La IA en la cadena de suministro tiene una brecha de responsabilidad a medida que se acelera la automatización
IDC ha puesto de relieve el conflicto que subyace al reciente titular de Google News sobre la IA para cadenas de suministro. Las empresas quieren decisiones automatizadas más rápidas, pese a que no está claro quién asume la responsabilidad cuando esas decisiones fallan.
El titular, publicado a través de DC Velocity, describe una “brecha de responsabilidad” de la IA identificada por una encuesta de IDC. Los detalles de la encuesta subyacente no eran accesibles públicamente cuando se preparó este artículo. Esto limita lo que puede afirmarse sobre su muestra, sus preguntas y sus hallazgos exactos.
Aun así, la cuestión central está respaldada por la investigación más amplia de IDC. Las empresas están llevando la IA de las recomendaciones a los flujos de trabajo operativos, mientras que la gobernanza, la calidad de los datos y la supervisión humana quedan rezagadas frente al despliegue.
Esa brecha importa más en las cadenas de suministro que en muchos flujos de trabajo de oficina. Un mal resumen puede corregirse antes de una reunión. Una mala decisión de reposición puede generar escasez, exceso de inventario, envíos incumplidos o disputas contractuales entre varias empresas.
La investigación publicada por IDC muestra que esta transición ya está en marcha. Su estudio de 1.967 responsables funcionales concluyó que las organizaciones habían iniciado iniciativas de IA agéntica en un promedio del 56,1% de los procesos. La cadena de suministro estuvo entre las 13 funciones examinadas.
La pregunta difícil ya no es si la IA puede ayudar a un planificador. Es si una empresa puede reconstruir una decisión automatizada, identificar a su responsable y revertirla antes de que sus consecuencias se propaguen.
Eso crea el verdadero conflicto detrás del titular: las empresas quieren que la IA actúe a velocidad de máquina, pero la responsabilidad sigue avanzando a velocidad organizativa.
Lo que el titular de Google News establece realmente
El titular identifica un problema creíble de gobernanza, pero no aporta pruebas suficientes para tratar como verificado cada hallazgo implícito de la encuesta.
La noticia de Google News atribuye a IDC el hallazgo sobre la brecha de responsabilidad y dirige a los lectores a DC Velocity. Sin embargo, la entrada accesible del feed contiene únicamente un título y un enlace de destino.
No revela el cuestionario, el tamaño de la muestra, las fechas de la encuesta, la distribución geográfica ni la definición precisa de responsabilidad. Esos detalles determinan si un resultado se aplica de forma amplia o solo a un grupo reducido de encuestados.
Esta distinción importa porque IDC publica varios tipos de investigación. Algunos estudios utilizan grandes muestras internacionales, mientras que otros son informes técnicos patrocinados, entrevistas, previsiones o breves estudios de encuesta.
Todos esos formatos pueden aportar evidencia útil. No respaldan conclusiones idénticas.
Una lectura responsable comienza con lo que IDC ha publicado de forma independiente. Su actual investigación sobre IA agéntica abarca a 1.967 líderes de nivel directivo en América, Asia-Pacífico y Europa, Oriente Medio y África.
La investigación cubre 13 funciones empresariales y más de 150 casos de uso. IDC informa de que el 56,1% de los procesos, de media, ya cuenta con una iniciativa agéntica en marcha.
Esa es una medida de actividad, no de madurez. Una iniciativa puede abarcar desde la experimentación temprana hasta un sistema de producción con autoridad sobre decisiones reales.
IDC también informa de que la mitad de las organizaciones encuestadas busca orientación estratégica sobre estrategia y hojas de ruta de IA. Esa demanda sugiere que muchos compradores siguen definiendo sus modelos operativos mientras los despliegues se expanden.
Por tanto, las cifras publicadas respaldan una conclusión más acotada de lo que podría sugerir el titular. La adopción de IA se está extendiendo entre funciones, mientras muchas organizaciones todavía necesitan ayuda para decidir cómo gobernarla y escalarla.
La ausencia de una metodología pública para el artículo específico de DC Velocity sigue siendo relevante. Los lectores no deberían inferir un porcentaje de sistemas sin responsables ni una tasa de fallos medida sin consultar las preguntas subyacentes.
Esto no es motivo para desestimar el informe. Es motivo para distinguir una sólida pista de investigación de un hallazgo plenamente documentado.
