Coreografía: due diligence y triaje masivo

Cae en tu mesa una adquisición: mil doscientos archivos entre contrato, adenda y garantía, plazo de ocho días. Al ritmo humano se leen treinta minutas por día, al límite, así que o lees todo y se acaba el plazo, o lees una muestra y rezas para que la bomba no esté en lo que quedó afuera. Subes los mil doscientos a la IA y le pides algo específico: no concluyas nada, solo enciende cláusula de cambio de control, pendencia abierta y plazo por vencer. Escanea todo en minutos y devuelve una lista de cuarenta puntos marcados, la mayoría cláusula suelta sin efecto real, un falso positivo que solo cuesta tu tiempo de descartar. Dos de ellos son serios: una garantía que vence la próxima semana y una adenda que cambia el precio de la operación. No leíste los mil doscientos, leíste los cuarenta, con la cabeza entera, y la due diligence sale a tiempo cubriendo todo el volumen, no la fracción que tu semana permitía.

El comité quiere la posición sobre una cartera de ochocientos contratos de financiamiento en tres días, para decidir el precio de la cesión. Leer cláusula de vencimiento anticipado, garantía y covenant uno por uno es trabajo de semanas que nadie tiene. Le pides a la IA que escanee los ochocientos y encienda solo lo que cambia el valor de la cartera: covenant violado, garantía insuficiente, tasa fuera del estándar. Devuelve cincuenta contratos marcados; la mayoría es ruido, cláusula estándar mal formateada que el sistema tomó por error, y descartas en minutos. Dos marcados, sin embargo, muestran morosidad no provisionada que tumba el precio de la cartera en siete por ciento. Preferiste ese ruido a arriesgarte a no encontrar ese contrato entre los setecientos cincuenta que nadie tendría tiempo de abrir, y la posición sale en tres días cubriendo la cartera entera.

Un cliente va a firmar un contrato grande y te pide revisar toda su base de proveedores antes, porque el nuevo contrato tiene una cláusula de exclusividad. Son cuatrocientos acuerdos antiguos esparcidos en carpetas. En alguno de ellos puede existir una cláusula que entre en conflicto con la exclusividad nueva y cree un litigio. Encontrar esa aguja leyendo todo con detalle no cabe en el plazo.

Una agencia que tu empresa va a incorporar entrega seiscientos contratos de cliente y proveedor, y tienes una semana para mapear todo derecho de uso de imagen y cláusula de exclusividad antes de firmar la incorporación. Leer los seiscientos con la misma lupa no cabe en la semana. Le pides a la IA que escanee todo y encienda solo dos cosas: cesión de imagen sin plazo definido y exclusividad con cliente activo. Devuelve treinta y dos contratos marcados; la mayoría es exclusividad ya vencida hace meses, falso positivo que descartas mirando la fecha. Uno de ellos, sin embargo, ata a la empresa incorporada a una exclusividad de dos años con un competidor directo de tu cliente más grande, y nadie había visto eso antes. No leíste los seiscientos, leíste los treinta y dos, y encontraste la cláusula que trabaría la operación después de firmada.

Abriste la vacante sénior y llegaron novecientos currículums en cinco días, y tu equipo lee con atención unas cuarenta candidaturas por día, al límite. Los mejores aceptan otra oferta antes de que termines de leer la pila. Le pides a la IA que escanee los novecientos y encienda solo lo que coincide con los tres criterios de la vacante: tiempo mínimo en el stack, seniority declarada y disponibilidad de inicio. Marca ciento diez currículums; buena parte es falso positivo, gente que mencionó la palabra clave sin tener la experiencia real, y descartas en una pasada rápida por teléfono. Cuatro de ellos, sin embargo, son candidatos fuertes que estaban enterrados en la página veinte, que nadie de tu equipo llegaría a abrir al ritmo manual. La lista corta para entrevista sale a tiempo, cubierta la pila entera, no la primera tanda que llegó.

Te cayó encima una tanda de mil doscientos tickets de soporte, transcripciones de entrevista y respuestas abiertas de NPS, y el comité quiere la priorización del próximo trimestre en cuatro días. Leerlos uno a uno cubre una fracción y prioriza el roadmap con base en lo que diste tiempo de ver, no en lo que el usuario más siente. Le pides a la IA que escanee los mil doscientos y encienda solo menciones a tres dolores que sospechas que pesan. Marca ciento cincuenta relatos; muchos son quejas puntuales sin patrón, falso positivo que descartas mirando el volumen. Pero un cluster de treinta tickets, que nadie había juntado antes, apunta a un problema de onboarding que ninguna investigación formal había capturado. El PRD del trimestre entra al comité apoyado en el volumen entero de señal, no en la muestra que tu semana permitía.

