Casi todas las empresas han oído que la inteligencia artificial puede ahorrarles tiempo. Muchas han probado un asistente tipo ChatGPT para redactar un correo o resumir un documento. Pero pasar de ahí a un proyecto que cambie cómo trabaja tu equipo es otra cosa, y la pregunta habitual es la misma: ¿estamos preparados o es demasiado pronto?
La buena noticia es que no hace falta un departamento de datos ni una gran inversión para saberlo. Hace falta mirar con honestidad tres cosas: qué problema quieres resolver, qué información tienes y quién se va a hacer cargo. En este artículo te damos criterios concretos para responder y una forma sensata de empezar.
Empieza por un problema, no por la tecnología
El error más común es empezar al revés: «queremos usar IA, ¿dónde la ponemos?». Ese enfoque suele acabar en una demostración vistosa que nadie usa al cabo de poco tiempo. Los proyectos que salen bien empiezan por una tarea que hoy cuesta tiempo, dinero o errores.
Una buena tarea candidata tiene estas características:
- Se repite mucho. Ocurre a diario o cada semana, no dos veces al año.
- Tiene reglas reconocibles. Una persona con experiencia sabe explicar cómo se hace, aunque tenga excepciones.
- Trabaja con texto o documentos. Correos, facturas, contratos, pliegos, fichas de producto o consultas de clientes.
- Se puede comprobar. Es fácil saber si el resultado está bien o mal.
- Un error no es grave. O, si lo es, una persona revisa antes de que tenga consecuencias.
Imagina una distribuidora que recibe pedidos por correo en formatos distintos y alguien los copia a mano en el programa de gestión. Esa tarea cumple casi todos los puntos. En cambio, «mejorar la estrategia de la empresa» no cumple ninguno.
Señales de que tu empresa está lista
No necesitas cumplirlas todas, pero cuantas más tengas, más fácil será el primer proyecto.
- Puedes nombrar una tarea concreta y estimar cuántas horas le dedica tu equipo.
- La información que necesita esa tarea está accesible: en el correo, en carpetas compartidas, en tu programa de gestión o en hojas de cálculo.
- Hay una persona en la empresa que conoce bien el proceso y puede dedicar algunas horas a explicarlo y a revisar resultados.
- Alguien con capacidad de decisión apoya el proyecto y acepta que la primera versión no será perfecta.
- Tienes claro qué datos son sensibles (de clientes, de salud, financieros) y qué no puede salir de la empresa.
Los datos: menos perfectos de lo que crees, más importantes de lo que parece
Mucha gente cree que necesita tener los datos «ordenados» antes de empezar. No es así. Los modelos de lenguaje actuales, que son la tecnología detrás de los asistentes conversacionales, leen bastante bien documentos desordenados, correos o PDF escaneados con texto legible.
Lo que sí importa es otra cosa:
- Acceso. Que se pueda llegar a la información de forma automática, sin que alguien tenga que buscarla a mano cada vez.
- Ejemplos reales. Un conjunto de casos resueltos sirve para probar si la IA acierta. Sin ejemplos, no hay forma de medir.
- Permisos y privacidad. Saber qué datos pueden enviarse a un proveedor externo y con qué condiciones. Los proveedores ofrecen opciones distintas sobre dónde se procesan los datos y si se guardan; conviene revisarlas antes de elegir.
Qué esperar de la IA (y qué no)
La IA actual es muy buena leyendo, resumiendo, clasificando y extrayendo datos de textos. También redacta borradores razonables. Pero se equivoca, y a veces se equivoca con mucha seguridad: puede inventar un dato que no está en el documento.
Por eso, en una empresa pequeña o mediana, el planteamiento más prudente suele ser este: la IA prepara y una persona valida. Con el tiempo, cuando has medido cuánto acierta en una tarea concreta, puedes decidir qué partes automatizar del todo y cuáles mantener con revisión.
Una buena pregunta para cualquier propuesta de IA: ¿qué pasa cuando se equivoca, y quién se da cuenta?
Por dónde empezar: un plan en cuatro pasos
- Elige una sola tarea. La que más tiempo consume y cumple los criterios de arriba. Resiste la tentación de abordar varias a la vez.
- Define cómo medirás el éxito. Por ejemplo: tiempo por pedido, número de errores o cuántos casos necesita corregir una persona. Anota cómo está hoy.
- Prueba con datos reales. Un prototipo, es decir, una primera versión sencilla que funciona con tus documentos de verdad, muestra en pocas semanas en qué acierta y en qué falla.
- Decide con resultados. Si la prueba funciona, se integra con tus herramientas y se amplía. Si no, has gastado poco y sabes por qué.
Preguntas para hacer a cualquier proveedor
Antes de contratar, pide respuestas claras a estas preguntas:
- ¿Qué tarea concreta vamos a resolver y cómo vamos a medir si funciona?
- ¿Qué datos necesitáis, dónde se procesan y quién puede verlos?
- ¿Qué proveedor de IA vais a usar y podríamos cambiarlo más adelante?
- ¿Qué ocurre cuando el sistema no sabe la respuesta o se equivoca?
- ¿Cuánto cuesta mantenerlo funcionando después, incluido el coste de uso del modelo?
- ¿De quién es el desarrollo y la configuración cuando termine el proyecto?
Si las respuestas son vagas o todo suena a «la IA lo hará solo», desconfía.
Señales de que todavía no es el momento
También es útil saber cuándo esperar. Quizá sea pronto si no consigues nombrar una tarea concreta, si el proceso cambia cada semana y nadie sabe explicarlo, o si la información que necesitarías está solo en la cabeza de una persona. En esos casos, el primer paso no es la IA, sino ordenar y documentar el proceso. Ese trabajo nunca se pierde y hará que el proyecto posterior sea más barato.
El siguiente paso
Haz este ejercicio esta semana: apunta las tres tareas repetitivas que más tiempo consumen en tu empresa, cuántas horas les dedicáis y dónde está la información que usan. Con esa lista ya puedes valorar si alguna es buena candidata.
Si quieres contrastarla con alguien, en Brains revisamos este tipo de listas y te decimos con franqueza si hay un caso de uso que merezca la pena probar. Puedes ver cómo trabajamos en nuestra página de proyectos de inteligencia artificial o escribirnos directamente.