Problema
Muchas empresas dicen que están aprendiendo con IA, pero no registran las decisiones que toman con IA. Guardan prompts, dashboards, actas y tickets. No guardan el razonamiento operativo que explica por que una decisión se tomo, que criterio se uso y que cambio después.
El resultado es frágil: cada equipo aprende en privado, cada piloto reinventa sus criterios y cada error vuelve disfrazado de caso nuevo.
Tesis
Un AI Decisión Ledger es la memoria mínima de una organización que gobierna IA en serio. No sirve para documentarlo todo. Sirve para que las decisiones importantes dejen rastro, puedan auditarse y mejoren con cada ciclo.
Sin ledger, no hay aprendizaje compuesto. Hay opinión acumulada.
Framework
Un decisión ledger registra cinco cosas:
- Contexto: que sabia el sistema o el equipo cuando decidió.
- Criterio: que regla, threshold o política se aplico.
- Owner: quien podía aceptar, corregir o parar la decisión.
- Resultado: que paso después de ejecutar.
- Aprendizaje: que debe cambiar en el sistema.
No es un repositorio de documentos. Es una capa de gobierno sobre decisiones repetibles.
Mini-caso: un equipo comercial usa IA para priorizar cuentas. Durante seis semanas, el modelo recomienda leads que parecen buenos pero consumen mucho tiempo de preventa. Sin ledger, el debate se convierte en “el modelo falla” contra “ventas no lo usa bien”. Con ledger, se ve el patrón: el criterio de priorización premia intención declarada, pero no penaliza complejidad operativa. La corrección no es cambiar de modelo. Es cambiar el criterio.
Señal medible: porcentaje de decisiones críticas que tienen contexto, criterio, owner y resultado registrado.
Postura: si una decisión no deja rastro, no pertenece todavía a un sistema autónomo.
Respiración: la trazabilidad no es burocracia cuando evita discutir el mismo error tres veces.
Que debe entrar en el ledger
No todas las decisiones merecen registro. El ledger debe cubrir decisiones que cumplan al menos una de estas condiciones:
- afectan margen, riesgo, cliente o cumplimiento
- pueden repetirse muchas veces
- dependen de un modelo, agente o workflow automatizado
- requieren excepción humana
- fueron revertidas o escaladas
Una buena regla: si el equipo podría necesitar explicar la decisión dentro de tres meses, entra en el ledger.
Que no debe entrar
El anti-ejemplo es convertir el ledger en una base documental imposible de mantener. Si cada prompt menor, cada comentario y cada ajuste entra, el sistema se abandona.
El ledger no registra actividad. Registra decisiones que cambian la operación.
Protocolo (3 pasos)
- Define las decisiones ledger-worthy. Empieza con 5-10 tipos de decisión: pricing, priorización, escalado, aprobación, rechazo, pausa o excepción.
- Estandariza el registro. Contexto, criterio, owner, resultado y aprendizaje. Nada más al principio.
- Revisa por patrones, no por casos sueltos. Cada semana busca criterios rotos, owners ambiguos y decisiones que se revierten demasiado.
| Campo | Pregunta | Error común |
|---|---|---|
| Contexto | Que sabia el sistema al decidir | guardar solo el output |
| Criterio | Que regla hizo valida la decisión | confundir preferencia con policy |
| Owner | Quien podía corregir o parar | dejarlo en “el equipo” |
| Resultado | Que ocurrió después | medir solo velocidad |
| Aprendizaje | Que cambia en el sistema | cerrar el caso sin modificar nada |
Cuando no necesitas un decisión ledger
Si el workflow es exploratorio, de bajo riesgo y no se repite, un ledger puede ser exceso. En esa fase basta con notas claras y revisión ligera.
El ledger empieza a importar cuando la decisión se repite, impacta el negocio o empieza a moverse fuera del control directo de una persona.
Relacionado
- Decisión Quality KPI: el indicador que reemplaza velocidad
- Decisión Rights Map: quien decide que en un sistema IA
- Executive Review Stack for AI: que debe mirar un CEO cada semana para gobernar sin teatro
Próximo paso
Si tus decisiones de IA no pueden reconstruirse desde contexto, criterio y owner, todavía no tienes governance. Tienes confianza informal. Podemos convertirlo en un sistema durante un diagnóstico.