En los últimos años muchas empresas han adoptado la IA empezando por la tecnología: eligen una herramienta y después buscan dónde colocarla. Ese orden produce demostraciones que nunca se incorporan al trabajo. Funcionan en la reunión donde se presentan y luego quedan paradas porque no estaban conectadas con nada que alguien tuviera que hacer a diario.

El orden que funciona es el contrario, el mismo que en cualquier otro proyecto. Se parte de un trabajo que hoy consume tiempo o genera errores, se observa cómo se realiza y solo entonces se elige la tecnología. A veces la respuesta es la IA. Con frecuencia es una automatización normal. Otras veces es software tradicional o un módulo mejor construido.

Qué hace bien un modelo lingüístico

Conviene concretar dónde destacan estas herramientas. La lista es más limitada de lo que sugiere el debate público y más útil de lo que da a entender el escepticismo.

Convertir texto no estructurado en datos estructurados. Extraer de un correo el nombre de la empresa, el tipo de solicitud y la urgencia; leer una factura o un documento y devolver sus campos; asignar una categoría a una descripción libre. Es el caso de uso más sólido y menos llamativo.

Clasificar y distribuir. Asignar un ticket a la categoría correcta, distinguir una solicitud comercial de un problema técnico o reconocer un tono que requiere una respuesta rápida.

Resumir. Sintetizar una conversación larga, un documento o una serie de incidencias recurrentes para que una persona pueda decidir sin leerlo todo.

Responder desde una base de conocimiento definida. Una búsqueda interna que funciona aunque la pregunta utilice palabras distintas de las presentes en los documentos. Esta aplicación se infravalora con frecuencia, pero ahorra tiempo real porque el coste de no encontrar información empresarial está repartido y es invisible.

Preparar un primer borrador. Una respuesta, un resumen o una descripción de producto: material que revisará una persona, no algo que deba enviarse tal cual.

El rasgo común es que la IA recibe una entrada definida y produce una salida que alguien controla o que alimenta un siguiente paso verificable.

El valor está en el contexto, no en el modelo

Un asistente de IA sin acceso a los datos de la empresa solo puede responder de forma genérica. La diferencia entre una herramienta útil y una demostración casi siempre reside en el material disponible y en las acciones que puede realizar.

Esto exige un trabajo previo que rara vez resulta emocionante: entender dónde está la información, en qué estado se encuentra, cuál está actualizada, qué puede exponerse y qué debe permanecer privado. Una base documental desordenada produce respuestas desordenadas y ningún modelo compensa una fuente incorrecta.

El segundo elemento es la capacidad de actuar. Un asistente que consulta un pedido, busca en un archivo o prepara un borrador dentro de un sistema de gestión es útil de otra manera que uno que solo escribe texto. Aquí IA y automatización dejan de ser temas separados: el modelo interpreta y decide el paso, y el flujo automático lo ejecuta de forma previsible.

La forma más fiable de usar IA en un proceso empresarial es darle la parte ambigua (comprender qué pide una persona) y dejar a un sistema determinista la parte que siempre debe funcionar igual.

El problema de los errores, sin rodeos

Estos sistemas producen respuestas plausibles, y plausible no significa correcto. Pueden afirmar con seguridad algo falso, citar un procedimiento inexistente o aplicar a un caso la regla de otro. Elegir un proveedor mejor no elimina esta característica; el sistema debe diseñarse teniendo en cuenta sus consecuencias.

Hay tres consecuencias prácticas.

La primera es dónde se utiliza la IA. Cuando un error puede corregirse (un borrador, una categoría propuesta o una sugerencia), el riesgo puede ser aceptable. Cuando el error llega al cliente o afecta a un importe, hace falta revisión humana.

La segunda son las fuentes. Un asistente que cita el documento en el que se apoya permite comprobar la respuesta en segundos. Uno que solo responde exige confianza ciega.

La tercera es el traspaso a una persona. Un sistema que habla con clientes necesita una forma explícita y rápida de transferir la conversación, y debe utilizarla cuando no está seguro. Un asistente que insiste es peor que un formulario de contacto.

Datos, privacidad y responsabilidad

Usar IA con material empresarial implica decidir adónde van esos datos. Antes de empezar hay que establecer qué información puede enviarse a un servicio externo, cuál debe quedarse dentro, qué se conserva y durante cuánto tiempo, y quién accede al historial de conversaciones.

Si hay datos personales, se aplican las obligaciones del RGPD como en cualquier otro tratamiento, incluida la elección del proveedor y la información que se ofrece a las personas interesadas. No es un asunto legal para el final del proyecto: cambia las decisiones técnicas y modificarlas después resulta costoso.

Cuándo es mejor no utilizar IA

Cuando la regla ya está escrita. Si el criterio es «los pedidos superiores a quinientos euros necesitan la aprobación del responsable», se trata de una condición, no de un problema de interpretación. Una línea de lógica es más rápida, cuesta menos, no se equivoca y puede explicarse a cualquiera.

Cuando el resultado debe ser idéntico cada vez. Cálculos, conciliaciones y documentos generados a partir de campos conocidos necesitan un sistema determinista. Aquí la variabilidad es un defecto.

Cuando no existen los datos. Si falta la información necesaria, está dispersa o es incorrecta, la IA no la reconstruye. El proyecto adecuado en ese momento es ordenar los datos.

Cuando el volumen es bajo. Una tarea que aparece pocas veces al mes rara vez justifica el mantenimiento, la monitorización y los controles que necesita un sistema fiable.

Cuando solo sirve para decir que está presente. Es el caso más caro porque el proyecto no tiene un criterio de éxito y, por tanto, nunca termina.

Una forma práctica de elegir

Ante un proceso, tres preguntas formuladas en orden suelen aclarar la dirección.

Primera: ¿el criterio de decisión puede escribirse como una regla? Si es así, hace falta software, no IA.

Segunda: ¿el trabajo consiste en mover o transformar datos que ya están estructurados? Si es así, hace falta automatización.

Tercera: ¿el trabajo requiere interpretar lenguaje natural o producir texto? Aquí la IA tiene una ventaja real. Conviene usarla solo para esa parte y dejar el resto a los sistemas que ya lo hacen bien.

Una herramienta con una tarea

La IA no es una revolución que deba adoptarse en bloque ni una moda que haya que ignorar. Es una capacidad nueva y concreta (leer y producir lenguaje con una competencia que el software no tenía) que resulta útil cuando se conecta con un proceso real, datos verdaderos, un objetivo verificable y una persona que sigue siendo responsable del resultado.

La alternativa, añadirla a un producto solo porque es IA, se nota. Sobre todo para quien debe utilizarla cada día.

ProfundizaIA y automatización