Hace unos meses contraté a una persona para un puesto que no tenía nada que ver con tecnología. Gestión de operaciones. Cero programación, cero requisitos técnicos. Entre los candidatos había ingenieros, administradores de empresas, gente de logística. Elegí a una mujer que venía de gestionar la cocina de un restaurante con estrella Michelin.
Mis socios me miraron raro. Le pregunté a ella cómo organizaba un servicio para doscientas personas un sábado noche. Me explicó los flujos de entrada de ingredientes, los tiempos de preparación paralela, los cuellos de botella entre cocina y sala, los puntos de control de calidad, los protocolos de fallo cuando algo se tuerce. Me dibujó un diagrama en una servilleta que era, literalmente, un sistema de producción con inputs, outputs, buffers y feedback loops.
Nunca había escrito una línea de código en su vida. Pero pensaba en sistemas mejor que la mitad de los ingenieros que conozco.
La habilidad más infravalorada del siglo
Llevamos años repitiendo que todo el mundo debería aprender a programar. Que la programación es el nuevo inglés. Que si no sabes código, te vas a quedar atrás. Y la verdad es que creo que eso ya no es así. O al menos no de la forma en que se ha planteado.
No digo que programar no sea útil. Claro que lo es. Pero la habilidad que realmente importa en un mundo con IA no es escribir código. Es pensar en sistemas. Entender procesos. Ver cómo las piezas se conectan. Identificar inputs, outputs, dependencias, cuellos de botella y bucles de retroalimentación.
Porque la IA ya puede escribir código. Cada vez mejor. Cada vez más rápido. Lo que no puede hacer es decidir qué sistema necesitas construir, por qué, para quién y cómo se integra con todo lo demás. Eso requiere algo que los programadores llaman "pensamiento de diseño" pero que en realidad es mucho más antiguo y universal que cualquier lenguaje de programación.
Programar vs. pensar en sistemas
Déjame explicar la diferencia con un ejemplo.
Programar es saber escribir una función que lee un archivo CSV, filtra las filas que cumplen cierta condición y genera un informe. Es una habilidad técnica. Se aprende. Tiene sintaxis, reglas, patrones.
Pensar en sistemas es entender que ese CSV viene de un proceso de ventas que tiene tres fases, que el filtro que necesitas depende de la estrategia comercial que definió el director, que el informe lo va a leer alguien que toma decisiones de contratación basándose en esos números, y que si los datos de entrada están mal —porque el equipo de ventas no rellena bien el CRM—, da igual lo bueno que sea tu código: el informe será basura.
El programador resuelve el problema técnico. El pensador de sistemas resuelve el problema real. Y en un mundo donde la IA puede encargarse del problema técnico, lo que necesitamos son más pensadores de sistemas.
La jefa de cocina y los metahumanos
Vuelvo a la jefa de cocina. Dos meses después de contratarla, había reorganizado tres procesos internos que llevaban años funcionando "así porque sí". No tocó una línea de código. Usó herramientas no-code, automatizaciones simples y, cuando necesitaba algo más complejo, le explicaba a la IA exactamente qué necesitaba.
Y la IA le hacía caso. Porque sus instrucciones eran claras. No porque supiera la sintaxis correcta, sino porque sabía exactamente qué tenía que pasar, en qué orden, con qué datos y qué hacer cuando algo fallara.
Es lo que llevo diciendo desde hace meses: para usar bien una herramienta tienes que saber cómo está construida. Pero "saber cómo está construida" no significa conocer los detalles técnicos. Significa entender la lógica. Los flujos. Las relaciones causa-efecto. El sistema.
Las cuatro preguntas del pensador de sistemas
He observado que la gente que piensa en sistemas, sea cual sea su formación, se hace siempre las mismas cuatro preguntas ante cualquier problema:
¿Qué entra y qué sale? Todo proceso tiene inputs y outputs. Si no puedes definirlos con claridad, no entiendes el proceso. ¿Qué datos necesito? ¿Qué resultado quiero? ¿Cómo verifico que el resultado es correcto?
¿Dónde están las dependencias? ¿Qué tiene que pasar antes de que esto funcione? ¿De qué información depende? ¿Qué otros sistemas afecta? Las dependencias son donde viven los problemas. Un fallo en una dependencia se propaga por todo el sistema.
¿Qué pasa cuando falla? Esta es la pregunta que separa a los aficionados de los profesionales. Cualquiera puede diseñar un proceso que funciona cuando todo va bien. La maestría está en diseñar para el fallo. ¿Qué pasa si los datos de entrada vienen mal? ¿Qué pasa si el servicio externo no responde? ¿Qué pasa si un paso intermedio tarda más de lo esperado?
¿Dónde están los bucles? Los sistemas reales tienen bucles de retroalimentación. El resultado de un proceso afecta a las entradas del siguiente ciclo. Los buenos pensadores de sistemas ven esos bucles. Los que no piensan en sistemas construyen cosas lineales que se rompen en cuanto algo cambia.
Darwin pensaba en sistemas (y no sabía programar)
Charles Darwin es el ejemplo perfecto de pensador de sistemas que no tenía formación técnica en el sentido moderno. Su teoría de la evolución es, en esencia, la descripción de un sistema: organismos que interactúan con un entorno, que se reproducen con variaciones, que son seleccionados por presiones ambientales, con bucles de retroalimentación que operan durante millones de años.
