Ultreia Strategic Management

Perfecto para Boston. Un problema para Bogotá. Bias cultural de la IA.

Piense en la última decisión de expansión que pasó por su mesa. Su equipo evaluó entrar a un mercado nuevo, digamos Colombia. El análisis llegó impecable: proyecciones, plan comercial, tiempos estimados de cierre. Buena parte se construyó con inteligencia artificial (IA). Y la herramienta que lo produjo asumió ciclos de decisión que no eran los de su mercado.

Nadie en su organización tomó esa decisión. Venía de fábrica.

Los grandes modelos de lenguaje se entrenan sobre todo con contenido en inglés, producido desde una lógica de negocio anglosajona. Cerca del 45 por ciento del contenido con el que se entrenan está en inglés. El español, con casi 500 millones de hablantes, ronda el 4.6 por ciento. En 2024, un estudio publicado en PNAS Nexus comparó cinco versiones de ChatGPT con datos de encuestas de 107 países. Todos los modelos expresaron valores culturales más cercanos a los países angloparlantes. Todos, sin excepción.

Por eso esto no es un asunto del área técnica. Es un asunto de CEO. El bias no aparece en el código. Aparece en las decisiones: a qué mercado entrar primero, cómo leer el silencio de un socio potencial, qué candidato pasa el filtro, qué precio soporta cada país. Ahí es donde una suposición equivocada cuesta dinero. Y el resultado se ve tan profesional que nadie lo cuestiona. Por eso pasa.

El bias no aparece en el código. Aparece en las decisiones.

Lo comprobé en mi propia práctica. Durante 7 meses audité 13 espacios de trabajo distintos donde uso IA todos los días, para trabajo real con clientes reales entre América Latina, el Caribe, España y Estados Unidos. El resultado: más de 100 hallazgos documentados donde el análisis partía de una suposición anglosajona que nadie había pedido.

Un patrón se repitió más que ningún otro. La herramienta aplicaba vocabulario de embudo comercial a relaciones humanas. Leads, pipeline, cadencia, días de inactividad. Un mentor de años apareció clasificado como un lead que había que reactivar. Un contacto con cinco semanas de silencio apareció como cuenta fría, lista para archivar. En nuestra región, cinco semanas de silencio no son una respuesta. Son un cierre de trimestre, unas fiestas largas, una agenda que se llenó. La herramienta veía un contacto muerto. La relación estaba viva.

El vocabulario no es inocente. Cuando su equipo llama cadencia a una relación de confianza, tarde o temprano le escribe a esa persona como si fuera una transacción. Y en los mercados donde la relación viene antes que el negocio, ese mensaje no ahorra tiempo. Cobra una deuda.

Cómo la IA lee el silencio

El mismo silencio, dos lecturas distintas. La IA ve una. Su mercado vive la otra.

Situación	Estados Unidos	Latinoamérica y el Caribe
5 semanas de silencio	Lead frío. Considerar archivar.	Cierre de trimestre, agenda llena. El contacto está vivo.
Cómo se reactiva	Recordatorio del pendiente.	Ocasión genuina: una noticia de su sector, un artículo útil.
Cuándo vuelve lo comercial	En el primer mensaje.	Cuando la relación lo trae de vuelta. Y casi siempre lo trae.

El dato que más me incomodó no fue la cantidad de hallazgos. Fue la tasa de detección. Solo alrededor del 20 por ciento los vi en el momento. El resto apareció únicamente cuando hice la auditoría estructurada. En un proyecto extremo, la detección en tiempo real fue cero de 17. Y yo estaba mirando de cerca, con años de trabajo entre culturas. Ahora traslade eso a una organización de 200 personas donde nadie tiene ese rol.

El dato que más me incomodó no fue la cantidad de hallazgos. Fue la tasa de detección.

Esto se gestiona. Cuatro movimientos para los próximos 90 días.

Los próximos 90 días

Cuatro movimientos para cerrar la brecha de detección cultural en su organización.

Primero, mapee dónde la IA ya toca decisiones sobre personas y mercados en su organización. Contratación, crédito, precios, comunicación con clientes. La mayoría de las organizaciones no puede responder esa pregunta hoy. No se puede corregir lo que no se ha ubicado.

Segundo, pregunte en su próximo comité desde qué mercado está razonando cada análisis hecho con IA. Es una sola pregunta y cambia la conversación. Si nadie sabe responderla, ya encontró el problema. La suposición que no se declara no se puede corregir.

Tercero, decida quién es dueño de esa mirada. Hoy la capa de control de calidad cultural no aparece en ningún organigrama. Mientras no tenga un dueño con nombre, ese trabajo lo está haciendo alguien sin saberlo, o no lo está haciendo nadie. Ponerla en el organigrama es una decisión suya, no del área técnica.

Cuarto, y este no se resuelve puertas adentro: audite cómo su IA lee sus mercados específicos, no los mercados en general. Su equipo trabaja todos los días con la misma herramienta que produce el bias, y la evidencia dice que incluso mirando de cerca se detecta una minoría. Una mirada externa senior, que conozca sus mercados de primera mano, ve lo que adentro ya se volvió normal.

La gobernanza de IA tampoco termina en el cumplimiento. Como escribí al analizar el EU AI Act y los servicios profesionales, la regulación europea ya exige que los sistemas de alto riesgo usen datos que reflejen el contexto geográfico y conductual donde van a operar. La relevancia cultural ya está escrita en ley. El bias cultural es la parte de esa conversación que casi nadie está auditando todavía.

Y la región no está esperando a que la corrijan. En febrero, Chile lanzó Latam-GPT, el primer modelo abierto entrenado desde y para América Latina y el Caribe. No somos solo el mercado que la IA no entiende. Somos parte de quienes la están corrigiendo.

Esto fue lo que hice en Ultreia: documenté los casos, los convertí en reglas, cambié el punto de partida de la herramienta y ahora audito cada cierto tiempo. Cada organización tendrá que encontrar su propia forma. La mía empezó el día que dejé de asumir que la IA sabía desde dónde hablo.

Perfecto para Boston. Un problema para Bogotá. Ahora la pregunta abierta es quién revisa eso en su organización.