Hablar de inteligencia artificial no ayuda a decidir qué cambiar el lunes por la mañana. La pregunta práctica es otra: ¿qué tarea concreta consume tiempo, se repite y podría mejorar sin trasladar el coste a las personas que la hacen o reciben?
1. Describe el trabajo antes de elegir la herramienta
Anota quién inicia el proceso, qué información necesita, qué resultado produce y qué excepciones aparecen. Si el proceso cambia cada vez o nadie puede explicar cómo se decide, automatizarlo primero puede amplificar la confusión. Empieza por una tarea acotada, no por “transformar toda la empresa”.
2. Escoge un caso pequeño y reversible
Busca una fase donde la IA pueda proponer, clasificar o resumir y una persona pueda comprobar el resultado antes de que afecte a un cliente, empleado o decisión importante. Deja fuera datos personales o confidenciales hasta tener una base legítima y controles adecuados. Define de antemano qué casos deben escalarse a una persona.
3. Mide la situación actual
Durante una muestra representativa, registra cuánto tarda la tarea, cuánto trabajo requiere corregir errores, qué volumen procesa y qué fricciones señalan quienes participan. Elige pocas medidas que importen para ese trabajo. Sin una referencia previa, no se puede afirmar honestamente que la IA haya ahorrado tiempo o mejorado el servicio.
4. Haz una prueba supervisada
Compara el proceso habitual con la propuesta asistida usando casos reales apropiados, revisados y protegidos. Comprueba también las excepciones, no solo los ejemplos fáciles. Cuenta el tiempo de verificación, los errores, el coste de operación y la experiencia de las personas. La velocidad de generar una respuesta no equivale a completar bien el trabajo.
5. Decide con evidencia, incluso si la respuesta es no
Amplía solo si el resultado mejora el proceso completo y los riesgos se pueden controlar. Si aumenta la carga de revisión, confunde a clientes o depende de datos que no deben compartirse, cambia el diseño o detén la prueba. Documenta quién responde por el resultado y cómo se vuelve al proceso anterior.
Una buena primera experiencia con IA no necesita ser espectacular: debe resolver una fricción real, ser comprensible para el equipo y demostrar su valor con medidas acordadas antes de empezar. La tecnología es una opción; el objetivo es que el trabajo funcione mejor para las personas.