Esa separación refleja el mismo principio de responsabilidad que las empresas necesitan para la IA. Cada afirmación importante debe conservar su fuente, contexto, fecha y límites.
Google News puede sacar rápidamente a la luz el acontecimiento. No puede sustituir la verificación de la investigación que lo sustenta.
La IA para cadenas de suministro pasa del consejo a la acción
El problema de la responsabilidad crece cuando la IA deja de describir condiciones y empieza a modificar pedidos, rutas, proveedores o posiciones de inventario.
La analítica tradicional suele presentar una previsión, una alerta o un panel a un operador humano. El operador decide si actuar y sigue siendo visible en el registro de aprobación.
La IA agéntica cambia esa disposición. Un agente es software que puede interpretar un objetivo, seleccionar acciones, utilizar herramientas conectadas y seguir trabajando con una intervención limitada.
En una cadena de suministro, esas acciones pueden incluir actualizar previsiones, recomendar proveedores, acelerar envíos, redirigir carga o modificar cantidades de reposición. Cada acción puede afectar a varios sistemas y socios externos.
La investigación de IDC muestra por qué las empresas están interesadas. Las decisiones más rápidas pueden reducir el retraso entre detectar una disrupción y responder a ella.
El atractivo aumenta cuando los planificadores se enfrentan a miles de ubicaciones de productos, registros de proveedores, órdenes de compra y eventos de transporte. Los equipos humanos no pueden reevaluar manualmente cada combinación cada vez que cambian las condiciones.
Sin embargo, la automatización también cambia el lugar donde reside la responsabilidad. Un planificador puede aprobar una excepción sin comprender cómo el modelo clasificó las alternativas.
El proveedor del modelo puede no controlar los datos ni las reglas de negocio del cliente. El socio de implementación puede configurar integraciones sin ser responsable de la decisión operativa resultante.
Mientras tanto, la empresa sigue respondiendo ante clientes, proveedores, reguladores y accionistas. Un contrato no desaparece porque el software haya seleccionado la acción.
Un estudio independiente patrocinado por IDC ilustra la dirección del cambio. La investigación abarcó 311 organizaciones de 11 países y seis sectores.
Encontró que el 88% había implementado o planeaba poner a prueba la inteligencia de decisiones. La inteligencia de decisiones conecta datos, análisis, recomendaciones, ejecución y aprendizaje dentro de un único ciclo operativo.
El estudio también concluyó que el 40% consideraba a los agentes de IA fundamentales para esa transición. Más del 25% esperaba que los agentes tomaran decisiones rutinarias en un plazo de 18 a 24 meses.
Casi el 20% esperaba que los agentes gestionaran la mayoría de las decisiones bajo supervisión humana. Estos hallazgos procedían de un estudio patrocinado, por lo que los lectores deberían tener en cuenta ese contexto.
Aun así, las cifras describen un cambio importante. Las organizaciones no están limitando la IA a interfaces conversacionales o a previsiones pasivas.
Quieren sistemas capaces de pasar de detectar un problema a ejecutar una respuesta. Eso reduce el tiempo de decisión, pero también puede comprimir el período disponible para la revisión.
Los procesos de cadena de suministro amplifican el riesgo porque atraviesan los límites entre empresas. Un fabricante puede depender de datos de proveedores, actualizaciones de transportistas, servicios meteorológicos, previsiones de clientes y varios proveedores de software.
Por lo tanto, una recomendación automatizada puede reflejar supuestos que ningún participante individual puede inspeccionar por completo. La acción final puede quedar registrada sin conservar todas las entradas que la determinaron.
La brecha de responsabilidad aparece cuando la ejecución está integrada, pero la responsabilidad sigue fragmentada.
El verdadero conflicto es autonomía frente a control defendible
Las empresas quieren ejecución autónoma, pero siguen necesitando un responsable humano identificado que pueda explicar, cuestionar y detener el sistema.
Esta es la disyuntiva central del artículo. Una mayor aprobación humana puede ralentizar una respuesta, mientras que una mayor autonomía puede debilitar la revisión y aumentar el coste de errores ocultos.
Un simple requisito de “humano en el circuito” no resuelve ese conflicto. Una persona puede aprobar técnicamente una acción sin disponer del tiempo, el contexto o la autoridad para evaluarla.
