Argumentos a favor de perfeccionar sus habilidades matemáticas en la era de la IA
L
as matemáticas son el lenguaje central de los negocios. Y ahora más que nunca es importante que los líderes empresariales las dominen.
Como cualquier idioma, es una habilidad que se puede aprender, pero que se pierde si no se practica. Dominarla puede incluso ayudar a liberar todo el potencial de la IA, guiada por humanos que saben exactamente lo que quieren obtener de ella.
Yo tengo una licenciatura en matemáticas por la Universidad de Cambridge, cuna de leyendas como Isaac Newton, Srinivasa Ramanujan y Alan Turing. Desde hace muchos años, soy miembro de Mensa, un grupo conocido por resolver ingeniosos acertijos de lógica. Y cuento con dos décadas de aprendizaje práctico en campos impulsados por números como la analítica de datos, la consultoría estratégica y la inversión.
Estas experiencias me han ayudado a perfeccionar un conjunto de herramientas matemáticas enfocadas en los negocios, que son atemporales en su utilidad y oportunas para la era de la IA. Se relacionan con verificar la coherencia de modelos computacionales, pensar de forma probabilística y ser consciente de las dinámicas multiplicativas. A continuación, las describiré como: TRY, DO y WIN.
TRY = Piense y razone por sí mismo
La ceguera por falta de atención, un concepto de psicología, dice que a veces estamos tan extremadamente enfocados en detalles irrelevantes que pasamos completamente por alto el panorama general que realmente importa. Tal vez usted ha visto el famoso video del “gorila en la habitación”.
Es fácil confiar “ciegamente” en números detallados que salen de un modelo sofisticado. Eso puede estar bien. Pero no sustituye el pensamiento y razonamiento propios.
La mejor forma de evitar esto es realizar siempre sus propios cálculos matemáticos básicos, guiados por el sentido común, para verificar que los resultados tengan lógica. Como dice una frase conocida: es preferible estar más o menos en lo correcto (por cuenta propia) que estar precisamente equivocado (por confiar en modelos defectuosos).
DO = Decisiones vs. resultados
Quizá la lección matemática más poderosa que he aprendido en mi carrera es esta: nosotros tomamos las decisiones, el mundo observa los resultados. Ambas cosas están relacionadas, pero no son lo mismo.
El uso de la lógica probabilística (como los árboles de decisión) con los mejores datos posibles sigue siendo la mejor manera de tomar buenas decisiones. De hecho, si usted hace esto de forma consistente, le irá bien. Pero casi con certeza habrá algunos apostadores que obtendrán mejores resultados, quizá mucho mejores que usted, simplemente por pura suerte. No hay nada que ganar envidiando, glorificando, copiando o estudiando esos resultados. La dinámica empresarial es probabilística y los resultados están sujetos al azar. Esa es la realidad de cómo funcionan las cosas, por muy difícil que sea de aceptar.
Aunque sus herramientas puedan parecer simples, el pensamiento probabilístico es un concepto increíblemente poderoso, central en casi todos los aspectos del razonamiento empresarial y de la toma de decisiones gerenciales.
WIN = Cuando no es lineal
A veces usted puede pensar que tiene el marco probabilístico correcto. Pero resulta ser peligrosamente erróneo. Esto sucede cuando se intenta aplicar el pensamiento “lineal” a problemas “no lineales”.
En algunas situaciones, el resultado promedio teórico sobre una población hipotética (un “conjunto”) puede ser muy diferente del resultado esperado real para cualquier persona individual dentro de esa misma población.
Esto puede resultar incómodamente contraintuitivo. La razón es que estamos acostumbrados a pensar en términos de sumas y restas, donde cada nuevo resultado parte del anterior. Pero muchos problemas de la vida real son de naturaleza multiplicativa.
Para maximizar las tasas de crecimiento a largo plazo, es necesario dimensionar inteligentemente las apuestas.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Math is the core language of business. And it’s more important than ever for business leaders to speak it fluently.
Like any language, it’s a learnable, “use it or lose it” skill. And mastering it can even help unleash the full power of AI, guided by humans who know exactly what they want from it.
I have a math degree from the University of Cambridge, home of legends like Isaac Newton, Srinivasa Ramanujan and Alan Turing. I am a longtime member of Mensa, a group known for solving crafty logic puzzles. And I have two decades worth of apprenticeship-style learning in the numbers-driven fields of data analytics, strategy consulting and investing.
These experiences have helped me hone a set of business-focused math tools which are both timeless in their utility and timely for the AI era. They relate to sanity-checking computational models, thinking probabilistically and being aware of multiplicative dynamics. I will outline these below as: TRY, DO and WIN.
TRY = THINK AND REASON FOR YOURSELF
Inattentional blindness, a psychology concept, says we are sometimes so super focused on irrelevant details that we completely miss the big picture which matters. Maybe you’ve seen the famous “gorilla in the room” video.
It’s easy to “blindly” trust detailed numbers coming out of a fancy model. That may be fine. But it’s no replacement for thinking and reasoning for oneself.
The antidote to the above is to always do your own simple, common sense, sanity-check math. To borrow from a famous saying: It is better to be approximately right (using your own mind) than precisely wrong (using flawed model outputs).
DO = DECISIONS VS. OUTCOMES
Perhaps the most powerful math lesson I have learned in my career is this: We make decisions. The world observes outcomes. These two things are related. But they are not the same.
Using probabilistic logic, like decision-trees, with the best inputs possible remains the best way to make good decisions. Indeed, if you do this consistently, you will do well. But there will almost certainly be some gamblers who will do better, maybe much better, than you — through sheer chance. There’s nothing to be gained from envying, glorifying, copying or studying such outcomes. Business dynamics are probabilistic, and outcomes are subject to randomness. That’s the reality of how things work. Hard as it may be to stomach.
Though its tools may look simple, probabilistic thinking is an incredibly powerful concept, central to nearly every aspect of business reasoning and managerial decision making.
WIN = WHEN IT’S NONLINEAR
Sometimes you may think you have the right probabilistic framework. But that turns out to be dangerously wrong. This happens when one tries to apply “linear” thinking to “nonlinear” problems.
In some situations, the theoretical average outcome over a hypothetical population (an “ensemble”), may be very different from the actual expected outcome for any individual person in that same population.
This can feel uncomfortably counterintuitive. That’s because our natural instincts tend to be trained on arithmetic problems where the score at the next round is the current score plus or minus something. But many real-life problems are multiplicative in nature.
To maximize long-term growth rates, one must smartly size bets.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
