El proyecto empieza mucho antes de elegir proveedor.

Serie «Entender la IA», nota 6 de 12. Las cinco primeras explicaron la tecnología. A partir de aquí la serie habla de su empresa: cómo se integra, cuánto cuesta, por qué fracasa, qué exige la ley y qué debe saber quien dirige.

Viernes, 12:00, una clínica privada con tres centros en el cantón de Vaud. En enero, el responsable de informática compró licencias de un asistente de IA para las sesenta personas de administración. Hubo una sesión de formación de una hora. Es octubre: lo usan cuatro personas, dos de ellas para redactar correos en francés. La directora general concluye en el comité que «la IA no ha funcionado aquí», y aparca el presupuesto del año siguiente. Mientras tanto, en recepción, una administrativa pega cada día los informes de los pacientes en una cuenta gratuita de otro asistente, desde su móvil, para resumirlos más rápido.

La escena es imaginaria. Las dos mitades ocurren en empresas reales, y a menudo en la misma. La primera mitad es lo que pasa cuando se compra la herramienta antes de elegir el proceso. La segunda es lo que pasa cuando no se elige nada: la gente elige por su cuenta. Esta nota es el orden que uso para que no ocurra ninguna de las dos. Son nueve pasos. Los tres primeros no cuestan dinero, y son los que casi todo el mundo se salta.

La IA no se implanta. Se implanta un proceso, y la IA es una de sus piezas. Si no hay proceso, hay licencias sin usar.

Paso 1. Un proceso, no una herramienta.

Todo empieza en el mapa de la nota 4. De las cuarenta y dos propuestas se elige una, y se elige con tres criterios: que se repita mucho, que el error se pueda detectar y que el resultado se pueda medir en horas o en dinero. Las facturas de proveedores cumplen los tres. «Mejorar la comunicación interna» no cumple ninguno. Un proceso con nombre, con un responsable que lo sufre y con un número que hoy es malo. Eso es un proyecto. Lo demás es una licencia.

Hay un dato que conviene tener delante al elegir. En agosto de 2025, un informe del proyecto NANDA del MIT, basado en 150 entrevistas a directivos, 350 encuestas a empleados y el análisis de 300 implantaciones públicas, concluyó que el 95 % de los pilotos de IA generativa en empresas no había producido ningún impacto medible en la cuenta de resultados. El mismo informe observó dos cosas que explican parte de ese número: los presupuestos iban sobre todo a ventas y marketing, mientras que los retornos más claros aparecían en la trastienda, en administración y operaciones; y las herramientas compradas a proveedores especializados llegaban a producción aproximadamente el doble de veces que las construidas internamente desde cero, alrededor de dos de cada tres frente a una de cada tres. Son cifras de un informe, no de un experimento controlado, pero coinciden con lo que veo: el proceso aburrido y bien delimitado es el que acaba funcionando.

Paso 2. Mire sus datos antes de que los mire el modelo.

El modelo va a leer sus documentos, y va a responder a partir de ellos. Si los documentos son viejos, contradictorios o están en siete formatos distintos, el sistema será rápido y estará equivocado. En septiembre de 2017, la Harvard Business Review publicó un estudio en el que 75 directivos de distintas empresas revisaron una muestra de los datos con los que trabajaban a diario: solo el 3 % de los conjuntos cumplía unos estándares básicos de calidad, y casi la mitad de los registros nuevos tenía al menos un error grave. Eso era antes de la IA generativa. La IA generativa no lo arregla: lo amplifica, porque escribe con la misma fluidez a partir de un dato bueno que de uno malo.

El trabajo de este paso es modesto y decisivo. Reunir los documentos que el proceso necesita, decidir cuál es la versión buena de cada uno, ponerles fecha y responsable y retirar el resto. Para las facturas: la lista de proveedores limpia, las condiciones de pago vigentes, los pedidos abiertos. Es el archivo del que hablé en la nota 5. Sin él, el archivero sube al despacho lo que encuentra.

Paso 3. Los cincuenta casos de oro.

