Lo que el cubo del príncipe Ruperto puede enseñar sobre como aplicar la IA en la empresa
Hay un problema geométrico del siglo XVII que utilizo como metáfora en conversaciones con clientes, y creo que ha llegado el momento de ponerlo por escrito. Se trata de la propiedad del príncipe Ruperto: la demostración, aparentemente imposible, de que un cubo puede atravesar el agujero practicado en otro cubo del mismo tamaño. Es más, el cubo que atraviesa puede ser hasta un 6 % mayor que el que hace de marco, siempre que se le dé la orientación adecuada.
La primera vez que uno se topa con esto, la reacción natural es: no puede ser. Y sin embargo, es cierto. Solo depende del ángulo.
Cuando llevas años ayudando a empresas a incorporar tecnología —y últimamente, mucha inteligencia artificial— empiezas a ver ese mismo patrón por todas partes. Directivos que dicen “la IA no cabe en nuestra operativa”, “no cabe en nuestro presupuesto”, “no cabe en nuestro sector regulado”. Y a menudo la conversación real no es sobre tamaño. Es sobre orientación.
Cuando algo “no cabe”, casi nunca es un problema de tamaño
Piénsalo un momento. Cuando decimos que la IA no encaja, ¿qué estamos diciendo en realidad?
- Que no encaja con los procesos actuales.
- Que no encaja con los permisos que hoy tenemos definidos.
- Que no encaja con el nivel de riesgo que estamos dispuestos a asumir.
- Que no encaja con la cultura de decisión que hemos construido.
- Que no encaja con las herramientas que usamos a diario.
Ninguna de esas frases habla del tamaño de la IA. Todas hablan del ángulo con el que intentamos meterla.
En GEDPRO hemos visto muchas veces cómo un mismo modelo, con los mismos datos, funciona en una organización y fracasa en otra parecida. La diferencia rara vez está en el modelo. Está en cómo se acerca al problema.
El agujero que hay que atravesar es el proceso, no el organigrama
Cuando se arranca un proyecto de IA, hay que plantear una pregunta incómoda: ¿por dónde entra la IA en tu trabajo real?
Si la respuesta implica abrir una web nueva, copiar un documento, pegar un texto, hacer un prompt, revisar el resultado, volver a copiar y pegarlo en el sistema de gestión… el cubo va a chocar. No porque sea demasiado grande, sino porque estamos empujándolo de frente contra la pared.
En cambio, cuando la IA entra por la herramienta que la persona ya usa —Word, Excel, Teams, SharePoint, el CRM, el gestor documental, la aplicación de proyectos— y devuelve el resultado en el formato de trabajo habitual, con referencias trazables al origen, la sensación cambia por completo. Deja de ser “usar IA” para convertirse en “trabajar mejor”.
Y esa es, para mí, la primera lección del cubo: antes de agrandar el hueco, prueba a girar el cubo.
Pequeñas ventajas bien orientadas atraviesan barreras enormes
Otra cosa que me fascina del problema de Ruperto es que el cubo que pasa no necesita ser mucho mayor. Un 6 % basta. Un 6 % bien orientado supera una restricción que, mirada de frente, parecía absoluta.
En proyectos empresariales de IA pasa exactamente lo mismo. No siempre necesitamos una transformación radical. A veces necesitamos:
- Reducir un 15 % el tiempo de elaboración de una oferta.
- Detectar tres cláusulas contractuales que antes se nos escapaban.
- Convertir la memoria dispersa de un equipo en conocimiento consultable.
- Añadir referencias a las fuentes para que un borrador deje de ser opinión y pase a ser evidencia.
- Introducir una revisión humana bien colocada que permita operar sin automatizar decisiones críticas.
Son mejoras modestas en apariencia, pero suficientes para cambiar la viabilidad de un proceso completo. La ventaja competitiva no siempre está en el modelo más grande. A menudo está en el ángulo de entrada más inteligente.
El movimiento importa tanto como la forma
Hay algo del problema geométrico que solemos pasar por alto: no basta con encontrar la orientación inicial. El cubo tiene que seguir una trayectoria viable durante todo el paso. Si a mitad de camino cambia el ángulo, se atasca.
