Peter Drucker murió en 2005, casi dos décadas antes de que ChatGPT entrara en la conversación cotidiana de cualquier oficina. Y sin embargo, pocos pensadores del management resultan tan útiles hoy para ordenar las ideas frente a la IA. No porque haya anticipado la tecnología, sino porque construyó toda su obra alrededor de una pregunta que la IA no responde por sí sola: ¿para qué existe una empresa y quién decide qué hacer con la información que produce?
Repasemos algunas de sus ideas centrales y qué significarían aplicadas al momento actual.
1. «La información no es lo mismo que el conocimiento»
Drucker distinguía con insistencia entre datos, información y conocimiento. Para él, el conocimiento era información puesta al servicio de una acción concreta, dentro de un contexto y con un propósito. La IA generativa produce información —y mucha— a una velocidad sin precedentes. Pero convertir esa información en decisiones acertadas sigue siendo trabajo humano.
El riesgo que Drucker probablemente señalaría hoy es la confusión entre disponer de más datos y tomar mejores decisiones. Una organización puede tener modelos de IA sofisticados y seguir sin saber qué problema resolver primero. La pregunta druckeriana clásica —»¿cuál es nuestro negocio y cuál debería ser?»— sigue siendo el filtro necesario antes de automatizar nada.
2. El trabajador del conocimiento, ahora con copiloto
Drucker fue quien acuñó el término «trabajador del conocimiento» (knowledge worker) y advirtió, ya en los años 60, que su productividad no se mediría como la de un obrero industrial: no por horas ni por tareas repetidas, sino por resultados y por la calidad de las decisiones.
Con la IA como copiloto de tareas analíticas, de redacción, de programación o de investigación, esa distinción se vuelve más urgente, no menos. Si antes el desafío era medir el rendimiento de alguien que piensa, ahora se suma el desafío de medir el rendimiento de alguien que piensa junto a una máquina. Drucker probablemente insistiría en que la pregunta no es cuánto produce una persona con IA, sino si esa producción resuelve el problema correcto para el cliente correcto.
3. «Hacer las cosas correctas» antes que «hacer las cosas correctamente»
Esta frase, una de las más citadas de Drucker, distingue eficacia de eficiencia. La IA es, sobre todo, una tecnología de eficiencia: acelera procesos, reduce fricciones, automatiza tareas. Pero la eficacia —elegir qué hacer— sigue siendo un juicio humano sobre propósito, valores y prioridades.
Una empresa puede volverse extraordinariamente eficiente automatizando procesos irrelevantes. Drucker fue implacable con ese error: optimizar lo que nunca debió hacerse en primer lugar. En tiempos de IA, esa advertencia cobra nueva fuerza, porque la tentación de automatizar por automatizar es más grande que nunca.
4. El cliente sigue definiendo qué es valor
Para Drucker, el propósito de una empresa era «crear un cliente«, y solo el cliente decide qué es valioso. Ninguna capacidad tecnológica, por impresionante que sea, cambia esa lógica. La IA puede generar contenido, código o análisis a bajo costo, pero eso no garantiza que resuelva algo que el cliente valore.
Esto sugiere una disciplina muy druckeriana para las empresas que están adoptando IA: no preguntarse primero «¿qué puede hacer esta tecnología?», sino «¿qué necesita realmente nuestro cliente y qué de eso la IA nos permite entregar mejor, más rápido o más barato?».
5. Gestión por objetivos, no por herramientas
Drucker popularizó la «dirección por objetivos» (Management by Objectives), una crítica temprana a las organizaciones que confunden actividad con progreso. La IA multiplica la actividad posible: más reportes, más borradores, más análisis, más iteraciones. Sin objetivos claros y medibles, esa actividad adicional no se traduce en mejores resultados, solo en más ruido.
Aplicado hoy, esto implicaría que antes de incorporar IA a un equipo o proceso, hay que tener claro qué resultado se busca mejorar —tiempo de respuesta al cliente, calidad de decisiones, costo por unidad— y medir la herramienta contra ese objetivo, no contra su capacidad técnica en abstracto.
6. La responsabilidad del directivo no se delega en el algoritmo
Drucker sostenía que la esencia del trabajo directivo era la responsabilidad por las decisiones y sus consecuencias, incluidas las decisiones sobre personas. Un modelo de IA puede sugerir, predecir o recomendar, pero la responsabilidad organizacional y ética de la decisión final —a quién contratar, qué producto lanzar, qué riesgo asumir— sigue recayendo en una persona con nombre y apellido.
Esta idea es, quizás, la más relevante en el debate actual sobre gobernanza de la IA en las empresas: la tecnología puede ampliar la capacidad de análisis, pero no puede asumir la responsabilidad del juicio directivo.
7. Innovación sistemática, no entusiasmo tecnológico
En Innovation and Entrepreneurship, Drucker propuso que la innovación efectiva parte de observar sistemáticamente fuentes concretas de oportunidad —incongruencias, cambios en la industria, necesidades de proceso, cambios demográficos— en lugar de esperar la inspiración o perseguir cada tendencia.
Trasladado a hoy, esto sería un llamado a la calma frente al furor de la IA: no adoptarla porque «hay que estar», sino identificar con método en qué parte del negocio hay una incongruencia real —un proceso lento, una necesidad no resuelta, un costo desproporcionado— que la IA puede atender mejor que cualquier otra solución disponible.
Una síntesis posible
Si Drucker pudiera dar una charla hoy sobre IA a un grupo de emprendedores, probablemente no hablaría de modelos ni de arquitecturas. Hablaría de propósito, de clientes, de decisiones y de responsabilidad. Su mensaje de fondo sería el mismo de siempre, adaptado al ruido del momento: la tecnología cambia las herramientas disponibles, pero no cambia la pregunta fundamental de la gestión, que es decidir bien qué hacer y para quién.
En un contexto donde la IA promete resolver casi todo, la disciplina druckeriana de preguntar primero para qué —y solo después cómo— sigue siendo, siete décadas después de sus primeros escritos, una de las herramientas de gestión más subestimadas.