Heredaste un pipeline de ochocientas oportunidades detenidas en el CRM, cada una con historial de correo, notas de llamada y propuesta antigua, y el director comercial quiere saber el viernes cuáles todavía tienen vida antes del forecast del trimestre. Revisar negocio por negocio lleva semanas que no tienes. Le pides a la IA que escanee las ochocientas y encienda solo señal de objeción no resuelta o de contacto desaparecido hace más de treinta días. Marca ciento veinte oportunidades; la mayoría es negocio que solo va lento de verdad, falso positivo que descartas con una mirada al historial. Doce de ellas, sin embargo, muestran a un decisor que cambió de empresa hace dos meses sin que nadie actualizara el CRM, oportunidad fantasma inflando tu forecast. El número que va al director el viernes ya sale limpio, sin las doce que nunca cerrarían.

Un cliente grande exige auditoría de tu cumplimiento de SLA antes de renovar, y son mil órdenes de servicio de los últimos seis meses, cada una con plazo, desvío y excepción diferentes. Verificar una por una al ritmo humano no cabe en el plazo que te da el contrato. Le pides a la IA que escanee las mil y encienda solo desvío por encima del veinte por ciento del plazo acordado y excepción sin justificación registrada. Marca setenta órdenes; buena parte es desvío de un día en un feriado que nadie cuestiona, falso positivo que descartas al instante. Pero nueve órdenes muestran un patrón de atraso en la misma ruta, todos los lunes, que nadie había juntado antes de ver la lista. Llegas a la reunión de renovación con el cuello de botella real mapeado, no con una muestra de órdenes que por casualidad diste tiempo de mirar.

El regulador pidió evidencia y tienes diez días para escanear mil quinientos registros entre contratos, flujos de datos y términos de consentimiento en busca de tratamiento fuera de política. Leerlo todo con detalle se pasa del plazo, y revisar una muestra rezando para que la no conformidad no esté afuera es un riesgo que tu cargo no puede asumir. Le pides a la IA que encienda solo tres señales: base legal ausente, consentimiento sin fecha de recolección y flujo de dato personal sin finalidad registrada. Marca noventa registros; muchos son formularios antiguos ya descontinuados, falso positivo que descartas rápido. Seis, sin embargo, muestran un flujo activo de dato de un menor sin ninguna base legal, hallazgo que va directo al comité de riesgo. La evidencia que le entregas al regulador cubre los mil quinientos, no la muestra que cabría en tu plazo.

Van a integrar la base de código de una empresa adquirida antes del go-live, y son mil doscientos archivos entre servicios, scripts de deploy y configs donde puede vivir una credencial hardcodeada o una dependencia vulnerable. Revisar el repositorio entero a mano no cabe en la ventana, y subirlo sin mirar es invitar el incidente a producción. Corres la IA para escanear los mil doscientos y encender solo tres señales: clave en texto plano, dependencia con CVE abierto y config apuntando al ambiente equivocado. Marca cincuenta y cinco archivos; la mayoría es falso positivo, string que parece clave pero es solo un identificador de prueba, y descartas en una lectura rápida. Tres archivos, sin embargo, tienen credencial de base de datos de producción hardcodeada que nadie había visto en el code review original. El go-live sucede con el repositorio entero escaneado, no con la muestra que el sprint tendría tiempo de revisar.

Antes de rediseñar el checkout, juntas seiscientas sesiones grabadas, respuestas de encuesta y relatos de prueba de usabilidad, y el sprint de diseño empieza en tres días. Ver todo al ritmo humano lleva semanas que el sprint no tiene. Le pides a la IA que escanee las seiscientas sesiones y encienda solo momentos de duda larga, clic repetido en el mismo campo y comentario de frustración explícito. Marca ochenta sesiones; muchas son solo una persona leyendo con calma, falso positivo que descartas viendo treinta segundos. Doce sesiones, sin embargo, muestran el mismo patrón de clic repetido en el campo de código postal, hallazgo que ninguna investigación formal había nombrado antes. La priorización del rediseño entra al sprint apoyada en el volumen real de sesiones, no en una muestra de veinte que tu agenda permitía.

El board decide en una semana si la empresa entra a un mercado nuevo, y existen setecientos documentos empolvados, informes de research, actas de comité, estudios de viabilidad archivados en los últimos cinco años, que pueden guardar por qué un intento parecido no funcionó antes. Leerlo todo llevaría un mes que la decisión no tiene. Le pides a la IA que escanee los setecientos y encienda solo menciones a ese mercado y a motivos de desistimiento registrados. Devuelve dieciocho documentos marcados; la mayoría es mención de paso, falso positivo que descartas en segundos. Uno de ellos es el acta de un comité de hace tres años que rechazó la misma entrada por el mismo motivo que nadie recordaba. Llevas eso al board no como corazonada, sino como memoria institucional recuperada de un archivo que nadie reabriría solo.