Cómo implantar Inteligencia Artificial en una empresa: de cero a producción

Muchas empresas empiezan preguntando: ¿qué herramienta de IA deberíamos utilizar? La pregunta correcta suele ser otra: ¿qué problema estamos intentando resolver?

MAL ENFOQUE              MEJOR ENFOQUE

Herramienta              Problema
    ↓                        ↓
Buscar dónde             Proceso
utilizarla                   ↓
                         Datos
                             ↓
                         Tecnología

Implantar inteligencia artificial empieza por definir un problema empresarial, no por elegir un modelo.

Usar ChatGPT no es lo mismo que integrar IA

• Uso individual. Una persona utiliza una herramienta conversacional por su cuenta. Mejora su productividad, pero no cambia el proceso de la empresa.
• Uso asistido. La IA ayuda dentro de una tarea concreta: redactar, resumir, clasificar. La decisión sigue siendo humana.
• Automatización con IA. La IA forma parte de un workflow que se ejecuta sin intervención manual en el camino habitual.
• Agente IA. La IA puede utilizar herramientas autorizadas y ejecutar acciones dentro de límites definidos.
• Sistema empresarial con IA. La IA está integrada con datos, software, permisos, métricas y supervisión.

USO MANUAL
    ↓
ASISTENCIA
    ↓
AUTOMATIZACIÓN
    ↓
IA INTEGRADA
    ↓
AGENTES

Más autonomía requiere más control.

Elegir primero el producto obliga a forzar su encaje en procesos que quizá no estaban definidos. El síntoma habitual es una prueba piloto que funciona en la demostración y se abandona semanas después porque nadie sabe qué problema resolvía ni cómo medir su resultado.

Antes de hablar de IA hay que definir el objetivo. Por ejemplo:

• reducir tiempo administrativo
• responder más rápido
• mejorar la trazabilidad
• eliminar duplicidades
• organizar información dispersa
• aumentar capacidad operativa sin ampliar plantilla

“Queremos usar IA” no es un objetivo empresarial: no indica qué cambia, para quién ni cómo se comprobará.

ENTRADA
   ↓
PASOS
   ↓
PERSONAS
   ↓
SISTEMAS
   ↓
DECISIONES
   ↓
SALIDA

Preguntas útiles para documentarlo:

• ¿Quién inicia el proceso?
• ¿Qué información entra y en qué formato?
• ¿Quién interviene y en qué momento?
• ¿Qué aplicaciones se utilizan?
• ¿Qué decisiones existen y bajo qué criterio?
• ¿Dónde termina y qué se considera “resuelto”?

Si no entendemos el proceso actual, no podemos diseñar correctamente el futuro. Si un proceso no está suficientemente definido, automatizarlo puede aumentar la velocidad con la que se producen los errores.

Cuando sea posible, medir:

• frecuencia y volumen
• minutos por caso
• errores y retrabajo
• tiempos de espera
• coste operativo
• porcentaje de excepciones
• impacto en el cliente o en el equipo

Esa medición es la línea base (baseline): el estado del proceso antes de introducir cambios, que después permite comparar resultados.

• ¿Dónde está la información?
• ¿Está actualizada?
• ¿Está estructurada?
• ¿Está duplicada o contradicha en otro sitio?
• ¿Quién es responsable de mantenerla?
• ¿Puede accederse mediante API?

Si una base de conocimiento contiene documentos antiguos, versiones contradictorias o información incorrecta, un agente puede generar respuestas incorrectas incluso con un buen modelo. La calidad del sistema depende tanto de los datos como del modelo.

Criterios de evaluación:

• Impacto: ¿qué cambia si funciona?
• Frecuencia: ¿cuántas veces ocurre?
• Estandarización: ¿sigue patrones claros?
• Datos: ¿tenemos información fiable?
• Integración: ¿podemos conectar los sistemas?
• Riesgo: ¿qué ocurre si falla?
• Complejidad: ¿cuánto cuesta implementarlo?

                    IMPACTO
                       ↑
                       │
     PRIORIDAD         │     ESTRATÉGICO
     INICIAL           │
                       │
───────────────────────┼────────────→ COMPLEJIDAD
                       │
      POCO             │     EVALUAR
      PRIORITARIO      │     CON CUIDADO

Es una ayuda para conversar, no una metodología científica: la posición de cada proceso depende del criterio de quien lo conoce.

Una oportunidad no equivale a viabilidad confirmada.

