Automatización con inteligencia artificial para empresas

Qué problema resuelve

La automatización con IA se vende mal porque se vende al revés: empieza por la herramienta y busca después dónde meterla. Aquí empieza por el cuello de botella, y el cuello de botella de una empresa mediana suele ser sorprendentemente aburrido.

Es la persona que dedica dos horas diarias a pasar pedidos de WhatsApp a un Excel. Es el correo de cotizaciones que nadie alcanza a contestar el mismo día. Es la factura del proveedor que alguien digita a mano en el sistema contable, campo por campo, cuarenta veces al mes. Nada de eso necesita un modelo grande; necesita que el dato se escriba una vez y viaje solo.

Donde la IA sí cambia las cosas es en lo que antes no se podía automatizar porque venía en lenguaje natural: entender qué pide un cliente en un mensaje escrito como habla la gente, leer una factura en PDF que cada proveedor arma distinto, clasificar quinientos correos por urgencia.

Cómo trabajamos

Primero se mide el proceso como está: cuántas veces al día ocurre, cuánto tiempo toma y dónde se equivoca. Sin esa medición no hay forma honesta de decir después si la automatización sirvió, y es justo la medición que casi ningún proveedor hace.

Después se automatiza el camino normal y se deja lo excepcional en manos de una persona. Esa es la regla que más proyectos salva: un asistente que responde bien el 80 % de los casos y escala el 20 % raro a un humano funciona; uno que intenta responderlo todo acaba desconectado en un mes porque alguien recibió una respuesta absurda.

Todo lo que decide el sistema queda registrado y es auditable: qué entró, qué respondió y por qué. En automatización sobre dinero o sobre clientes, poder reconstruir una decisión no es un lujo.

Y antes de escribir nada revisamos si hace falta: si el proceso se arregla configurando bien la herramienta que ya tienes, se dice y no se cobra un desarrollo.

Para quién es

Para empresas donde el volumen ya duele: muchos pedidos por canales informales, mucha digitación repetida, mucho correo sin contestar. Si el proceso ocurre tres veces al mes, automatizarlo no se paga.

Para operaciones con varios sistemas que no se hablan: un ERP por un lado, la facturación electrónica por otro, el inventario en un tercero y alguien de por medio copiando datos.

Para empresas del Altiplano del Oriente que crecieron rápido y cuya operación todavía funciona con las herramientas de cuando eran la mitad de grandes.

Plazos de entrega

Chatbot o asistente con IA en producción: 3 a 6 semanas. Automatización de un proceso completo: 4 a 8 semanas. Integración entre sistemas existentes: 4 a 10 semanas según cuántas APIs haya de por medio. Modelo de análisis predictivo: 6 a 12 semanas. Proyecto de machine learning sobre datos propios: 8 a 16 semanas.

En los proyectos con datos, el plazo lo decide la calidad del histórico. Si los datos de tres años están en Excel con el mismo cliente escrito de seis formas distintas, limpiarlos es la mitad del proyecto.

Cómo se decide si un proceso vale la pena automatizar

La cuenta es sencilla y conviene hacerla antes de cotizar nada. Cuántas veces al día ocurre el proceso, cuántos minutos toma cada vez y cuánto cuesta corregir los errores que genera. Eso da un número de horas al mes, y ese número es el que decide.

Un proceso que ocurre cuarenta veces al día y toma tres minutos consume dos horas diarias; automatizarlo se paga solo. Uno que ocurre tres veces al mes no se paga nunca, por mucho que moleste a quien lo hace.

Hay una excepción: los procesos de poco volumen pero mucho riesgo. Si equivocarse una vez cuesta un pedido perdido o una sanción, el cálculo cambia y conviene automatizar el control aunque no se ahorre tiempo.

Esa medición inicial es también la que permite decir después si la automatización sirvió. Sin ella, la conversación al final del proyecto es una discusión de impresiones.

Qué no automatizamos

No automatizamos decisiones sobre personas sin que una persona las revise: contrataciones, sanciones, cortes de crédito, negativas a un cliente. La tecnología puede preparar el caso y ordenarlo; la decisión se firma.

Tampoco automatizamos un proceso que está mal antes de arreglarlo. Automatizar un proceso roto lo único que hace es equivocarse más rápido y en más sitios a la vez, y además cimenta el error: después es más difícil cambiarlo porque ya hay un sistema encima.

Y no montamos un asistente que responda con lo que el modelo crea recordar. Responde con las fuentes reales de la empresa —catálogo, precios, horarios, preguntas frecuentes— y cuando no encuentra la respuesta ahí, lo dice y escala. Un asistente que inventa un precio cuesta más que uno que no existe.

Cuando el problema se arregla configurando bien la herramienta que la empresa ya tiene, lo decimos y no cobramos un desarrollo. Pasa más seguido de lo que parece.