La IA y la tragedia de los comunes: qué no hay que entregar al proveedor

Yossi Sheffi, fundador y director del MIT Center for Transportation and Logistics, publicó en The Supply Chainer una pregunta incómoda: ¿la carrera de la IA puede convertirse en una nueva tragedia de los comunes?.

El artículo vale la lectura completa. Aquí dejo un resumen corto y el puente con la reflexión que compartí en LinkedIn: en transporte, el riesgo no es solo automatizar de más; es entregar sin gobernanza las reglas del negocio, los datos y el criterio con el que se decide cada día.

Qué dice Sheffi (resumen)

Sheffi retoma la idea de Garrett Hardin (1968): cuando cada actor actúa en su propio interés de corto plazo sobre un recurso compartido, el resultado colectivo puede ser peor para todos.

Aplicado a la IA, el argumento es este:

1. Corto plazo vs bien colectivo. Cada empresa puede “ganar” eficiencia reemplazando trabajo con automatización; en conjunto, se debilita empleo, expertise y demanda.
2. Dependencia de vendors. Si la operación queda amarrada a proveedores de IA, mañana el precio y las condiciones las impone quien tiene el modelo — y quien ya no puede operar sin él.
3. Pérdida de expertise. Se diluyen conocimiento institucional y “owners” de relaciones con clientes y proveedores: cosas que una máquina no reemplaza.
4. Jobs de entrada. Si desaparecen los puestos que forman a futuros managers, ¿de dónde saldrá el criterio humano que la automatización necesita monitorear y corregir?
5. Demanda. Menos ingreso laboral también es menos demanda de bienes y servicios: el recorte termina golpeando a las mismas firmas que lo hicieron.

Sheffi no pide frenar la IA. Pide adopción estratégica: mirar el mediano plazo, no solo “no quedarse atrás”. Las opiniones del artículo son del autor y no necesariamente las de The Supply Chainer.

Artículo original: Will AI Spark a New “Tragedy of the Commons”?

Mi lectura: commons + lock-in operativo

En ese intercambio en LinkedIn retomé el argumento de Sheffi y sumé otra capa: la tragedia de los comunes se cruza con el lock-in operativo.

Cuando metemos agentes o modelos en una operación de carga, no solo decidimos productividad. También decidimos qué activos van a un tercero:

• datos de rutas, costos y excepciones;
• procesos de cotización, despacho y reclamos;
• criterios de aceptación, negociación y compliance;
• las “reglas del negocio” que son el sistema nervioso de la empresa.

Si el proveedor de IA o de agentes termina teniendo el criterio de cómo opera el equipo, la dependencia no es solo tecnológica. Es operativa: de cómo se decide el negocio. En LATAM eso pesa más: relaciones locales, regulación, excepciones y reputación no se externalizan barato.

La secuencia que propongo antes de contratar “para no quedarse atrás” es simple:

1. Capacitarse — entender qué hace y qué no hace la IA.
2. Entender el proceso propio antes de automatizarlo.
3. Decidir qué se construye o se guarda adentro y qué se externaliza con límites claros.

El corto plazo puede verse eficiente. El mediano plazo, sin criterio propio, suele salir más caro.

En ATIEMPPO trabajamos agentes y datos (SICETAC, RNDC, señales operativas) con esa frontera: la IA ayuda a ejecutar; el ownership del criterio se queda en el equipo.

Para El Dato Logístico

En el reporte semanal conviene citar tres piezas:

1. el artículo en The Supply Chainer;
2. la reflexión en LinkedIn;
3. esta nota en ATIEMPPO.

Así quien lea el boletín llega a la fuente, al comentario operativo y al marco aplicado.

Cierre

Automatizar por miedo a quedarse atrás es la versión logística de la tragedia de los comunes. La decisión útil es otra: qué criterio nunca se entrega, qué se automatiza con dueño humano, y qué se mide en el mediano plazo — no solo en el ahorro de esta semana.

Lee el artículo de Yossi Sheffi · Reflexión en LinkedIn · El Dato Logístico · Conoce ATIEMPPO