¿EL PROCESO SIGUE REGLAS CLARAS?
│
├── SÍ → AUTOMATIZACIÓN
│
└── NO
     ↓
¿HAY QUE INTERPRETAR TEXTO, VOZ O DOCUMENTOS?
│
├── SÍ → IA + AUTOMATIZACIÓN
│
└── NO
     ↓
¿HAY QUE ELEGIR Y EJECUTAR ACCIONES?
│
├── SÍ → AGENTE IA
│
└── NO → REVISAR EL PROCESO

¿FALTA UNA INTERFAZ O SISTEMA CENTRAL?
→ SOFTWARE A MEDIDA

Cuándo no necesitas IA

No hace falta un modelo de lenguaje si las reglas son claras, los datos están estructurados y las acciones son deterministas.

IA + automatización

Cuándo puede tener sentido un agente

Cuando el sistema debe:

• interpretar contexto
• consultar varias fuentes
• elegir qué herramienta utilizar
• ejecutar acciones autorizadas
• reaccionar según el resultado obtenido

Cuándo utilizar voz

Cuando el teléfono es un canal relevante: reservas, citas, atención o solicitudes. No tiene sentido recomendar Voice AI a una empresa sin volumen telefónico suficiente.

Cuándo construir software

• varias herramientas no encajan entre sí
• falta una interfaz propia
• existen workflows específicos del negocio
• se necesita trazabilidad
• varios departamentos comparten el proceso

Tabla de decisión tecnológica

Orientativo. La arquitectura final depende del proceso.

¿Comprar, integrar o desarrollar?

¿EXISTE UNA HERRAMIENTA QUE RESUELVE EL PROBLEMA?
│
├── SÍ → USAR / CONFIGURAR
│
└── NO
     ↓
¿PODEMOS CONECTAR HERRAMIENTAS?
│
├── SÍ → INTEGRAR / AUTOMATIZAR
│
└── NO
     ↓
¿EL PROCESO JUSTIFICA DESARROLLO?
│
├── SÍ → SOFTWARE
│
└── NO → REPLANTEAR

USUARIO
   ↓
CANAL
   ↓
AGENTE / AUTOMATIZACIÓN
   ↓
API
   ↓
CRM / ERP / DATOS
   ↓
LOGS
   ↓
SUPERVISIÓN

• Canal: web, email, teléfono, formularios, software interno o mensajería. Determina el formato de entrada y las expectativas de respuesta.
• Agente o automatización: la lógica que interpreta y decide qué hacer con cada entrada.
• API: la frontera controlada hacia los sistemas de negocio; también donde se aplican validaciones y permisos.
• Datos y sistemas: CRM, ERP, agenda, base documental. Son la fuente de verdad, no el modelo.
• Logs y supervisión: registro de qué se pidió, qué se decidió y qué se ejecutó, para poder auditar y corregir.

La elección de modelo se hace según capacidad, coste, velocidad, privacidad, ventana de contexto y herramientas soportadas. Ningún proveedor es siempre la mejor opción: depende del caso de uso y de los requisitos de tratamiento de datos.

Un agente puede utilizar herramientas para consultar el CRM, la agenda, bases de datos, documentos o APIs. Cada herramienta añadida incrementa la superficie de riesgo y debe justificarse.

Dar a la IA solo lo que necesita

Principio de mínimo privilegio. Un agente de reservas puede necesitar agenda y disponibilidad; no necesita nóminas, contabilidad ni administración completa.

Evaluar, como mínimo:

• qué datos se tratan y con qué base
• qué permisos y credenciales se conceden
• qué acciones puede ejecutar el sistema
• qué proveedores intervienen
• qué ocurre ante un error
• qué se registra en logs
• quién supervisa y con qué frecuencia

Documentar un inventario de sistemas de IA resulta útil:

Sistema
Proveedor
Finalidad
Datos
Usuarios
Permisos
Responsable
Nivel de supervisión

Una empresa debería poder responder:

• ¿Qué IA usamos?
• ¿Para qué?
• ¿Quién es responsable?
• ¿Qué datos utiliza?
• ¿Qué ocurre si falla?
• ¿Cómo se detiene?

La normativa aplicable depende del sistema, su finalidad, los datos tratados y el nivel de riesgo.

Un buen piloto tiene alcance limitado, usa datos reales controlados, tiene una métrica, contempla excepciones y tiene un responsable.

UN PROCESO
    +
UN EQUIPO
    +
UN OBJETIVO
    +
UNA MÉTRICA

AUTOMATIZAR TODA LA EMPRESA

Un piloto de IA debería tener un alcance limitado, una métrica definida y una forma clara de volver al proceso manual.

No basta con probar el camino feliz. Conviene probar:

• datos incompletos o mal formateados
• errores y tiempos de espera de las APIs
• respuestas ambiguas del usuario
• sistemas caídos
• permisos insuficientes
• entradas maliciosas
• usuario que solicita hablar con una persona
• acción solicitada que no está permitida

En agentes, además, conviene comprobar el comportamiento cuando:

• se selecciona una herramienta que no corresponde
• se envían parámetros incorrectos
• se intenta influir en las instrucciones del sistema (prompt injection)
• se intenta acceder a datos fuera del alcance autorizado
• se producen bucles de razonamiento o llamadas repetidas
• se ejecutan acciones duplicadas

Antes de abrir el sistema a uso real hacen falta:

• propietario identificado
• logs de peticiones y acciones
• alertas ante fallos
• rollback
• límites de uso y de coste
• métricas
• soporte para incidencias

Debe existir siempre una forma de detener el sistema, desactivarlo y volver al proceso manual si falla.

