Hay dos formas de gastarse el dinero en IA. Una es no hacer nada y que te coma la competencia. La otra, mucho más frecuente, es hacer un proyecto ambicioso de seis meses que acaba sin usarse.
Este es el método con el que evitamos la segunda.
La pregunta que hay que hacerse primero
No es «qué puede hacer la IA por mi empresa». Es «qué tarea repetitiva le está comiendo horas a mi gente».
Las dos preguntas parecen la misma y llevan a sitios opuestos. La primera lleva a un proyecto vistoso. La segunda lleva a un ahorro medible.
Lo aburrido es lo que rinde
Los casos que vemos funcionar una y otra vez en empresas pequeñas:
Leer correos y estructurarlos. Llega una petición escrita en lenguaje normal —«somos cuatro, para el puente, presupuesto de unos 2.000»— y se convierte en un registro con sus campos rellenos. Ahorro típico: 10 a 15 minutos por petición.
Extraer datos de documentos. La factura del proveedor en PDF, el albarán, el bono, el contrato. Alguien los abre y teclea importes y fechas en el sistema. Ahorro: 5 a 8 minutos por documento.
Clasificar y enrutar. Correos entrantes, incidencias, solicitudes. Decidir a quién le toca cada cosa.
Redactar borradores. La propuesta comercial, el resumen de la reunión, la respuesta estándar. Nunca para enviar sin revisar: para no partir de una página en blanco. Ahorro: 20 a 30 minutos por documento.
Buscar en lo propio. Preguntar en lenguaje normal sobre tus contratos, manuales o expedientes, y que te devuelva el párrafo exacto con su fuente.
Ninguno de estos es espectacular. Todos son rentables.
Lo que casi nunca sale
«Un asistente que lo sepa todo de la empresa». Suena bien y no tiene un dueño ni una métrica. Los proyectos sin métrica no se pueden evaluar, así que nunca se pueden dar por buenos ni por malos: simplemente se apagan en silencio.
Predicción con pocos datos. Predecir demanda o rotación exige un histórico limpio y voluminoso. Si llevas dos años con datos irregulares, no hay modelo que lo arregle.
Sustituir por completo la atención al cliente. La IA resuelve muy bien las preguntas frecuentes. Cuando intenta resolverlo todo, el cliente se frustra y la marca paga la factura.
Automatizar un proceso que está mal. Si el proceso es confuso, automatizarlo lo hace confuso y rápido.
El método, en cuatro pasos
1. Diagnóstico (una semana)
Se mapea dónde se va el tiempo. No por intuición: preguntando y midiendo. De ahí salen tres candidatos priorizados por volumen × tiempo por operación × facilidad.
Un caso que ahorra 3 minutos pero ocurre 200 veces al día vale más que uno que ahorra una hora y ocurre una vez al mes.
2. Piloto (dos semanas)
Un caso, en producción, con datos reales y usuarios reales. No una demostración con datos de ejemplo: eso siempre funciona y no demuestra nada.
Dos semanas es suficiente para la inmensa mayoría de los casos útiles. Si un caso necesita seis meses de piloto, probablemente no es el caso por el que hay que empezar.
3. Medición
Antes y después, con el mismo criterio. Minutos por operación, errores, tiempo de respuesta. Números, no impresiones.
Aquí es donde se cae la mitad de los proyectos, y está bien que se caigan: han costado dos semanas y no seis meses.
4. Ampliar o parar
Si los números salen, se amplía al resto de casos. Si no salen, se para y se dice claramente. Esta parte casi nadie la ofrece, y es la que más dinero ahorra.
Las tres preguntas incómodas
¿Y si se inventa las respuestas?
Es el riesgo real y se gestiona con arquitectura, no con optimismo:
- El agente responde sobre documentos concretos tuyos y cita la fuente, de forma que se puede comprobar.
- Para cualquier acción con consecuencias —emitir, enviar, confirmar, pagar— siempre aprueba una persona.
- Se mide la tasa de error como parte del piloto, no se asume que es cero.
¿Mis datos entrenan modelos ajenos?
Con las APIs comerciales, los acuerdos empresariales excluyen el uso para entrenamiento. Si eso no basta para tu sector —despachos, clínicas, asesorías—, la alternativa es desplegar modelos abiertos en tu propia infraestructura, donde ningún dato sale de tu red.
Es peor en rendimiento por euro y mejor en tranquilidad. Para algunos sectores, eso no se negocia.
¿Voy a tener que despedir a alguien?
En las pymes que hemos visto, no. Lo que pasa es que la misma gente deja de dedicar horas a teclear datos y las dedica a lo que sí requiere criterio. En una empresa que crece, eso es capacidad extra, no personal sobrante.
Si tu plan explícito es reducir plantilla, dilo desde el principio, porque cambia mucho cómo se plantea el proyecto y cómo lo recibe el equipo.
Cuánto cuesta esto de verdad
| Precio | |
|---|---|
| Diagnóstico (una semana, tres casos priorizados con ROI) | 950 € |
| Piloto de un caso en producción (dos semanas) | 4.500 € |
| Caso completo en producción | 3.500–12.000 € + 200–500 €/mes |
| IA privada on-premise | Desde 15.000 € |
El coste mensual recurrente es real y conviene no olvidarlo: los modelos se pagan por uso, y un agente que procesa cientos de documentos al día consume.
La señal de que vas bien
Si a las cuatro semanas del piloto tu equipo protesta cuando el agente deja de funcionar, el proyecto ha salido. Esa es la única métrica cualitativa que vale algo.
Si nadie se entera de que está caído, ya sabes lo que tienes.
Nuestro diagnóstico de IA cuesta 950 €, dura una semana y termina con tres casos priorizados y su retorno estimado. Si ninguno compensa, te lo decimos.