancias rápidas de eficiencia, mientras que las exploratorias y estratégicas aportan valor a más largo plazo. Los autores resumen el cambio: pasar de la pregunta "¿dónde debería usarse la IA?" a gestionar las decisiones que esta configura.

## GrapheDeConnaissance

- Beth Stackpole —publie→ article A framework for determining when AI can make decisions (DOCUMENT, 0.98)
- article A framework for determining when AI can make decisions —est_basé_sur→ Designing Decision Rights for AI (DOCUMENT, 0.96)
- Ina Sebastian —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- Peter Weill —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- MIT CISR —publie→ Designing Decision Rights for AI (DOCUMENT, 0.95)
- Peter Weill —dirige→ MIT CISR (ORGANISATION, 0.92)
- MIT CISR —mesure→ AI Decision Matrix construite à partir d'entretiens avec 30 dirigeants (MESURE, 0.92)
- AI Decision Matrix —utilise→ droits de décision (CONCEPT, 0.92)
- AI Decision Matrix —s_applique_à→ agents IA (TECHNOLOGIE, 0.9)
- Ina Sebastian —affirme_que→ la même capacité IA peut être sûre dans un contexte et risquée dans un autre (AFFIRMATION, 0.95)
- AI Decision Matrix —recommande→ automatiser les décisions routinières et garder un leadership humain sur les décisions stratégiques (AFFIRMATION, 0.94)
- One New Zealand —utilise→ agents IA (TECHNOLOGIE, 0.95)
- One New Zealand —mesure→ plus de 50 agents IA en production début 2026 (MESURE, 0.94)
- One New Zealand —mesure→ −60 % de temps de segmentation marketing via un agent text-to-SQL (MESURE, 0.93)
- One New Zealand —observé_dans→ AI Decision Matrix (METHODOLOGIE, 0.88)
- MIT CISR —recommande→ nommer un propriétaire humain pour chaque agent IA déployé (AFFIRMATION, 0.93)
- MIT CISR —recommande→ gérer l'IA comme un portefeuille de décisions métier plutôt que de cas d'usage (AFFIRMATION, 0.93)
- centre d'excellence IA —permet→ droits de décision (CONCEPT, 0.8)

---
Canonical: https://www.thekb.eu/es/fiches/stackpole-mit-sloan-ai-decision-matrix-2026-09-22/