La IA no solucionará tus indicadores clave de rendimiento (KPI). Tampoco lo hará otro libro de consulta.

Bernard Marr ha publicado más sugerencias de KPI que especies de escarabajos existen. En algún momento, alguien probablemente miró la lista y pensó: necesitamos un barco más grande. El género está bien establecido. Aquí hay 75 KPI para el comercio minorista. Aquí hay 50 para la atención médica. Aquí hay 127 para lo que sea que haga su organización este trimestre. Elija los que le parezcan adecuados, incorpórelos a su panel de control y la gestión del rendimiento estará resuelta. Marr no es el único en esto; es simplemente el ejemplo más prolífico de toda una categoría de publicación y consultoría construida sobre la misma premisa: que el problema de la medición es un problema de selección. No lo es. Ahora la IA ha entrado en escena. Naturalmente, se ha aplicado al problema de la selección con gran entusiasmo. Proporcione a un modelo de lenguaje sus prioridades estratégicas y le devolverá KPI, más rápido, más numerosos y formulados con mayor seguridad que cualquier libro de consulta. Algunas herramientas incluso los compararán con las normas de la industria. Lo que ninguna de ellas le dirá es si la medición cuenta como evidencia. Esto no es una crítica a la tecnología. Se trata de una descripción del problema que heredó la tecnología. La IA no creó la brecha epistémica en el centro de la medición del desempeño; simplemente le dio un motor más rápido. Aquí está la brecha. Setenta años de literatura sobre medición del desempeño produjeron herramientas para la evaluación. Cuadros de mando, OKR, marcos de KPI: todos responden a una versión de la misma pregunta: ¿cómo lo estamos haciendo? Están diseñados para emitir un veredicto. Los instrumentos de evidencia responden a una pregunta diferente: ¿qué sucedió realmente y podemos demostrarlo? Están diseñados para producir algo escrutable: un registro que resista cuando alguien que no estuvo presente solicite ver la base de una decisión. La diferencia parece sutil. En la práctica, es la diferencia entre un documento de gobernanza y una presentación de diapositivas. W. Edwards Deming comprendió esta distinción. Comprendió que la medición sin fundamento estadístico produce ruido disfrazado de señal; que lo que se informa como datos de desempeño a menudo es una variación que iba a ocurrir de todos modos, atribuida a decisiones que no tenían nada que ver con ella. El Field leyó a Deming, creó mejores paneles de control y siguió adelante. La pregunta que planteaba en realidad quedó archivada bajo el término "fabricación" y prácticamente olvidada. La pregunta era: ¿qué se necesita para que una medición cuente como evidencia? Los libros de Marr no la responden. No pueden: no es una pregunta que tenga una respuesta fácil de encontrar. Requiere un marco con una cascada definida, umbrales preestablecidos y una lógica de calibración que se registre antes de la implementación, no que se analice a la inversa después de obtener los resultados. En otras palabras, requiere exactamente el tipo de disciplina estructural que hace que la consulta de KPI parezca demasiado trabajosa, hasta el momento en que necesitas defender una decisión sobre recursos ante una junta directiva, un donante o un regulador, y el panel de control no puede decirte nada que no se haya asumido previamente. La IA acelera cualquier enfoque que se le aplique. Si se le proporciona una arquitectura de evidencia bien diseñada, puede hacer cosas útiles dentro de esa estructura. Si se le proporciona una lista de KPI que parecían adecuados en una reunión, ayudará a producir más de ellos, más rápido, con la fuente que se elija. El marco MetriqOne se construyó a partir de la pregunta que planteó Deming y que el Field prácticamente abandonó. No porque los libros de consulta sean inútiles, sino porque la selección nunca fue la parte difícil. La parte difícil es la calibración: saber de antemano qué se supone que deben detectar los indicadores, bajo qué condiciones y qué significa si no lo hacen. La respuesta se encuentra en Fundamentos del liderazgo basado en la evidencia (Libro II), que rastrea el fallo epistémico en cinco tradiciones de medición importantes y localiza exactamente dónde se equivocó el Field . La respuesta sobre la implementación —cómo construir una cascada que produzca evidencia escrutable en organizaciones sin infraestructura estable, datos limpios o software especializado— se encuentra en Prueba sin juicio (Libro I). Ambos están disponibles en Amazon. Ninguno contiene una lista de 75 KPI. Esto es una característica, no un descuido. Torgeir Skogvold es el fundador de MetriqOne y autor de la Trilogía MetriqOne : Medición para el mundo real.