Un director hace una pregunta rutinaria en una reunión del consejo: ¿de dónde proviene este número de rotación? Normalmente alguien señala la pestaña de origen o menciona al analista que lo extrajo. Esta vez, nadie en la sala puede responder —la diapositiva se generó la noche anterior, la consulta subyacente ha desaparecido y la persona que "construyó" la presentación solo describe el proceso como pegar una solicitud en una herramienta. El número resulta ser lo suficientemente cercano a lo plausible que tomó una segunda reunión para detectarlo. Ese es el momento, multiplicado por suficientes empresas, que convirtió las diapositivas generadas por IA de una historia de productividad en un problema de gobernanza.

No es que los consejos de administración de repente desconfíen de la IA. Es que una presentación para el consejo lleva un peso que ningún otro documento de la empresa tiene, y ese peso no tolera un origen que nadie pueda señalar.

El problema nunca fue la IA — fue la nota al pie faltante

Todo otro documento que llega al consejo pasa por una cadena que alguien puede reconstruir: un analista financiero extrajo la cifra, un contador la revisó, un vicepresidente aprobó el marco. Esa cadena es lo que convierte un mal número en un error de alguien en lugar de un misterio. Las herramientas generativas no preservan esa cadena por defecto —la salida se ve igual ya sea que el modelo haya extraído datos reales de la empresa, haya unido algo estadísticamente plausible o haya llenado silenciosamente un vacío que nunca marcó como tal.

El perfil de riesgo de IA generativa de NIST de 2024 dio un nombre formal a este modo de fallo: confabulación —salida que está equivocada pero se presenta con la misma confianza que una salida correcta. Esa es la parte que la hace peligrosa específicamente en una diapositiva para el consejo. Un testimonio de cliente inventado es vergonzoso. Una tendencia de ingresos inventada que parece internamente consistente, con el mismo formato que cada otro gráfico de la presentación, puede influir en una decisión real de asignación de capital antes de que alguien piense en verificarlo.

Una presentación para el consejo debe sobrevivir a ser leída años después, no solo presentarse una vez

Aquí es donde la comparación con otros documentos formales de la empresa realmente ayuda. Cualquiera que haya trabajado en un informe anual dirigido a accionistas sabe que el documento debe servir a dos lectores muy diferentes a la vez: la persona que lo revisa en dos minutos y la persona que hace una diligencia real en cada nota al pie. Una presentación para el consejo tiene una tercera obligación que ninguno de esos documentos comparte por completo: en el Reino Unido, las actas del consejo y los comités deben conservarse durante al menos diez años según la sección 248 de la Companies Act 2006, y cualquier resumen o transcripción generada por IA vinculada a esa reunión corre el riesgo de ser tratada como parte de ese registro. Una diapositiva que nadie pueda rastrear hasta su fuente no solo parece descuidada en el momento — se convierte en una responsabilidad que permanece en un archivo durante una década.

Ese es un estándar muy diferente a "¿el gráfico se veía profesional?". Es "¿puede esto sobrevivir a ser sacado y examinado en una disputa cinco años después?" — y un número generado por IA sin un historial de auditoría generalmente no puede.

También hay un problema de honestidad, y es un poco contraintuitivo

Se esperaría que la resistencia fuera puramente por precisión. No es del todo así. Una encuesta de 2024 realizada por GC100 —el organismo que representa a los abogados generales de las empresas del FTSE 100 y 250— encontró que muchos directivos se sienten incómodos con las herramientas de IA que registran o resumen las discusiones del consejo, aparte de cualquier preocupación por los errores factuales. La preocupación es psicológica: saber que cada palabra podría ser transcrita y analizada cambia cómo las personas discuten abiertamente en la sala. Los consejos existen en parte para tener el desacuerdo franco que no ocurre en ningún otro lugar de la empresa. Una herramienta que registra silenciosamente esa discusión —incluso con precisión— puede aplacarlo.