Una supervisión significativa exige más que un botón de aprobación. El revisor necesita acceso a los datos relevantes, la salida del modelo, la regla de negocio, el nivel de confianza y las alternativas disponibles.
El revisor también necesita permiso para rechazar la recomendación sin enfrentarse a una carga de prueba imposible. De lo contrario, la supervisión humana se vuelve ceremonial.
IDC examinó este problema antes del último titular de Google News. Su informe de 2025 sobre el uso de RACI para la IA en cadenas de suministro preguntaba cómo deberían las organizaciones definir los niveles de decisión autónoma.
RACI asigna quién es responsable, quién rinde cuentas, a quién se consulta y a quién se informa en un proceso. Puede ayudar a revelar situaciones en las que participan varios equipos, pero nadie asume el resultado final.
El marco sigue siendo útil porque la IA no adquiere responsabilidad legal o comercial por recibir más autoridad. La responsabilidad debe seguir vinculada a personas y organizaciones.
Un modelo operativo claro podría asignar a un ejecutivo de cadena de suministro la responsabilidad final por los resultados de inventario. Un equipo de planificación podría seguir siendo responsable de las excepciones diarias.
Los ingenieros de datos se encargarían de los controles de calidad de las entradas, mientras que los equipos tecnológicos gestionarían la disponibilidad del sistema. Los proveedores asumirían obligaciones documentadas sobre el comportamiento del modelo, la seguridad y la notificación de cambios.
Estas asignaciones no eliminan los fallos. Evitan que los participantes descubran sus funciones solo después de una decisión perjudicial.
El análisis más amplio de IDC sobre la brecha de inteligencia refuerza este argumento. Señala que solo el 39,6% de las empresas identifica la gobernanza de IA como una prioridad principal en 2026.
IDC también entrevistó a 33 empresas y descubrió que 10 señalaban la dependencia excesiva de la IA sin suficiente supervisión humana como un riesgo activo.
Estos hallazgos no miden la brecha específica de responsabilidad en la cadena de suministro mencionada en el titular de DC Velocity. Sí muestran que la gobernanza y la supervisión siguen sin resolverse en la IA empresarial.
La trazabilidad se vuelve esencial en este entorno. Una empresa necesita saber qué datos intervinieron en una decisión, qué versión del modelo los procesó y qué regla permitió la ejecución.
También necesita un registro de las anulaciones y los efectos posteriores. Sin estos elementos, una investigación se convierte en una disputa entre registros incompletos y memoria institucional.
Una base de conocimiento de IA con capacidad de búsqueda puede ayudar a los equipos a conservar políticas, decisiones y materiales de origen. No puede sustituir los registros de auditoría a nivel de transacción.
El límite importa. La gestión del conocimiento facilita la comprensión, mientras que la gobernanza operativa controla lo que un agente puede hacer.
Las empresas necesitan ambas capas. Una política documentada sin aplicación es débil, mientras que los controles automatizados sin una política comprensible son difíciles de cuestionar.
El diseño más sólido mantiene la autoridad en proporción a las consecuencias. Las acciones de bajo riesgo pueden ejecutarse automáticamente, mientras que las decisiones de alto impacto requieren una revisión informada y una escalada clara.
Los malos datos pueden convertir decisiones rápidas en fallos rápidos
Un sistema de IA responsable debe conservar la procedencia y la calidad de sus entradas, no solo la identidad de su aprobador final.
Las cadenas de suministro dependen de datos de muchas organizaciones. Los registros de productos, la capacidad de los proveedores, los plazos de entrega, los saldos de inventario, los eventos de transporte y las previsiones de clientes suelen proceder de sistemas distintos.
Esos registros pueden utilizar identificadores o calendarios de actualización contradictorios. Un proveedor puede informar de su capacidad semanalmente, mientras que un sistema de planificación recalcula la demanda cada hora.
Un agente de IA puede procesar los datos resultantes más rápido que un equipo humano. No puede hacer fiables unos datos incoherentes solo mediante la velocidad.
IDC afirma que las empresas están pasando de una gobernanza centrada en los modelos a una gestión de riesgos centrada en los datos. Este enfoque pone el énfasis en la validación, la trazabilidad y la credibilidad de las fuentes.