Darwin no programó nada. No tenía herramientas computacionales. Pero veía sistemas donde otros veían colecciones de bichos. Veía conexiones donde otros veían especímenes aislados. Veía procesos donde otros veían instantáneas.
Y esa capacidad de ver el sistema completo, de entender cómo las partes se relacionan entre sí y con el entorno, es exactamente la misma capacidad que hoy necesitas para trabajar con IA. Porque la IA es un componente. Pero el sistema lo diseñas tú.
Ejemplos reales de gente no-técnica que piensa en sistemas
No quiero que esto se quede en teoría. Aquí van tres ejemplos reales que he visto en el último año.
Un director comercial que no sabe programar pero que ha montado un sistema donde los leads entran por un formulario, se clasifican automáticamente según criterios que él definió, se asignan al comercial adecuado según territorio y tamaño de cuenta, y generan alertas si no se contactan en veinticuatro horas. Usa Zapier, Notion y un modelo de IA. Cero código. Pero un pensamiento de sistemas impecable.
Una profesora de instituto que ha creado un sistema donde los alumnos suben sus trabajos a una plataforma, la IA los revisa según una rúbrica que ella ha diseñado, genera feedback personalizado y le presenta a ella solo los casos que necesitan atención especial. No sabe qué es un API. Pero sabe perfectamente qué criterios debe aplicar a cada tipo de trabajo y cómo escalar su atención.
Un gestor de eventos que ha automatizado todo el flujo de planificación: desde la solicitud inicial del cliente hasta la coordinación de proveedores, pasando por presupuestos, confirmaciones y pagos. Cada paso está conectado con el siguiente. Cada excepción tiene un protocolo. Cada fallo tiene un fallback. Lo ha montado con herramientas no-code y chatbots configurados con lógica que él entiende perfectamente aunque no sepa escribirla en Python.
Cómo entrenar el pensamiento de sistemas
La curiosidad se entrena. El pensamiento de sistemas también. Y no hace falta un máster en ingeniería.
Empieza por mapear lo que ya haces. Coge un proceso que hagas todas las semanas. Puede ser tan simple como preparar una reunión o tan complejo como gestionar un proyecto. Dibújalo. Paso por paso. Qué entra, qué sale, qué decisiones tomas, qué dependencias hay, qué puede fallar. Te garantizo que vas a descubrir ineficiencias que no sabías que existían.
Busca los patrones. Una vez que has mapeado varios procesos, verás que se repiten estructuras similares. Entradas que se validan. Datos que se transforman. Decisiones que se toman según criterios predefinidos. Resultados que se verifican. Esos patrones son universales. Aparecen en cocinas, en hospitales, en fábricas, en despachos de abogados y en departamentos de marketing.
Aprende a describir lo que necesitas, no cómo hacerlo. Esta es la habilidad clave para trabajar con IA. No necesitas decirle a la máquina los pasos técnicos. Necesitas describirle el sistema: qué entra, qué reglas aplicas, qué resultado esperas, qué excepciones existen. Si puedes hacer eso con claridad, la IA se encarga del resto.
Practica con las preguntas "¿y si…?" ¿Y si los datos vienen en otro formato? ¿Y si el volumen se triplica? ¿Y si hay un error en el paso tres? Cada "¿y si?" que te haces es un escenario que tu sistema tiene que contemplar. Los mejores sistemas no son los más complejos. Son los que han anticipado más fallos.
Donella Meadows lo vio antes que nadie
Donella Meadows escribió "Thinking in Systems" en los años noventa, mucho antes de que la IA fuera algo práctico. Pero su framework es perfectamente aplicable a lo que estamos viviendo. Ella hablaba de stocks, flujos, bucles de retroalimentación y puntos de apalancamiento. Conceptos que suenan académicos pero que son brutalmente prácticos.
Un punto de apalancamiento es el sitio donde un pequeño cambio produce un gran efecto en todo el sistema. Saber identificar esos puntos es probablemente la habilidad más valiosa que puedes tener hoy. Porque en un mundo donde la IA puede ejecutar cualquier tarea individual, lo que importa es saber qué tarea ejecutar y dónde. Y eso es pensamiento de sistemas puro.
La buena noticia
La buena noticia es que no necesitas empezar de cero. Si gestionas un equipo, ya piensas en sistemas aunque no lo llames así. Si organizas eventos, ya piensas en sistemas. Si cocinas para diez personas, ya piensas en sistemas. La capacidad está ahí. Solo necesitas ser consciente de ella y desarrollarla de forma deliberada.
Mis ochenta agentes no existen porque yo sepa programar. Existen porque antes de escribir una sola línea de código, tenía claro el sistema: qué tiene que pasar, en qué orden, con qué datos, qué hacer cuando falla. El código es la implementación. El sistema es el diseño. Y el diseño es lo que importa.
Así que la próxima vez que alguien te diga que necesitas aprender a programar para sobrevivir en la era de la IA, pregúntale esto: ¿sabes explicar cómo funciona tu negocio como un sistema de piezas conectadas? Si la respuesta es no, aprender Python no te va a salvar. Aprender a pensar en sistemas, sí.
El código lo puede escribir una máquina. El sistema lo tiene que diseñar una persona. Y esa persona no necesita ser ingeniera. Necesita ser la jefa de cocina.
Deja un comentario ¡Tu opinión me interesa!