Cómo un conjunto de reglas bien diseñadas puede gobernar una red de radares, un equipo humano o un agente de IA — y por qué casi nadie las escribe así.
Hay una confusión que se repite en casi todas las organizaciones que intentan ordenar su operación: mezclar objetivos, planes, procedimientos y políticas en un mismo documento, como si fueran sinónimos (he conocido funcionarios que ni siquiera entienden las diferencias). El resultado suele ser un manual que nadie lee, un equipo que improvisa y, en los últimos tiempos, agentes de IA que “saben hacer cosas” pero no saben cuándo no hacerlas (y después lamentamos las consecuencias).
La distinción importa. Un objetivo dice qué queremos lograr. Un plan dice cómo pensamos lograrlo en el tiempo. Un procedimiento dice cómo se ejecuta una tarea paso a paso. Una política dice algo distinto: cómo decidimos cuando la realidad no coincide con el plan.
Por eso me gusta pensar las políticas como el equivalente organizacional de los skills y los guardrails de un agente de IA: no son el trabajo, son las reglas que gobiernan cómo se reacciona ante situaciones. No prometen resultados; definen comportamiento. Y cuando están bien escritas, son lo que hace que una organización —o un agente— sea predecible sin volverse rígida.
Este post explora esa idea con un ejemplo que conozco de cerca: las políticas del Sistema de Vigilancia Meteorológica por Radar en Cuba. No voy a contar el “cómo” completo. Voy a contar el “qué” y el “por qué”, porque creo que ese es el nivel que le sirve a otra realidad, a otro país, a otro presupuesto.
1. La confusión que cuesta caro
En muchas organizaciones, “política” termina siendo un cajón de sastre: ahí cabe una meta anual, una lista de tareas, un organigrama y una declaración de buenas intenciones. Cuando eso pasa, la política deja de ser útil por una razón simple: no se puede ejecutar.
Una política ejecutable tiene que responder, como mínimo, a cinco preguntas:
- ¿Cuándo se activa? (disparador)
- ¿Qué permite y qué prohíbe? (restricción)
- ¿Qué prioridad tiene frente a otras reglas? (jerarquía)
- ¿Qué excepciones admite y quién las autoriza? (gobierno)
- ¿Cómo se demuestra que se cumplió? (evidencia)
Si un documento no responde a eso, no es una política: es una intención. Y las intenciones no gobiernan nada.
2. Objetivo, plan, skill, política: cuatro capas
Pongámoslo en una tabla simple:
| Capa | Pregunta que responde | Ejemplo |
|---|---|---|
| Objetivo | ¿Qué queremos lograr? | “Vigilar la atmósfera de forma continua” |
| Plan | ¿Cómo lo logramos en el tiempo? | “Instalar y mantener la red de radares en 5 años” |
| Skill | ¿Qué capacidad reutilizable tenemos? | “Procesar datos Doppler y polarimétricos” |
| Política | ¿Cómo decidimos ante situaciones? | “Si el dato es para estimación de precipitación, repetir cada ≤5 min” |
Las cuatro capas son necesarias. El problema es cuando se confunden. Un agente de IA con muchas skills y ningún guardrail es una organización con muchas capacidades y ninguna gobernanza. Funciona hasta que deja de funcionar, y cuando falla, nadie sabe por qué.
En IA esto se ve muy claro: el system prompt operativo y los guardrails son políticas. Las herramientas son skills. El objetivo de la sesión es el objetivo. Y el plan es la secuencia de pasos que el agente decide en tiempo de ejecución. Si mezclas capas, el agente improvisa. Si las separas, el agente se vuelve auditable.
3. Un ejemplo real: la vigilancia meteorológica por radar en Cuba
El Sistema de Vigilancia Meteorológica por Radar en Cuba opera bajo un conjunto de políticas que tienen una virtud poco común: no prometen resultados, pero definen comportamiento. Voy a citar solo las más generales, las que podrían adaptarse a cualquier otra red de radares en cualquier otro país.
Sobre la adquisición de la información
La observación de rutina debe ser continua, 24 horas al día, 365 días al año, con la mayor frecuencia posible. Cuando el dato se destina a estimación de precipitaciones, la repetición tiene un límite temporal definido. El dato primario se empaqueta en archivos de alta compactación para que circule por las redes disponibles, y a medida que crece la capacidad tecnológica, los formatos se diseñan para asimilar nueva información sin romper la compatibilidad con la anterior.
Sobre el destino del dato primario
El dato es propiedad de la institución y se distribuye desde cada radar hacia centros de datos, desde donde puede ser adquirido por cualquier dependencia autorizada. Se archiva y se conserva cuidadosamente, porque obtenerlo costó recursos: partes, energía, personas. La distribución a terceros —nacionales o extranjeros— requiere decisión explícita de la dirección y acuerdos formales.
Sobre el uso del dato procesado
El procesamiento se hace con la herramienta que mejor permita lograr el objetivo, y cada dependencia tiene acceso al dato primario y al software desarrollado o asimilado por la institución. El dato que se muestra en medios públicos sigue una escala de colores única, preferentemente similar a la de referencia internacional, para facilitar la comprensión cuando el mismo fenómeno se observa desde ambos lados. Se muestra sobre mapas con referencia geográfica clara y con rejillas superpuestas. Hay una muestra restringida de cara a Internet, una muestra amplia en la red interna, y productos seleccionados para usos específicos como estudios de TV o puestos de mando.
Sobre la informática
Los servicios informáticos están duplicados para elevar la fiabilidad. Se prefiere software libre, salvo cuando el vínculo con el hardware obliga a un sistema propietario. Se usan máquinas virtuales siempre que se pueda, para maximizar el empleo de las físicas y facilitar la reparación. La red está segmentada de forma lógica, no física, para poder reestructurar servicios sin mover máquinas. Todo el software tiene respaldo archivado en dos localizaciones diferentes y accesible para la red privada de la institución.