La trazabilidad de los datos registra de dónde procede la información y cómo cambió antes de llegar a una decisión. Sin trazabilidad, una empresa no puede determinar si un fallo provino del modelo, de una fuente desactualizada o de una regla de negocio.
El problema se agrava a través de los distintos niveles de proveedores. Muchas empresas tienen una visibilidad detallada de los proveedores directos, pero un conocimiento limitado de subcontratistas y proveedores de materiales en fases anteriores.
IDC describe esto como un punto ciego de nivel N. Una interrupción en un proveedor de nivel inferior puede permanecer invisible hasta que se detienen las entregas directas.
Su previsión de la cadena de suministro predice que el 50 % de las cadenas de suministro a escala empresarial utilizará redes de negocio para lograr visibilidad multinivel en 2028.
IDC espera que este enfoque reduzca el impacto de las interrupciones y mejore la velocidad de respuesta en un 25 %. La previsión es una proyección, no un resultado observado.
Incluso si la proyección resulta acertada, una mayor visibilidad plantea nuevas cuestiones de responsabilidad. Los socios deben acordar estándares de datos, permisos, procedimientos de corrección y responsabilidades de seguridad.
Un agente podría redirigir un pedido basándose en una puntuación de riesgo del proveedor. El comprador necesitaría entonces saber quién generó esa puntuación y si la evidencia subyacente sigue vigente.
El mismo requisito se aplica cuando un agente pronostica la demanda. Los usuarios necesitan visibilidad sobre las promociones, las hipótesis meteorológicas, las señales de los clientes y las sustituciones que influyeron en el resultado.
Las decisiones opacas se vuelven especialmente peligrosas cuando parecen precisas. Una recomendación sobre una cantidad concreta de pedido puede ocultar incertidumbre tras una cifra limpia.
Los sistemas responsables deben mostrar la confianza, las restricciones y las brechas materiales en los datos. También deben distinguir entre un valor ausente y un cero verificado.
Las empresas deben probar cómo se comportan los agentes cuando las fuentes llegan tarde, los sistemas discrepan o los proveedores retienen información. Los parámetros de referencia en operaciones normales no revelan estos modos de fallo.
También necesitan controles de versiones. Una actualización del modelo de un proveedor puede cambiar las recomendaciones sin modificar el flujo de trabajo ni la interfaz de usuario circundantes.
Esto crea un problema sutil de responsabilidad. Un proceso previamente aprobado puede empezar a producir resultados distintos aunque el comprador no haya realizado ningún cambio deliberado de política.
Por ello, los registros de cambios, las pruebas de comportamiento y los procedimientos de reversión deben acompañar a las métricas de precisión. Los equipos deben saber cuándo cambió un sistema antes de decidir si falló.
Una decisión rápida solo se vuelve defendible cuando la organización puede reconstruir el recorrido desde los datos de origen hasta la acción empresarial.
Los proveedores y los compradores no pueden pasarse la responsabilidad mutuamente
Los líderes de la cadena de suministro siguen siendo responsables de los sistemas desplegados, pero los proveedores deben aceptar obligaciones medibles respecto de los componentes que proporcionan.
La brecha de responsabilidad suele parecerse a un círculo contractual. El comprador culpa al software, mientras que el proveedor señala los datos del cliente, la configuración o las decisiones de implementación.
Un integrador puede culpar a requisitos poco claros. Una unidad de negocio puede decir que confió en TI, mientras que TI afirma que el negocio aprobó el caso de uso.
Cada afirmación puede contener parte de verdad. El resultado combinado puede, aun así, dejar al cliente afectado sin una respuesta clara.
IDC sostiene que los proveedores deben dejar de tratar la preparación de los datos como un requisito previo exclusivo del cliente. Su análisis sobre adopción de IA afirma que unas bases de datos deficientes siguen siendo una barrera principal para obtener retornos medibles.
IDC proyecta que casi la mitad de los casos de uso digitales impulsados por IA no alcanzarán sus objetivos de retorno para 2026. Atribuye el problema a beneficios poco claros, datos deficientes y una débil colaboración entre humanos y máquinas.
Esa conclusión ejerce presión sobre ambas partes. Los compradores no pueden externalizar la gobernanza, y los proveedores no pueden presentar el riesgo de implementación como problema de otra persona.
Los contratos deben definir los límites del sistema, las acciones permitidas, las obligaciones de servicio, el registro de eventos, los avisos de actualización y el soporte ante incidentes. También deben abordar el acceso a la evidencia después de un fallo.