Por lo tanto, la restricción no es solo "la IA cometió un error". A veces es "la presencia de la IA cambió lo que las personas estaban dispuestas a decir", lo cual es un problema más difícil de solucionar con una mejor solicitud.

Esto no es la primera vez que las empresas han retrocedido con una herramienta tan rápido

El patrón tiene un precedente, aunque en una esquina diferente de la empresa. En 2023, Samsung prohibió las herramientas de IA generativa en los dispositivos de la empresa después de que ingenieros de su división de semiconductores filtraran código fuente propietario y notas internas de reuniones a un chatbot público en tres incidentes separados dentro de una ventana de tres semanas. La prohibición no fue una rechazo de la IA como categoría — fue una reacción a un modo específico de fallo trazable que la dirección decidió que superaba la conveniencia. Las restricciones a nivel de consejo sobre las diapositivas generadas por IA siguen un patrón similar: no es una política de "prohibido usar IA", sino una regla más estrecha dirigida exactamente al punto donde una salida sin rastrear podría causar un daño real.

Donde esto tiende a complicarse es que la solución a la que la gente recurre primero —"solo que alguien revise los números de la IA"— asume que el revisor tiene tiempo y que los datos originales aún existen para verificar. En la práctica, para cuando una presentación llega al consejo, la persona que realiza la revisión final suele optimizar el flujo narrativo y el formato, no derivar cada figura desde cero. El paso de verificación que la gente asume que está ocurriendo suele ser el primero en omitirse bajo presión por plazos.

¿Qué realmente está siendo restringido y qué no?

Casi nadie está prohibiendo el uso de IA en el trabajo de presentaciones por completo —sería una pelea extraña dada la realidad de que las herramientas ahorran tiempo en formato, borradores iniciales y iteración de diseño. Lo que se está estrechando es algo mucho más específico: los números y afirmaciones generados por IA que llegan a una diapositiva del consejo sin una fuente verificable por humanos adjunta. La asistencia en diseño, sugerencias de disposición y limpieza de lenguaje generalmente siguen sin tocarse. Es la capa de datos la que está bajo nueva escrutinio.

Esa distinción coincide casi exactamente con algo que los decks de consultoría han exigido durante décadas, mucho antes de que existiera la IA generativa. La disciplina detrás de la construcción de diapositivas al estilo McKinsey exige que cada título exprese una afirmación verificable y cada gráfico lleve una línea de origen —no como una regla de formato, sino porque un número sin fuente se trata como un análisis incompleto, no como uno real. Una herramienta generativa que no pueda citar de dónde proviene una figura fracasa en esa prueba de la misma manera que un gráfico sin fuente de un analista junior habría fracasado en 1995. La herramienta cambió; el estándar que realmente aplica el consejo no.

Las plantillas de fondo importan más de lo que la gente espera

Una cosa que me gustaría señalar para cualquiera que esté reconstruyendo actualmente un proceso de presentación para el consejo: el formato del gráfico en sí puede apoyar o debilitar la trazabilidad. Un diseño de gráfico estructurado con un campo fijo para la línea de origen hace difícil omitir la atribución —el campo vacío es visible. Un gráfico copiado directamente de la salida de una herramienta de IA suele no tener ningún lugar construido para esa línea, lo cual es parte de la razón por la que es fácil que el hábito se deslice. La solución que la gente llega a es procedimental —"revisar las salidas de IA antes de que lleguen al consejo"— pero el diseño en sí está haciendo un trabajo de aplicación silenciosa que un documento de políticas no logra por sí solo.

Nada de esto significa que la IA esté dejando el salón de reuniones —se está empujando hacia atrás a donde realmente es útil, en la redacción y el formato, mientras que los números que impulsan las decisiones reales se retrotraen a una fuente que alguien pueda nombrar. La pregunta más difícil para la mayoría de las empresas no es si permitir que la IA esté cerca de una presentación para el consejo. Es si su proceso de revisión actual habría detectado la diapositiva con el número sin rastrear antes de que llegara a la sala, o si simplemente se detectó esta vez por suerte.