La conversación sobre inteligencia artificial en empresas medianas se mueve entre dos exageraciones: la que promete que lo cambia todo y la que lo despacha como una moda. Ni una ni otra ayudan a decidir. Esto es lo que hoy está al alcance de una empresa que no tiene un equipo de datos.
Lo que ya funciona bien
Hay usos que han dejado de ser experimentales y se pueden montar con presupuesto y plazos razonables:
- Atender consultas repetidas: horarios, disponibilidad, estado de un pedido, dudas frecuentes. Es donde más rápido se nota, porque suele ser el grueso de los mensajes que recibe un negocio.
- Redactar borradores: respuestas, cotizaciones, descripciones de producto. La clave está en que sea un borrador que alguien revisa, no algo que sale directo al cliente.
- Leer documentos: extraer datos de facturas, remisiones o formularios en papel para no teclearlos. Necesita revisión, pero cambia por completo el tiempo que lleva.
- Clasificar y enrutar: decidir de qué va un mensaje y a quién le toca. Es poco vistoso y quita bastante trabajo.
Lo que todavía cuesta más de lo que devuelve
Otros usos siguen siendo caros, frágiles o exigen una cantidad de datos limpios que la mayoría de las empresas no tiene:
- Predecir demanda con precisión: necesita histórico ordenado y de varios años. Con datos incompletos, la predicción se parece bastante a adivinar con más pasos.
- Decidir sin supervisión: dejar que un sistema apruebe descuentos o crédito por su cuenta. La tecnología puede, el problema es quién responde cuando se equivoca.
- Análisis de sentimiento fino: distinguir molestia de ironía en español coloquial regional sigue fallando lo suficiente como para no fiarse de la etiqueta.
La pregunta que ordena la decisión
Ante cualquier propuesta de IA conviene preguntar qué pasa cuando se equivoca. La respuesta ordena todo lo demás.
Si equivocarse significa que alguien corrige un borrador, el riesgo es bajo y se puede empezar mañana. Si significa que un cliente recibe un precio erróneo, que se confirma una cita imposible o que se aprueba algo que no debía, entonces hace falta supervisión humana, y esa supervisión hay que contarla en el coste.
Lo que no se suele contar
Tres cosas aparecen siempre en el segundo mes y casi nunca en la propuesta inicial.
La primera es que el coste depende del uso: si funciona bien y se usa mucho, la factura sube. Es un problema agradable, pero conviene saber cuánto cuesta cada conversación antes de que sean miles.
La segunda es que los proveedores cambian y retiran modelos con poco preaviso. Conviene no atarlo todo a uno solo, y tener claro qué se hace el día que el que usas deje de estar disponible.
La tercera es que la calidad depende más de los datos a los que el sistema tiene acceso que del modelo. Un asistente conectado a un catálogo desordenado da respuestas desordenadas, por muy bueno que sea el modelo.
Por dónde empezar
Elegir una tarea concreta, repetitiva, con un resultado que se pueda comprobar, y medirla antes. Ponerla a funcionar en pequeño, con revisión humana, y solo quitar esa revisión cuando los datos digan que se puede.
Es menos ambicioso que un plan de transformación, y es lo que de verdad acaba en producción.