01 / 09Qué hace bien la IA hoy (y qué no)
Los modelos de lenguaje actuales son muy buenos en tareas que consisten en leer, entender y producir texto. Y la mayoría del trabajo de oficina que se repite es exactamente eso: leer un correo para saber a quién va, copiar los datos de una factura, resumir una llamada, contestar la misma pregunta por décima vez.
Hace bien
- Clasificar correos, mensajes y solicitudes
- Extraer datos de documentos
- Resumir llamadas, reuniones y conversaciones
- Redactar borradores a partir de datos
- Atender preguntas frecuentes con contexto
- Buscar en documentación interna
No hace bien (o no debe hacer sola)
- Acertar siempre: se equivoca, a veces con seguridad
- Decidir sin datos o sin criterios claros
- Arreglar un proceso que no existe
- Sustituir el juicio en decisiones delicadas
- Saber lo que no está en tus sistemas
02 / 09Lo que no hace falta para empezar
Mucha empresa mediana aparca la IA porque cree que necesita cosas que, para un primer caso, no necesita:
- Un modelo propio. Los modelos disponibles en el mercado sirven para la gran mayoría de casos de empresa. Lo que marca la diferencia es el contexto que les das y cómo los integras.
- Un equipo de ciencia de datos. Hace falta alguien que entienda el proceso y alguien que sepa integrarlo en tus sistemas. Pueden ser tu responsable de área y un proveedor.
- Tener todos los datos perfectos. Hace falta que los datos que usa ese caso concreto estén razonablemente ordenados. No todos los de la empresa.
- Una estrategia de IA de cien páginas. Un caso bien elegido, medido y en producción enseña más que cualquier documento.
Lo que sí hace falta es un proceso claro. Si hoy cada persona hace la tarea a su manera, el primer paso no es la IA: es ponerse de acuerdo en cómo se hace. A menudo, al ordenar el proceso aparece también una automatización sin IA que resuelve buena parte del problema.
03 / 09Cómo elegir el primer caso
El primer proyecto de IA tiene que salir bien, porque de él depende que haya un segundo. Buscamos casos que cumplan estas cinco condiciones:
- Se repite mucho: alguien lo hace muchas veces a la semana.
- Es sobre texto o documentos: correos, mensajes, PDF, llamadas transcritas.
- El criterio se puede explicar: si no sabes explicar a una persona nueva cómo se hace, la IA tampoco lo hará bien.
- Un error se puede detectar y corregir: al principio, alguien revisa.
- El resultado entra en un sistema: el dato acaba en el CRM, el ERP o una tarea, no en un chat que nadie vuelve a mirar.
| Caso | Qué hace la IA | Dónde acaba | Quién revisa |
|---|---|---|---|
| Correos entrantes de un buzón general | Clasifica por tipo y prioridad | Tarea o ticket asignado | El equipo, si la confianza es baja |
| Facturas y albaranes de proveedores | Extrae proveedor, importes y líneas | Borrador en el ERP | Administración, antes de contabilizar |
| Llamadas comerciales | Resume y extrae próximos pasos | Nota y tarea en la ficha del CRM | El comercial, de un vistazo |
| WhatsApp fuera de horario | Responde, cualifica y propone cita | Lead y cita en el CRM | El equipo, a primera hora |
| Documentación interna | Responde preguntas citando la fuente | Respuesta al empleado | El propio empleado, con el enlace |
04 / 09Sin contexto no hay IA útil
Un modelo de IA sabe mucho del mundo en general y nada de tu empresa. Para que clasifique bien un correo necesita saber qué departamentos tienes; para responder a un cliente necesita su historial, sus pedidos y tus condiciones. Por eso la IA útil casi siempre está conectada a tus sistemas.
- Datos del CRM: quién es el cliente, qué ha comprado, qué conversaciones hay abiertas.
- Documentación: condiciones, catálogo, procedimientos, preguntas frecuentes, bien ordenadas y actualizadas.
- Reglas: qué puede decir y qué no, cuándo tiene que pasar a una persona.
