La pregunta llega casi siempre igual: "¿esto se puede hacer con IA?".
Y casi siempre la respuesta es sí. Pero se puede no es lo mismo que conviene. Buena parte de nuestro trabajo en los primeros encuentros consiste en separar una cosa de la otra, porque un proyecto de IA que no debería haber existido no fracasa el día uno: fracasa a los ocho meses, cuando ya se gastó el presupuesto.
El filtro que aplicamos primero
Antes de hablar de modelos, miramos tres cosas del proceso:
¿Es repetitivo y tiene volumen? Automatizar algo que pasa dos veces por mes casi nunca se paga. No por el costo de construirlo, sino por el de mantenerlo: todo sistema hay que actualizarlo, monitorearlo y arreglarlo cuando cambia algo alrededor. Sin volumen, ese mantenimiento pesa más que el ahorro.
¿Las reglas están escritas en algún lado, o viven en la cabeza de alguien? Si el proceso ya está documentado paso a paso y no tiene ambigüedad, muchas veces no necesitás IA: necesitás automatización clásica, que es más barata, más rápida, más predecible y no alucina. La IA gana cuando hay que interpretar algo: texto libre, un documento con formato variable, una consulta escrita por una persona.
¿Cuánto cuesta una respuesta equivocada? Este es el que más define el diseño. No es lo mismo clasificar mal un correo comercial que mandarle a un paciente la información equivocada. Cuanto más caro es el error, más humano tiene que haber en el circuito.
La trampa del "ahorra tiempo"
Cuando alguien dice "esto nos ahorraría un montón de tiempo", la pregunta que sigue es: ¿tiempo de quién, y para hacer qué?
Si el proceso lo hace una persona 20 minutos por día, automatizarlo no le devuelve 20 minutos útiles. Le devuelve 20 minutos fragmentados a lo largo del día, que probablemente se llenen solos. El ahorro real aparece cuando pasa alguna de estas dos cosas:
- El volumen es tal que hay gente dedicada full time a eso.
- El proceso es un cuello de botella: no importa cuánto tiempo consume, sino que mientras no se hace, todo lo demás espera.
El segundo caso es el más interesante y el más fácil de pasar por alto. Un proceso que consume dos minutos pero que sólo puede hacer una persona, y que frena la operación cuando esa persona está en otra cosa, vale más automatizarlo que uno que consume horas pero no bloquea a nadie.
Lo que aprendimos haciendo esto
En un proyecto de salud, el circuito era así: ante cada consulta de un paciente, el protocolo obligaba a mandar información específica. Repetitivo, con volumen y con un costo de error alto.
Lo que hizo la diferencia no fue el modelo. Fue haber entendido que el problema no era escribir el mensaje, sino decidir cuál correspondía. Esa distinción cambia todo el diseño: si el trabajo pesado es la decisión, la automatización tiene que enfocarse ahí y dejar el envío como algo trivial. Si uno se equivoca de lugar, construye un generador de textos muy lindo que no resuelve el cuello de botella.
Por eso insistimos tanto con entender el proceso antes de proponer tecnología. Es más lento al principio y ahorra meses después.
Cuándo decimos que no
Somos bastante explícitos con esto, y a veces incomoda:
- Cuando no hay datos. Un modelo que aprende de tu operación necesita historial. Si nunca se registró nada, el primer proyecto no es de IA: es empezar a registrar.
- Cuando el proceso está roto. Automatizar un proceso malo da un proceso malo más rápido. Primero se arregla, después se automatiza.
- Cuando la respuesta correcta es un
if. Si hay cinco reglas fijas y no cambian, cinco reglas fijas es la solución. Meter un modelo ahí agrega costo, latencia e incertidumbre a cambio de nada. - Cuando nadie se va a hacer cargo. Todo sistema de IA se degrada: cambian los datos, cambia el negocio, cambia el proveedor del modelo. Si no hay alguien que lo mire cada tanto, va a fallar en silencio.
El orden que recomendamos
- Entender el proceso de punta a punta, con la gente que lo hace.
- Medirlo. Cuánto volumen, cuánto tarda, dónde se traba, qué pasa cuando falla.
- Preguntarse si hace falta IA o alcanza con automatización clásica.
- Si hace falta, empezar por el pedazo más caro del proceso, no por el más vistoso.
- Dejar a una persona en el circuito hasta que los números digan que ya no hace falta.
No es glamoroso, pero es lo que hace que un proyecto siga funcionando al año.
En nuestros casos de IA mostramos proyectos donde esto se aplicó de verdad. Si tenés un proceso en la cabeza y no sabés si califica, contanos y lo miramos juntos.