Antes de ver una sola demostración, se reúnen cincuenta casos reales del proceso, con la respuesta correcta al lado: cincuenta facturas con cómo se contabilizaron, cincuenta correos con cómo se clasificaron y qué se respondió, cincuenta llamadas con su resumen aprobado. Los eligen las personas que hacen el trabajo, e incluyen a propósito los casos raros: la factura en italiano, el correo que mezcla dos pedidos, el cliente que escribe sin puntuación.

Este conjunto es la pieza más valiosa del proyecto, y lo seguirá siendo cuando el proyecto termine. Sirve para comparar a dos proveedores con la misma vara, para decidir si el sistema está listo, para comprobar que no ha empeorado cuando cambie la versión del modelo y para discutir con números en vez de con impresiones. Si una empresa solo hiciera una cosa de esta nota, debería ser esta. No cuesta nada más que una tarde de las personas adecuadas.

Paso 4. Lo más simple que resuelva el caso.

Con el proceso elegido, los documentos limpios y los cincuenta casos en la mano, se decide qué construir o comprar, y la regla de la nota 5 manda: un modelo aumentado, con recuperación y uno o dos permisos, en un flujo de trabajo de pocos pasos. Nada de agentes hasta que un flujo haya demostrado que no basta. Se construye en semanas, no en meses, y se prueba contra los cincuenta casos antes de enseñárselo a nadie. El primer número que debe ver la dirección no es una demostración: es «acierta 46 de 50, y estos son los cuatro que falla».

Paso 5. Modo sombra.

Aquí está el paso que más proyectos salva. Durante dos a cuatro semanas, el sistema trabaja en paralelo con las personas, pero no actúa: clasifica, extrae, propone, y todo queda registrado al lado de lo que las personas hicieron de verdad. Nada sale, nada se contabiliza, ningún cliente recibe nada. Al final se comparan las dos columnas, caso por caso.

El modo sombra enseña tres cosas que ninguna demostración enseña: cómo falla el sistema con el flujo real, cuántos casos de cada cien necesitan a una persona y si el equipo confía en las propuestas o las corrige por sistema. Y resuelve, de paso, la objeción del responsable de calidad de la nota 4: «¿y quién revisa lo que hace?». Durante la sombra, todo el mundo.

Paso 6. Encender con revisión proporcional al riesgo.

Al pasar a producción no se enciende todo. Se enciende por tramos, según el riesgo del error. En las facturas: las que cuadran con el pedido y están por debajo de un importe se contabilizan con una revisión por muestreo; las que no cuadran van a una persona con la propuesta del sistema delante; las de un proveedor nuevo, siempre a una persona. La regla es la de la nota 2: la comprobación es proporcional a lo que cuesta equivocarse, y donde cuesta, firma alguien con nombre.

Paso 7. Medir cada semana lo que se midió el primer día.

El número que era malo en el paso 1 se mide ahora cada semana: horas, días de cobro, errores, casos pasados a personas. Y los cincuenta casos de oro se vuelven a pasar cada vez que cambia algo: el proveedor del modelo publica una versión nueva, se añade un documento, se toca un paso. Los proveedores retiran versiones de sus modelos con cierta regularidad; Anthropic, por ejemplo, documenta un ciclo de vida de sus modelos y se compromete a avisar con al menos sesenta días de antelación antes de retirar uno. Sesenta días es tiempo de sobra para volver a pasar los cincuenta casos. Si nadie los pasa, el sistema cambia de comportamiento una noche y nadie lo sabe hasta que un cliente lo dice.

Paso 8. Formar a quien lo usa, porque además es obligatorio.

La sesión de una hora de la clínica no era formación: era una presentación. Formar es enseñar a cada persona qué hace el sistema, qué no hace, cómo falla y qué debe comprobar antes de aceptar una propuesta. Es el centauro y el cíborg de la nota 4, llevados al puesto de trabajo concreto. Y en la Unión Europea, desde el 2 de febrero de 2025, es además una obligación legal: el artículo 4 del Reglamento de Inteligencia Artificial exige a quienes usan sistemas de IA en su actividad que su personal tenga un nivel suficiente de alfabetización en IA, teniendo en cuenta su formación y el contexto en que se van a usar. No fija un número de horas ni un certificado. Fija una responsabilidad. Lo desarrollo en la nota sobre ley y datos.

