«Queremos ponerle IA» es hoy una de las frases más escuchadas en reuniones de negocio. Casi nunca viene acompañada de la pregunta que importa: ¿para resolver qué?
La inteligencia artificial, y en particular los modelos de lenguaje, son muy buenos en un tipo de trabajo y poco confiables en otro. Saber distinguirlos ahorra dinero y decepciones.
Dónde sí: lenguaje, clasificación y borradores
Los modelos actuales son fuertes cuando la tarea consiste en leer, resumir, clasificar o redactar.
- Atender consultas repetidas. Preguntas sobre horarios, estados de pedido o características de un producto, respondidas con información real del negocio.
- Clasificar lo que entra. Separar reclamos de consultas, detectar urgencias, derivar cada mensaje al área correcta.
- Extraer datos de documentos. Leer una factura, una orden de compra o un catálogo en PDF y pasar sus datos a un sistema.
- Redactar un primer borrador. Respuestas, descripciones de productos, resúmenes de reuniones. Una persona revisa y aprueba.
- Buscar en información propia. Encontrar la respuesta dentro de manuales, políticas o fichas técnicas en lugar de revisar carpetas.
El patrón común: mucho texto, reglas difíciles de escribir a mano y un margen de error tolerable o una persona que valida.
Dónde no: cálculos, reglas fijas y decisiones sin revisión
Hay tareas donde usar IA es complicar algo que ya tenía una solución mejor.
- Cálculos exactos. Un precio, un impuesto o un stock se calculan con código, no con un modelo que «estima». En un sistema de cotizaciones técnicas lo resolvimos así: la IA interpreta el pedido y las fórmulas calculan.
- Reglas que ya conocés. Si la regla es «si pasa X, hacer Y», eso es una automatización común: más barata, más rápida y siempre igual.
- Decisiones con consecuencias y sin supervisión. Aprobar un crédito, despedir, diagnosticar. La IA puede asistir; no debería decidir sola.
- Datos que no pueden salir de la empresa, salvo que la solución esté diseñada específicamente para eso.
Una buena prueba: si podés describir la solución como una lista de pasos fijos, no necesitás IA. Necesitás un sistema.
Dónde todavía no: cuando falta el orden previo
La IA no arregla el desorden. Lo amplifica. Antes de sumarla conviene revisar:
- ¿Los datos están ordenados? Un asistente que responde sobre productos necesita un catálogo correcto. Si el catálogo tiene precios viejos, las respuestas también.
- ¿El proceso está definido? No se puede automatizar con IA un proceso que cada persona hace distinto.
- ¿Hay a quién derivar? Un asistente necesita una salida clara hacia una persona cuando no sabe o no debe responder.
Muchas veces el proyecto correcto no es «poner IA», sino ordenar los datos y el proceso. La IA viene después, y funciona mucho mejor.
Cómo se ve una implementación sensata
Las integraciones de IA que funcionan en negocios reales suelen compartir estas características:
- Un alcance acotado. Una tarea concreta, no «un asistente que haga todo».
- Fuentes de datos controladas. El modelo responde con información de la empresa, no con lo que «recuerda».
- Límites explícitos. Qué puede responder, qué no y cuándo pasa la conversación a una persona.
- Registro de lo que hace. Para revisar, corregir y mejorar.
- Una forma de medir. Cuántas consultas resuelve, cuántas deriva, dónde se equivoca.
IA integrada, no IA por poner IA
La pregunta útil no es si una empresa debería usar inteligencia artificial. Es en qué parte de su operación hay texto, volumen y repetición suficientes como para que valga la pena, y si los datos y procesos están listos para sostenerla.
A veces la respuesta es un asistente conectado al catálogo y a WhatsApp. A veces es una automatización simple que no necesita ningún modelo. Y a veces es, primero, dejar de usar tres planillas distintas para lo mismo.
Las tres son buenas respuestas. La mala es implementar IA porque todos lo están haciendo.
Escrito por Burrow Labs.