La consecuencia práctica es que un proyecto de IA suele ser, en buena parte, un proyecto de integración: leer del CRM, escribir en el ERP, crear una tarea, registrar la conversación. Si tus sistemas ya están conectados entre sí, añadir IA es mucho más sencillo. Si no lo están, a veces el primer paso es conectarlos.
Y un detalle que se olvida: la documentación que usa la IA hay que mantenerla. Si cambian las condiciones de envío y nadie actualiza el documento, el bot seguirá contando las antiguas con total seguridad. Asigna un responsable, igual que harías con la web.
05 / 09Una persona en el bucle
La IA se equivoca. No siempre, pero lo suficiente como para que el diseño tenga que contarlo. La forma más sensata es que la IA proponga y que una persona valide, al menos al principio y siempre en los casos dudosos.
- 01Entradacorreo, documento, llamada
- 02La IA proponeclasificación o datos
- 03¿Confianza suficiente?regla definida
- 04Persona validasolo si hace faltano
- 05Sistema registraCRM, ERP, tareaconfirmado
- Define qué puede hacer la IA sola (clasificar, resumir) y qué necesita validación (contabilizar una factura, comprometer una fecha).
- Haz que la validación sea rápida: la persona ve la propuesta y confirma o corrige con un clic.
- Guarda las correcciones: son la mejor información para mejorar el sistema.
- En la atención a clientes, deja siempre una salida clara a una persona.
06 / 09Datos, privacidad y normativa
Usar IA con datos de clientes o empleados tiene implicaciones de protección de datos, igual que cualquier otro tratamiento. Algunas pautas generales:
- Nada de herramientas personales con datos de la empresa: el empleado que pega el correo de un cliente en un chat gratuito está compartiendo datos personales con un tercero sin control.
- Proveedores con condiciones claras sobre dónde se tratan los datos y si se usan para entrenar modelos.
- Solo los datos necesarios: si para clasificar un correo no hace falta el DNI, que no viaje.
- Transparencia: si un cliente habla con un bot o un agente de voz, tiene que saberlo. El Reglamento europeo de IA incluye obligaciones de transparencia de este tipo.
- Registro de lo que hace la IA, para poder revisar una decisión si alguien la cuestiona.
07 / 09Un piloto que se pueda medir
Un piloto sirve para decidir si seguir, ajustar o parar. Para eso tiene que medir algo, y la medida tiene que tomarse antes de empezar.
- Elige un proceso y un equipo. Uno solo.
- Mide cómo está hoy: cuánto se tarda, cuántos errores hay, cuánto espera el cliente. Con los datos de tus sistemas o, si no los hay, con una muestra tomada a mano.
- Define qué sería un éxito antes de ver resultados.
- Monta el caso dentro del sistema donde trabaja el equipo, con validación humana.
- Revisa los resultados y las correcciones con el equipo que lo usa.
- Decide: extender, ajustar o parar. Parar también es un buen resultado si evita invertir en algo que no aporta.
Si quieres estimar lo que cuesta hoy una tarea manual repetitiva, puedes usar nuestra calculadora: los números los pones tú, con tus datos.
08 / 09Qué preguntar a un proveedor
Si vas a contar con alguien de fuera (nosotros u otro), estas preguntas separan rápido a quien ha puesto IA en producción de quien solo la ha enseñado en una demo:
- ¿Dónde acaba el resultado? ¿En mi CRM o ERP, o en una herramienta aparte?
- ¿Qué pasa cuando la IA no está segura? ¿Quién revisa y cómo?
- ¿Qué datos salen de mis sistemas, hacia qué proveedor y con qué condiciones?
- ¿Cómo vamos a medir si funciona? ¿Con qué datos de partida?
- ¿Qué pasa si el modelo que usamos cambia o se retira? ¿Podemos cambiar de modelo?
- ¿Quién mantiene el sistema cuando cambian mis procesos o mi documentación?
Nosotros trabajamos la IA dentro de los sistemas del cliente, no como herramienta suelta, y usamos nuestros propios productos en producción. Lo contamos en IA aplicada.