Sobre riesgos
La gestión de riesgos es parte integral del funcionamiento del sistema, no un ejercicio separado. La incertidumbre inherente a los procesos se resuelve por medio de la gestión de riesgos. Los resultados se tienen en cuenta en la planificación. Es un proceso continuo e iterativo, orientado a altos estándares de calidad, en un contexto de restricciones económicas y presupuesto reducido.
Sobre mantenimiento
El servicio se mantiene; el equipamiento se preserva. Todo el trabajo de mantenimiento está orientado a maximizar la cantidad de observaciones y la disponibilidad para ejecutarlas. El servicio técnico se ejecuta en horarios y temporadas de muy baja probabilidad de fenómenos meteorológicos, para no afectar la vigilancia. Ante averías repetitivas se desarrollan soluciones técnicas para mejorar la fiabilidad, y las innovaciones acercan cada radar a un prototipo nacional. El desarrollo y el servicio técnico los ejecuta el mismo personal.
Sobre capacitación
Las capacitaciones buscan las competencias exigidas por cada puesto hasta alcanzar idoneidad demostrada. Los cursos se repiten cíclicamente porque el personal varía, y se incorporan novedades en cada ciclo. Cada modificación de hardware o software obliga a capacitar. Además de los cursos, se organizan entrenamientos de observadores y técnicos en otros radares y en el centro de radares. Se emplean plataformas remotas para el aprendizaje.
Sobre cooperación, ambiente, energía y divulgación
La colaboración externa se orienta a evidenciar potencialidades del personal y a pasar, una vez afianzada, a la modalidad de asistencia técnica contratada. La operación debe ser ambientalmente segura y energéticamente eficiente: mínima potencia necesaria, circuitos auxiliares encendidos solo el tiempo indispensable, antena con secuencias inteligentes de exploración, locales aislados térmicamente, iluminación LED ubicada para máximo rendimiento, consumo de agua mínimo. La divulgación usa todas las redes y medios disponibles, y muestra fragmentos de los servicios de análisis para estimular la demanda externa.
Nada de esto es un plan de trabajo. No hay cronograma, no hay metas anuales, no hay organigrama. Hay reglas de decisión. Y eso es exactamente lo que hace que el sistema sea gobernable en un contexto de recursos limitados, personal variable y tecnología en evolución.
4. El puente: de la política organizacional al agente de IA
La traducción es casi mecánica. Una política de radar como “el dato primario se archiva y se conserva cuidadosamente porque obtenerlo costó recursos” se convierte, en un agente, en una regla del tipo:
Disparador: se genera un dato primario.
Restricción: no se descarta ni se sobrescribe sin autorización.
Acción: se empaqueta, se etiqueta y se envía a almacenamiento con respaldo.
Evidencia: registro de archivo, ubicación y fecha.
Excepción: solo la dirección autoriza purgas o cesiones.
Eso es un skill gobernado por una política. El agente puede tener la capacidad de borrar datos, pero la política le impide usarla sin cumplir la regla. La diferencia entre un agente útil y un agente peligroso no está en las herramientas: está en las políticas que las gobiernan.
Lo mismo pasa con la duplicación de servicios informáticos, la segmentación lógica de red, la preferencia por software libre, la capacitación cíclica o la gestión continua de riesgos. Cada una es una política que, bien expresada, se puede implementar en una organización, en un equipo humano o en un sistema de agentes.
5. Qué falla cuando no hay políticas
Sin políticas ejecutables, aparecen patrones que cualquier organización reconocerá:
- Agentes que improvisan. Tienen skills, pero no saben cuándo no usarlas.
- Organizaciones que dependen del héroe de turno. El conocimiento vive en personas, no en reglas.
- Auditorías imposibles. No hay evidencia de por qué se tomó una decisión.
- Riesgos de seguridad. Nadie definió qué está prohibido, para quién y bajo qué condiciones.
- Escalados que no escalan. Cuando algo falla, no hay una regla que diga a quién avisar, con qué prioridad y con qué evidencia.
Las políticas no eliminan la incertidumbre. La hacen gobernable.
6. Un mini-modelo de madurez
He visto suficientes organizaciones como para proponer cuatro niveles:
- Políticas narradas. Están escritas, pero no se pueden ejecutar sin interpretación humana.
- Políticas operables. Tienen disparador, restricción, prioridad, excepción y evidencia.
- Políticas medibles. Se puede evaluar su cumplimiento con métricas y auditorías.
- Políticas autoauditables. El propio sistema registra evidencia y alerta desviaciones.
La mayoría de las organizaciones está en el nivel 1 y cree que está en el 2. La mayoría de los agentes de IA que se despliegan hoy no pasa del nivel 0.
7. Cierre
Una política no es un plan. Un plan dice qué vamos a hacer; una política dice cómo decidimos cuando la realidad no coincide con el plan. Por eso las políticas se parecen más a los skills y guardrails de un agente de IA que a un cronograma: son reglas de reacción ante situaciones.
El documento de políticas de radar del Sistema de Vigilancia Meteorológica por Radar es un ejemplo raro y valioso: no promete resultados, pero define comportamiento operativo con disparadores, límites, prioridades y evidencias. Esa es exactamente la capa que le falta a muchas organizaciones que hoy intentan “poner IA” sin gobernar sus decisiones.
Si tus políticas no se pueden ejecutar por una persona nueva o por un agente sin preguntarte todo, no son políticas: son intenciones —digo yo, complementando lo que señaló Antoine de Saint-Exupéry: «Un objetivo [o meta] sin un plan es solo un deseo»
Deja una respuesta