La conversación sobre IA en empresas suele oscilar entre el entusiasmo genérico y el escepticismo total. En la práctica, los proyectos que mejor funcionan son mucho más modestos: un flujo concreto, un cuello de botella medible y una decisión clara sobre qué no automatizar todavía.
Buenos candidatos para empezar
- Copiar datos entre herramientas que ya usas.
- Clasificar o resumir entradas repetitivas (emails, formularios, tickets).
- Generar borradores a partir de plantillas y contexto fijo.
- Alertar cuando un indicador cruza un umbral que hoy revisas a mano.
Lo que estos casos comparten es predecibilidad. No necesitas un modelo que lo haga todo; necesitas un flujo donde el error sea visible, corregible y acotado.
Qué evitar al principio
- Automatizar decisiones de alto riesgo sin supervisión humana.
- Construir un chatbot genérico antes de tener bien definido qué debe resolver.
- Integrar cinco herramientas nuevas cuando el problema es uno solo mal conectado.
La IA aplicada no sustituye el criterio. Lo libera de tareas que no deberían consumir tiempo senior.
Un primer paso sensato
Mapea un proceso de una semana real: qué entra, quién lo toca, dónde se pierde tiempo. Si puedes describir ese flujo en una pizarra, probablemente hay una primera automatización útil. Si no, el problema no es tecnológico todavía.
Cómo elegir el proceso que automatizar primero
Cuando varias tareas parecen candidatas, conviene puntuarlas con tres preguntas sencillas. Primera: ¿con qué frecuencia ocurre? Una tarea semanal que consume una hora rinde más que una anual que consume un día. Segunda: ¿qué pasa si se hace mal? Cuanto menor y más visible sea el daño, mejor candidato es. Tercera: ¿hay un dato claro de entrada y un resultado reconocible de salida? Si nadie puede describir cómo es un buen resultado, no hay nada que automatizar todavía.
- Alta frecuencia, bajo riesgo y resultado claro: empieza por aquí.
- Alta frecuencia, riesgo medio: automatiza la preparación y deja la decisión a una persona.
- Baja frecuencia o alto riesgo: documenta el proceso y vuelve a mirarlo más adelante.
Un ejemplo de un flujo pequeño y útil
Imagina una consultora que recibe solicitudes por un formulario web. Hoy alguien las lee, decide a qué área corresponden, copia los datos a una hoja de cálculo y avisa por mensaje a la persona responsable. Es una tarea de diez minutos por solicitud, repetida muchas veces. Un flujo bien acotado puede registrar cada solicitud en la hoja, proponer una clasificación a partir del texto, avisar a la persona adecuada con un resumen de dos líneas y marcar para revisión humana las que no encajen con claridad.
Nada de esto elimina a las personas del proceso; elimina la parte mecánica. Y deja una huella visible: una hoja donde se puede comprobar qué clasificó la herramienta y dónde se equivocó, que es la información necesaria para mejorarla.
Qué hay que dejar preparado antes de empezar
- Un responsable del proceso, con autoridad para decidir cómo debería funcionar y para detenerlo si algo falla.
- Ejemplos reales, incluidos los difíciles, para probar la automatización con casos de verdad y no solo con los ideales.
- Un lugar donde registrar los errores, para aprender de ellos y no corregirlos a ciegas.
- Una medida simple de partida —tiempo, volumen, errores— para comprobar después si mejoró algo.
Cómo saber si ha funcionado
El resultado de una automatización útil casi nunca es espectacular: la gente deja de hacer una tarea tediosa y nadie lo comenta. Por eso conviene fijar de antemano qué cambio esperas y revisarlo pasadas unas semanas: ¿se tarda menos?, ¿hay menos errores?, ¿se atiende antes? Si no se aprecia mejora, es mejor reconocerlo y ajustar o retirar el flujo que mantener por inercia una pieza que nadie usa.
En Ingenia trabajamos este tipo de intervenciones conectando herramientas existentes, capas de IA donde aportan y una interfaz cuando hace falta que alguien supervise o actúe.