De qué hablamos
La automatización con IA añade a la automatización de siempre una capacidad nueva: interpretar texto, documentos o voz. Donde antes hacía falta una persona para leer un correo y entender qué pide, ahora un modelo de lenguaje puede clasificarlo, extraer los datos y proponer la respuesta.
Bajo este nombre caben tres encargos distintos. La consultoría de IA decide dónde aplicarla y con qué prioridad. Un asistente responde preguntas sobre la información de la empresa. Y los agentes de IA ejecutan tareas de varios pasos en los programas que ya usas.
Cuándo se plantea
Tiene sentido cuando el cuello de botella es leer y decidir, no teclear: un buzón de atención que recibe siempre las mismas preguntas, documentos de proveedores que llegan cada uno con su formato, conocimiento de la empresa repartido en manuales que nadie encuentra, ofertas que se redactan una y otra vez a partir de las anteriores. Si el proceso tiene reglas fijas y datos ordenados, la automatización de procesos clásica es más simple y más predecible.
Qué incluye un proyecto bien planteado
- Una fase de diagnóstico: qué casos hay, cuáles valen la pena y con qué datos se cuenta.
- Una prueba acotada con datos reales, que mida cuánto acierta antes de invertir más.
- La conexión con la información de la empresa: documentos, bases de datos, programas de gestión.
- Límites claros: qué puede hacer sola y qué necesita la revisión de una persona.
- Tratamiento de los datos: dónde se procesan, qué se guarda y quién accede.
- Un registro de lo que responde o ejecuta, para poder revisarlo y corregirlo.
- Formación de las personas que van a trabajar con ella.
Qué mueve el precio
- Si es consultoría, prueba o desarrollo completo: son tres encargos de tamaño muy distinto.
- El estado de los datos: documentación dispersa o desactualizada hay que ordenarla antes.
- Las integraciones con los programas donde tiene que leer o actuar.
- El nivel de acierto exigido: afinar los últimos casos difíciles cuesta más que resolver la mayoría.
- El coste de uso de los modelos, que es recurrente y crece con el volumen.
- La supervisión: los circuitos de revisión humana también se diseñan y se construyen.
De qué depende el plazo
Un diagnóstico o una prueba de concepto son trabajos cortos; llevar un caso a producción, conectado a los sistemas de la empresa y con sus controles, lleva más. El plazo depende de lo accesibles que estén los datos y de cuánto tarde la empresa en validar los resultados de la prueba. Lo habitual en una propuesta sensata es separar las fases y decidir después de cada una si se sigue.
Lo que suele complicarse
Estos proyectos se tuercen por expectativas, no por tecnología: se espera que acierte siempre, y un modelo de lenguaje se equivoca a veces y lo hace con seguridad. Hay que decidir de antemano qué error es tolerable y dónde tiene que mirar una persona. También se complican cuando los datos de la empresa no están donde se creía, o cuando nadie ha preguntado qué pasa con la información que se envía a un proveedor externo.
Errores que salen caros
- Empezar por la herramienta. «Queremos un agente» no es un proyecto; «queremos dejar de clasificar a mano este buzón» sí.
- Saltarse la prueba. Sin medir con datos propios, no se sabe si el caso funciona.
- Darle permisos de más. Un agente que puede enviar, borrar o pagar sin revisión es un riesgo innecesario.
- No calcular el coste de uso. Lo que en la prueba es poco, con todo el volumen puede no serlo.
- Olvidar a quien lo va a usar. Si el equipo no se fía, vuelve al método anterior.
Qué te tiene que quedar por escrito
- El caso concreto, cómo se medirá el acierto y qué resultado se considera suficiente.
- Qué proveedor de modelos se usa, dónde se procesan los datos y si se conservan.
- Qué acciones puede ejecutar por sí sola y cuáles requieren aprobación.
- El coste recurrente estimado y de qué depende.
- De quién son las instrucciones, las integraciones y los datos preparados durante el proyecto.
Situaciones habituales
Ejemplos de lo que cabe aquí: un despacho que quiere buscar en sus propios expedientes con preguntas en lenguaje natural; un servicio técnico que recibe avisos por correo y necesita abrir la incidencia con los datos ya extraídos; un departamento de compras que compara ofertas en formatos distintos; o una empresa que no sabe por dónde empezar y pide primero una consultoría de IA que ordene las posibilidades.
Qué preparar antes de pedir propuesta
- El proceso o la pregunta de negocio, sin pensar todavía en la solución.
- Ejemplos reales: correos, documentos o consultas como los que tendría que tratar.
- Dónde está la información y en qué formato.
- Qué datos sensibles o personales hay de por medio.
- Qué error sería aceptable y cuál no.