Cómo saber en qué procesos de tu empresa conviene usar inteligencia artificial (y en cuáles no)

El problema no es la tecnología, es la elección del proceso

La mayoría de los proyectos de IA que fracasan no lo hacen por un modelo mal entrenado ni por falta de presupuesto. Fracasan porque se aplicaron al proceso equivocado: uno que se ejecuta tres veces al mes, que depende de criterios que nadie escribió nunca, o que simplemente no le dolía a nadie.

Antes de preguntarte qué herramienta usar, conviene hacerte una pregunta más aburrida pero mucho más rentable: ¿cuál de mis procesos actuales justifica el esfuerzo? Responder eso bien te ahorra meses de trabajo y conversaciones incómodas con dirección.

Este artículo propone un filtro concreto. No es una fórmula mágica, es un orden de preguntas que puedes aplicar en una reunión de dos horas con las personas que realmente ejecutan el trabajo.

Los cinco filtros que debe pasar un proceso

Un proceso es buen candidato para IA cuando cumple la mayoría de estas condiciones. No necesitas las cinco, pero si falla en tres o más, probablemente estés frente a un proyecto caro con poco retorno.

• **Volumen y repetición.** Ocurre decenas o cientos de veces por semana. Clasificar 400 correos diarios de soporte vale la pena; clasificar 12 no.

• **Datos disponibles y digitales.** Existe un historial en algún sistema, no en la cabeza de alguien ni en carpetas físicas. Si tienes tres años de tickets etiquetados, tienes materia prima. Si tienes un Excel que cada sucursal llena a su manera, primero toca ordenar.

• **Criterio describible.** Alguien puede explicar cómo se toma la decisión, aunque sea con reglas difusas. Si al preguntar “¿cómo decides esto?” la respuesta es “depende, uno ya sabe”, hay trabajo previo de documentación.

• **Tolerancia al error acotada.** Un error ocasional genera una molestia, no una demanda ni una pérdida grave. O existe un paso de revisión humana que lo atrapa antes de que salga.

• **Impacto medible.** Puedes nombrar la métrica que mejoraría: horas-persona, tiempo de respuesta, tasa de error, costo por transacción. Si no sabes qué número debería moverse, no sabrás si funcionó.

Casos donde la IA suele pagar rápido

En la práctica, hay familias de procesos que aparecen una y otra vez como primeras victorias en empresas medianas y grandes de la región. No son los más vistosos, pero son los que generan credibilidad interna para seguir invirtiendo.

• **Lectura y extracción de documentos.** Facturas de proveedores, guías de despacho, pólizas, contratos. Un equipo contable que digita 600 facturas mensuales puede pasar de 15 minutos por documento a 2 de revisión.

• **Clasificación y enrutamiento.** Correos, tickets, reclamos, postulaciones. El modelo no resuelve el caso, lo manda al equipo correcto con una prioridad sugerida.

• **Primera línea de atención.** Preguntas frecuentes sobre estado de pedidos, horarios, requisitos o políticas internas. Funciona bien cuando hay una base documental real y una vía de escalamiento clara a una persona.

• **Búsqueda interna de conocimiento.** Equipos técnicos o legales que pierden horas buscando en manuales, normativas o históricos. Un asistente sobre documentación propia reduce ese tiempo de forma notoria.

• **Generación de borradores.** Respuestas comerciales, descripciones de producto, resúmenes de reuniones. La clave es que siempre hay un humano que edita y aprueba.

Señales de que ese proceso no es para IA (al menos todavía)

Decir que no a tiempo es parte del trabajo. Estas son las banderas rojas más frecuentes que vemos al revisar iniciativas que ya venían con presupuesto asignado.

• **El proceso está roto, no lento.** Si las reglas de negocio son contradictorias o nadie está de acuerdo en cuál es el resultado correcto, la IA solo va a automatizar el desorden más rápido.

• **Una regla simple lo resuelve.** Si el 90% de los casos se decide con tres condiciones, escribe las tres condiciones. Una automatización tradicional cuesta una fracción y es auditable al 100%.

• **El costo del error es alto e irreversible.** Decisiones de crédito sin revisión, diagnósticos, despidos, cálculos tributarios definitivos. Ahí la IA puede apoyar, pero nunca decidir sola.

• **No hay datos, o están en papel.** Puedes construirlos, pero eso es un proyecto distinto, con otro plazo y otro presupuesto. Conviene llamarlo por su nombre.

• **Nadie es dueño del proceso.** Si no hay una persona con autoridad para cambiar cómo se trabaja, la solución técnica quedará sin adopción. Es el motivo más común de pilotos que mueren en diciembre.

• **Baja frecuencia.** Un proceso trimestral rara vez justifica el mantenimiento que exige un sistema con IA en producción.

Cómo priorizar cuando tienes diez candidatos

Cuando abres la conversación, casi siempre aparecen más ideas de las que puedes ejecutar. Una matriz simple ordena la discusión y evita que gane la idea del que habla más fuerte.

Pide a cada área que estime dos cosas por proceso: impacto anual aproximado (horas ahorradas × costo hora, o pérdidas evitadas) y dificultad de implementación (calidad de datos, integraciones necesarias, resistencia esperada). Ubica cada candidato en un cuadrante.

El primer proyecto debería salir del cuadrante de alto impacto y baja dificultad, aunque no sea el más interesante técnicamente. Necesitas un resultado visible en 8 a 12 semanas, no una plataforma perfecta en 18 meses.

Un ejemplo concreto: una distribuidora con 40 personas en back office listó ocho procesos. El más atractivo era un modelo de predicción de demanda; el que eligieron fue la validación automática de órdenes de compra contra el catálogo, que consumía 90 horas semanales entre tres personas. Salió en diez semanas, liberó al equipo y financió la conversación sobre demanda al año siguiente.

Define el éxito antes de empezar

Un piloto sin criterio de éxito escrito es un piloto que nunca termina. Antes de la primera línea de código, deja por escrito cuatro cosas: la métrica base de hoy, la meta, el plazo de evaluación y quién decide si continúa o se detiene.

También define el umbral de calidad aceptable. Un clasificador con 85% de acierto puede ser excelente si el 15% restante cae en una bandeja de revisión humana, y puede ser inaceptable si va directo al cliente. Esa conversación es de negocio, no de tecnología.

Y presupuesta el después. Un sistema con IA no es un proyecto que se entrega y se olvida: requiere monitoreo, reentrenamiento ocasional y ajustes cuando cambian los procesos o los proveedores. Si no hay quién lo cuide, el rendimiento se degrada en silencio durante meses.

Por último, cuida el lado humano. Las personas que mejor conocen el proceso son también las que más temen ser reemplazadas. Involucrarlas desde el diagnóstico, y ser honesto sobre qué cambia en su día a día, hace más por la adopción que cualquier demo.

Un punto de partida razonable

Si estás empezando, no necesitas una estrategia de IA corporativa. Necesitas una lista honesta de procesos, cinco filtros aplicados con rigor y un primer caso que puedas medir antes de fin de trimestre.

En Da2 Group acompañamos ese diagnóstico con frecuencia: mapear procesos, revisar la calidad real de los datos y separar lo que conviene automatizar de lo que conviene simplemente arreglar. A veces la recomendación es no usar IA todavía, y eso también es un resultado útil.

Si tienes un proceso en mente y quieres una segunda opinión antes de comprometer presupuesto, conversemos. Una hora de revisión suele aclarar bastante.