Llevamos año y medio entrando en empresas que ya habían probado la inteligencia artificial. La conversación empieza casi siempre igual: «lo probamos, funcionaba bien en las pruebas, y luego se quedó ahí». Cuando rascas, la herramienta suele ser correcta. Lo que no funciona es el sitio donde la metieron.
Un piloto no es una operación
Un piloto se hace con tres personas motivadas, con los casos fáciles y con alguien de sistemas atento por si algo se rompe. La operación real es otra cosa: cuarenta personas con prisa, casos raros todos los días y nadie mirando. Un asistente que acierta el 85 % de las veces es un éxito en la demostración y un problema en producción, porque nadie ha decidido qué se hace con el 15 % restante.
Ese es el punto exacto donde se mueren la mayoría de proyectos. No en el modelo, sino en la ausencia de una respuesta a preguntas muy poco tecnológicas: quién revisa, con qué criterio, en cuánto tiempo y qué pasa si el revisor no está.
Los cuatro sitios donde se atasca
- Nadie tiene el proceso entero. Cada departamento controla su tramo y el problema vive en los saltos. La IA se coloca dentro de un tramo, mejora ese tramo y el resultado global no se mueve.
- El proceso original era malo. Se automatiza tal cual y se consigue equivocarse más rápido y con mejor presentación.
- No hay línea base. Nadie midió cuánto tardaba antes, así que a los tres meses la discusión sobre si ha mejorado es una discusión de opiniones.
- Nadie cambió de trabajo. A la gente se le pidió usar una herramienta nueva, pero sus tareas, sus objetivos y sus reuniones siguen siendo las mismas. Con la agenda llena, la herramienta es lo primero que cae.
La prueba del segundo mes
Hay una manera rápida de saber si un proyecto de IA va a aguantar: mira cuánta gente lo está usando ocho semanas después del lanzamiento, sin que nadie se lo recuerde. Si el número ha bajado respecto a la primera semana, el problema no es el modelo. Es que el trabajo de esas personas no cambió.
Si a las ocho semanas el uso ha caído, no compres un modelo mejor. Vuelve al proceso.
Qué hacemos distinto
Nosotros no empezamos preguntando qué herramienta quieres. Empezamos recorriendo el proceso de punta a punta con las personas que lo ejecutan, midiendo cuánto tarda hoy y anotando dónde se atasca de verdad. Muchas veces la conclusión es que hay dos pasos que sobran y que eliminarlos vale más que cualquier modelo.
Cuando la IA sí aporta, el trabajo consiste en reconstruir el camino entero: qué hace la máquina, qué hace la persona, dónde se pasan el trabajo, qué se registra y qué pasa cuando algo sale mal. Y en formar a quien va a ejecutarlo mientras se construye, no en una sesión de dos horas cuando ya está terminado.
No es más caro. Suele ser más barato, porque la mitad de las ideas se caen antes de que nadie escriba una línea de código.