Por qué mueren los pilotos

El patrón se repite: un equipo construye una demostración impresionante, la dirección se entusiasma, y seis meses después el proyecto está detenido. Las causas casi siempre son las mismas tres.

  • No había una métrica de negocio definida antes de empezar. Sin una línea base —horas, pesos, tasa de error— es imposible demostrar mejora, y lo que no se demuestra no se presupuesta.
  • Los datos no estaban donde se creía. Dispersos, sin permisos claros o con calidad insuficiente. La preparación de datos suele ser el 70% del trabajo real.
  • Nadie era dueño del proceso. La automatización cambia cómo trabaja un área; si esa área no participó desde el diseño, el resultado se rechaza.

Los casos con mejor historial

Procesamiento de documentos

Extraer datos estructurados de facturas, contratos, pólizas, expedientes o comprobantes. Es el caso de uso con retorno más consistente porque el proceso manual es medible al centavo y el error humano es alto. Funciona especialmente bien en operaciones con volumen y formatos variados.

Atención de primer nivel

No reemplazar al equipo de soporte, sino resolver el porcentaje de consultas repetitivas y enrutar el resto con contexto. Los números que hemos visto se sostienen cuando el alcance está acotado: cuando se intenta que responda todo, la calidad cae y los usuarios pierden confianza.

Análisis de conversaciones comerciales

Resumir llamadas, extraer objeciones frecuentes y detectar señales de riesgo en cuentas. El valor no está en el resumen sino en la agregación: entender qué objeción se repite en cincuenta llamadas cambia decisiones de producto y de mensaje.

Detección de anomalías

Fraude, errores de facturación, consumos atípicos, fallas de operación. Es un terreno donde el aprendizaje automático lleva años funcionando y donde el retorno es directo cuando existe historial suficiente.

Filtro rápidoUn buen caso de uso de IA tiene tres características: el proceso ocurre muchas veces, hoy lo hace una persona de forma repetitiva, y existe un registro histórico de cómo se hizo bien. Si falta cualquiera de las tres, probablemente no es el lugar por donde empezar.

Construir, comprar o combinar

Para la mayoría de las empresas medianas, construir modelos propios desde cero no tiene sentido económico. La decisión real está entre comprar una solución especializada para el proceso, o integrar modelos existentes sobre los datos propios.

La segunda opción da más control y suele ser más económica a mediano plazo, pero requiere criterio técnico interno o un socio de desarrollo. La primera acelera el arranque a cambio de menos flexibilidad y dependencia del proveedor.

Lo que hay que resolver antes de escalar

  • Gobernanza de datos. Qué información sale de la empresa, hacia dónde y bajo qué contrato. En sectores regulados esto no es negociable.
  • Supervisión humana. Definir qué decisiones puede tomar el sistema solo y cuáles requieren revisión, con trazabilidad.
  • Medición continua. Un modelo que funcionó en el piloto se degrada cuando cambian los datos de entrada. Sin monitoreo, la calidad se cae en silencio.

Cómo lo abordamos

Cuando acompañamos a un cliente en esto, el primer entregable nunca es un modelo: es un inventario de procesos candidatos con su volumen, su costo actual y la disponibilidad de datos. De ahí sale una lista corta, y de esa lista se elige uno solo para llevar a producción de punta a punta. Un caso funcionando en producción genera más presupuesto interno que cinco pilotos impresionantes.