Un comprador necesita saber si el proveedor puede reproducir la salida del modelo. También necesita recibir aviso antes de que un cambio material de modelo o política llegue a producción.
Los equipos de compras deberían preguntar cómo gestiona un sistema las entradas conflictivas, los datos faltantes y las integraciones no disponibles. Las demostraciones estándar rara vez hacen hincapié en esas condiciones.
También deberían comprobar si los administradores pueden establecer umbrales de aprobación por tipo de decisión. Una sugerencia de ruta y una recomendación de rescindir a un proveedor no deberían compartir controles idénticos.
La responsabilidad se vuelve más difícil cuando interactúan varios agentes. Un agente podría supervisar el riesgo, otro revisar un plan y un tercero actualizar un sistema empresarial.
La transacción final puede reflejar varios resultados intermedios. Cada transferencia requiere identidad, autorización, registro y una respuesta definida ante fallos.
Esta arquitectura genera presión a favor de plataformas de orquestación capaces de aplicar políticas comunes. Sin embargo, una orquestación centralizada también puede convertirse en un único punto de control y de fallo.
Por tanto, los compradores deben evaluar la resiliencia junto con la conveniencia. Necesitan evidencia de que pueden suspender un agente sin deshabilitar todo el entorno de planificación.
El informe específico de DC Velocity podría acabar proporcionando una división más clara entre compradores y proveedores encuestados. Hasta entonces, la evidencia publicada por IDC respalda una valoración más amplia.
La IA empresarial avanza más rápido que los acuerdos operativos que la rodean. Los proveedores venden una automatización más profunda mientras los compradores aún están definiendo propiedad, escalamiento y autonomía aceptable.
El mercado no cerrará esa brecha solo mediante la confianza. Necesita controles técnicos exigibles y obligaciones contractuales vinculadas a consecuencias operativas reales.
Lo que las cifras de responsabilidad aún no demuestran
El interés expresado en encuestas por la gobernanza no demuestra que los controles desplegados funcionen durante un fallo real de la cadena de suministro.
Las encuestas miden lo que informan los encuestados. Pueden captar prioridades, planes, confianza y obstáculos percibidos, pero no verifican automáticamente el desempeño operativo.
Una empresa puede informar que existe supervisión humana porque un empleado puede revisar las decisiones. Esa respuesta dice poco sobre si las revisiones se producen antes de la ejecución o después de una excepción.
Del mismo modo, una empresa puede tener una política de IA sin vincularla a sistemas específicos. La gobernanza puede existir a nivel del consejo de administración mientras la automatización diaria funciona sin controles significativos.
Por lo tanto, importa la redacción exacta de la encuesta de IDC detrás del titular de Google News. “Responsabilidad” puede describir titularidad ejecutiva, responsabilidad legal, auditabilidad o responsabilidad por decisiones individuales.
Estos conceptos se solapan, pero no son intercambiables.
Un ejecutivo designado no garantiza registros de auditoría utilizables. Los registros detallados no establecen quién debe compensar a un cliente tras una mala decisión.
También importan la composición sectorial y geográfica de la encuesta. Las cadenas de suministro farmacéuticas, automotrices, minoristas y alimentarias operan bajo normativas y tolerancias al riesgo diferentes.
Las grandes empresas pueden contar con oficinas de gobernanza que los proveedores más pequeños no pueden sostener. Sus respuestas no deben generalizarse sin conocer la muestra.
La investigación patrocinada exige otra capa de cautela. El patrocinio no invalida un estudio, pero los lectores deben examinar el diseño de la encuesta y los intereses comerciales del patrocinador.
El estudio de IDC sobre inteligencia de decisiones en 311 organizaciones, por ejemplo, fue patrocinado por Aera Technology. Su metodología y patrocinio se divulgan públicamente.
Ese estudio concluyó que el 83 % de los encuestados ya estaba inmerso en un proceso de transformación mediante IA. También relacionó una mayor automatización con mejoras reportadas en la satisfacción del cliente.
Estos hallazgos describen una asociación dentro del estudio. No demuestran que la automatización haya causado cada mejora.
La evidencia más sólida combinaría encuestas con auditorías de producción, informes de incidentes, tasas de anulación y resultados medidos. La investigación pública rara vez proporciona ese paquete completo.