En IA empresarial esto se traduce en una realidad que veo constantemente: los pilotos deslumbrantes que nunca llegan a producción. Encajan al principio, pero no se sostienen porque nadie diseñó la trayectoria completa:
- Identificar el problema real, no el problema cómodo.
- Establecer una línea base medible.
- Preparar las fuentes de conocimiento con criterio.
- Definir criterios de aceptación antes de empezar.
- Probar con usuarios reales, no con demos maquilladas.
- Integrar el resultado en el flujo de trabajo.
- Medir adopción y valor, no solo uso.
- Iterar, gobernar y escalar.
Encajar es demostrar que el caso funciona. Atravesar es incorporarlo de extremo a extremo. Permanecer al otro lado es convertirlo en capacidad operativa. Y esa es la parte que casi nadie planifica.
La orientación óptima suele ser contraintuitiva
Si intentaras pasar el cubo empujándolo de frente, jamás encontrarías la solución. La orientación correcta es una rotación que la intuición no sugiere.
En IA ocurre igual, y he visto la trampa muchas veces:
- Se automatiza el proceso actual sin cuestionarlo.
- Se elige la herramienta antes de definir el problema.
- Se confía en que un modelo más potente compensará una mala arquitectura.
- Se confunde fluidez lingüística con exactitud.
- Se escala un piloto sin haber acordado qué era un éxito.
El pensamiento analógico —trasladar estructuras de un dominio a otro, como estoy haciendo ahora con este cubo del siglo XVII— es una herramienta poderosísima para escapar de estas rutinas. Nos permite ver nuestro problema desde fuera. Pero, y esto es crucial, la analogía abre hipótesis; solo la evidencia decide si la orientación es correcta.
Un marco práctico: el método RUPERTO
Podemos destilar todo esto en un pequeño marco de trabajo que podemos llamar RUPERTO:
- R — Reformular el problema en términos de decisión y usuario, no de tecnología.
- U — Ubicar las restricciones reales, distinguiendo legales, contractuales, técnicas y culturales.
- P — Probar varias orientaciones: copiloto, agente, RAG, automatización asistida, modelo local, servicio cloud, flujo híbrido.
- E — Establecer evidencias, KPIs y criterios de aceptación antes del piloto.
- R — Rediseñar la interfaz de entrada para minimizar la fricción del usuario.
- T — Trazar la trayectoria completa desde la fuente hasta el resultado, con trazabilidad de extremo a extremo.
- O — Operar con supervisión, propietario definido, control humano y gestión del cambio.
No es magia. Es simplemente girar el cubo antes de empujarlo.
Y en nuestra especialidad: la gestión contractual
Termino con un ejemplo cercano a lo que hacemos cada día. En proyectos de gestión contractual, el “cubo” es una capacidad muy potente: leer el contrato, extraer requisitos, construir el spec as code, generar objetivos SMART, desarrollar la EDT, mapear entregables, detectar gaps y mantener trazabilidad.
El “agujero” es la operativa real del proyecto: personas, permisos, herramientas, comités, formatos, plazos.
La tentación es pedir a la IA que “gestione el contrato”. Empujar el cubo de frente. Y no cabe.
La orientación que sí funciona es distinta:
Fuente contractual → requisito atomizado → identificador único → entregable → criterio de aceptación → evidencia → responsable → estado → validación humana.
Así la IA no sustituye al sistema de gestión. Pasa a través de él transportando capacidad, y conserva lo esencial: trazabilidad con el texto original, separación entre hecho e inferencia, control de versiones, validación humana y evidencia de cumplimiento.
La pregunta que deberíamos hacernos
Si tuviera que resumir tres años trabajando con IA en una sola frase, sería esta: la pregunta correcta no es “¿cabe la inteligencia artificial en nuestra empresa?”, sino “¿con qué orientación, trayectoria, tolerancias y evidencias puede atravesar nuestros procesos sin romperlos ni perder el control?”
La ventaja no será del que compre el modelo más grande. Será del que encuentre el mejor ángulo de entrada.
Como el príncipe Ruperto, hace casi cuatro siglos.