IA
 ↓
NO PUEDE RESOLVER
 ↓
HUMANO

Eso no es un fracaso del sistema: es arquitectura.

Medir tiempo, errores, coste, tiempo de respuesta, derivaciones, adopción, disponibilidad y fallos.

Métricas de automatización

• ejecuciones
• tasa de éxito
• fallos
• tiempo por tarea
• excepciones

Métricas de agentes

• solicitudes
• acciones ejecutadas
• resoluciones
• derivaciones a persona
• errores
• acciones rechazadas

Métricas de voz

• llamadas atendidas
• duración
• resoluciones
• transferencias
• errores
• acciones ejecutadas

Los valores de referencia dependen de cada empresa y de cada proceso: conviene comparar contra la propia línea base, no contra cifras genéricas del mercado.

1 PROCESO
   ↓
MEDIR
   ↓
MEJORAR
   ↓
2º PROCESO
   ↓
INTEGRAR
   ↓
ESCALAR

En lugar de:

1 DEMO
   ↓
50 AUTOMATIZACIONES

La capacidad para escalar IA depende de la madurez de procesos, datos, personas y gobierno.

• decisiones de alto impacto sobre personas o contratos
• procesos con excepciones constantes
• procesos no definidos
• procesos con datos muy pobres
• procesos con poco volumen
• procesos con consecuencias graves ante un error
• situaciones que requieren empatía o negociación

1. 1. Empezar por la herramienta

   Se elige un producto y después se busca dónde encajarlo. El resultado suele ser una tecnología sin proceso detrás.

2. 2. No medir el proceso

   Sin línea base no se puede demostrar mejora ni justificar la inversión posterior.

3. 3. Intentar automatizar demasiado

   Abarcar varios departamentos a la vez multiplica excepciones, integraciones y puntos de fallo.

4. 4. Utilizar datos desordenados

   Documentos duplicados, versiones contradictorias o información desactualizada producen respuestas incorrectas.

5. 5. Dar demasiados permisos

   Cada permiso concedido amplía la superficie de riesgo. El acceso debe ser el mínimo necesario.

6. 6. No definir excepciones

   Los procesos reales tienen casos raros. Si no están previstos, el sistema falla precisamente donde importa.

7. 7. No tener responsable

   Un sistema sin propietario no se supervisa, no se mejora y no se detiene a tiempo cuando falla.

8. 8. No formar al equipo

   La adopción real depende de que las personas entiendan qué hace el sistema, qué no hace y cuándo intervenir.

9. 9. No medir resultados

   Sin métricas posteriores no se sabe si el proyecto ha aportado valor o solo ha cambiado la forma de trabajar.

10. 10. Confundir una demo con producción

    Una demostración no necesita logs, alertas, permisos, rollback ni soporte. Un sistema en uso, sí.

11. 11. Pensar que todo necesita IA

    Buena parte de los problemas operativos se resuelven mejor con reglas, integraciones o un cambio de proceso.

01 PROBLEMA
   ↓
02 PROCESO
   ↓
03 MEDIR
   ↓
04 DATOS
   ↓
05 PRIORIZAR
   ↓
06 TECNOLOGÍA
   ↓
07 ARQUITECTURA
   ↓
08 SEGURIDAD
   ↓
09 PILOTO
   ↓
10 TEST
   ↓
11 PRODUCCIÓN
   ↓
12 MEDIR
   ↓
13 ESCALAR

Definiciones

Automatización empresarial

Uso de reglas, integraciones o software para ejecutar tareas de un proceso con menor intervención manual.

IA integrada

Uso de modelos de inteligencia artificial dentro de un workflow empresarial para interpretar, generar o clasificar información.

Agente IA

Sistema capaz de interpretar contexto y utilizar herramientas autorizadas para realizar acciones dentro de límites definidos.

Human-in-the-loop

Diseño en el que determinadas decisiones o acciones requieren revisión o intervención humana.

Baseline

Medición del proceso antes de introducir cambios, utilizada posteriormente para comparar resultados.

Definiciones ampliadas de conceptos como RAG, agente IA o evals en el Glosario de Inteligencia Artificial para Empresas.

1. 1 · Descubrir

   Mapa de oportunidades de automatización

2. 2 · Medir

   Calculadora de automatización

3. 3 · Evaluar

   Diagnóstico de madurez IA