Por ello, las empresas deben evitar tratar un promedio del sector como prueba de que sus controles son adecuados. La evidencia interna debe responder a preguntas más específicas.
¿Cuántas decisiones automatizadas se revirtieron el trimestre pasado? ¿Con qué rapidez se detectaron las acciones perjudiciales? ¿Qué sistemas carecen de trazabilidad completa?
¿Con qué frecuencia los revisores aceptaron recomendaciones sin abrir la evidencia de respaldo? ¿Cuántos agentes cambiaron de comportamiento después de una actualización del proveedor?
Estas métricas revelan la diferencia entre la gobernanza sobre el papel y la gobernanza en la práctica.
La brecha de responsabilidad seguirá estando parcialmente sin medir hasta que las organizaciones divulguen los fallos de forma más consistente. Las empresas tienen fuertes incentivos para publicitar ganancias de eficiencia y mantener privados los errores operativos.
Ese desequilibrio puede hacer que los sistemas autónomos parezcan más maduros de lo que son. Los lectores deberían tratar con cautela las afirmaciones cargadas de confianza cuando los datos de incidentes siguen sin estar disponibles.
La metodología ausente no refuta el titular de DC Velocity. Define los límites de lo que el titular establece actualmente.
Tres señales mostrarán si la brecha se está cerrando
La siguiente fase se juzgará por la evidencia de auditoría, la autonomía controlada y los términos de contratación, no por otra oleada de anuncios de IA.
La primera señal es la publicación de una metodología completa de la encuesta. IDC o DC Velocity deberían divulgar la muestra, las fechas de campo, las preguntas, la geografía y la definición de responsabilidad.
Esta información permitiría a los lectores distinguir un hallazgo operativo amplio de una encuesta limitada de percepción. También aclararía qué funciones de la cadena de suministro informaron de la brecha.
Si la metodología muestra una muestra diversa y preguntas concretas sobre controles desplegados, la afirmación del titular cobra más fuerza. Las preguntas vagas sobre preocupación general la debilitarían.
La segunda señal es un cambio en las métricas de despliegue. Las empresas deberían informar la proporción de decisiones ejecutadas automáticamente, revisadas antes de la ejecución, anuladas o revertidas después de la ejecución.
Los datos de anulación son especialmente valiosos. Una tasa muy baja puede indicar una automatización excelente, pero también puede revelar revisores pasivos o una confianza excesiva.
La recuperación ante incidentes ofrece otra prueba. Las organizaciones deberían medir con qué rapidez identifican el sistema responsable, reconstruyen sus entradas y contienen los efectos posteriores.
La tercera señal es un cambio en las compras y el comportamiento de los proveedores. Los compradores deberían exigir acceso de auditoría, avisos de actualización, pruebas de comportamiento y matrices de responsabilidad antes del despliegue en producción.
Los proveedores deberían publicar límites del sistema y procedimientos de escalamiento más claros. También deberían ayudar a los clientes a probar fallos de datos, no solo flujos de trabajo ideales.
Los reguladores y organismos sectoriales influirán en estas condiciones, pero las empresas no pueden esperar un marco normativo universal. La automatización de la cadena de suministro ya está entrando en las operaciones habituales.
Para los desarrolladores, la lección es directa. El registro de eventos, la identidad, los permisos y la reversión son requisitos de producto cuando un agente puede modificar registros operativos.
Para los compradores empresariales, las preguntas de gobernanza deben formar parte del proceso de selección. No deberían aparecer por primera vez durante la revisión legal o después de un incidente.
Los trabajadores del conocimiento también tienen un papel. Deben preservar el razonamiento, la evidencia y las excepciones que rodean las decisiones importantes, especialmente cuando la IA ayuda en el análisis.
El titular de Google News tiene valor porque nombra un conflicto que los proveedores suelen suavizar. Las decisiones más rápidas no reducen la responsabilidad; aumentan la necesidad de asignarla antes de la ejecución.
Plantee una pregunta práctica sobre cada sistema de IA para la cadena de suministro: si esta decisión falla mañana, ¿puede su organización identificar a un único responsable y reconstruir la evidencia en cuestión de horas?
Si la respuesta requiere una reunión para decidir quién se hace cargo del problema, la brecha de responsabilidad ya existe.