Paso 9. Dar cauce a lo que ya pasa.

Vuelvo a la administrativa de recepción. No es una infracción aislada; es la norma. La encuesta de Microsoft y LinkedIn de mayo de 2024 que cité en la nota 4 encontró que el 78 % de las personas que usaban IA en el trabajo lo hacían con herramientas propias, y que el 52 % era reacio a admitirlo por miedo a parecer prescindible. La respuesta no es prohibir, que solo esconde el uso. Es dar una herramienta de empresa, con los datos protegidos, una regla de dos líneas sobre qué no se pega nunca y un lugar donde proponer usos nuevos. Las mejores propuestas del segundo proceso suelen salir de ahí.

Comprar o construir.

La pregunta aparece en el paso 4 y merece su propio párrafo. Comprar una herramienta hecha para un uso concreto, facturas, atención al cliente, transcripción, suele ser más rápido y, según el informe del MIT que cité, llega a producción más veces. Construir a medida tiene sentido cuando el proceso es el corazón de su diferencia, cuando no hay herramienta para su caso o cuando los datos no pueden salir. En la práctica casi todo es una mezcla: se compra el modelo a un gran proveedor, se usa una herramienta hecha para lo estándar y se construye a medida la conexión con sus sistemas y sus reglas. Lo que no conviene es construir lo que ya existe ni comprar lo que no encaja. Y, en cualquiera de los dos casos, los cincuenta casos de oro son suyos.

Un estudio patrocinado por Microsoft y realizado por IDC en noviembre de 2024 entre más de 4000 directivos daba cifras amables: las empresas tardaban menos de ocho meses en implantar y unos trece en ver valor, con un retorno declarado de 3,7 dólares por cada dólar. Lo cito porque se cita mucho, y con una advertencia: lo encargó un proveedor y mide lo que los directivos dicen, no lo que las cuentas muestran. Póngalo al lado del 95 % del MIT y saque su propia conclusión: el retorno existe, y no llega por comprar, sino por hacer los nueve pasos.

1. Esta semana

   Elija un proceso con los tres criterios

   Repetido, con error detectable y con un número que hoy es malo. Escriba el número.

2. Esta semana

   Reúna los documentos y decida cuál es la versión buena

   Fecha y responsable en cada uno. Retire los demás.

3. Una tarde

   Monte los cincuenta casos de oro

   Con las personas que hacen el trabajo, incluyendo los casos raros. Guárdelos como el activo que son.

4. Antes de cualquier demostración

   Exija ver el sistema contra sus cincuenta casos

   El número de aciertos y los fallos uno a uno. Es la única demostración que cuenta.

5. Dos a cuatro semanas

   Modo sombra

   El sistema propone, las personas hacen, se comparan las dos columnas. Nada sale.

6. Al encender

   Tramos por riesgo y un número semanal

   Lo seguro con muestreo, lo dudoso con persona, lo nuevo siempre con persona. Y los cincuenta casos otra vez con cada cambio.

Cómo lo planteo yo.

Mi Análisis de Automatización es, en esencia, los pasos 1 a 3 hechos con el cliente en una semana: el proceso elegido con sus números, el inventario de documentos y los cincuenta casos. Con eso, el informe dice qué construir, qué comprar y cuánto cuesta, con precios cerrados. Después, modo sombra siempre, y nada se enciende sin la revisión por tramos. No es prudencia excesiva. Es la diferencia entre el 95 % y el otro 5 %.

Una pregunta para la próxima reunión de dirección, antes de hablar de proveedores: ¿quién en su empresa podría escribir hoy los cincuenta casos de oro del proceso que quieren automatizar? No quién debería. Quién podría, con lo que sabe y el tiempo que tiene.

Si el nombre no le sale, el proyecto todavía no ha empezado, aunque ya tenga presupuesto. Y si le sale, pregúntese si esa persona sabe que el proyecto depende de ella.

Siguiente nota: cuánto cuesta de verdad la IA, partida por partida, y de dónde sale el retorno. Con las tarifas públicas de los modelos, el precio que nadie pone en la propuesta y la cuenta que debería hacer antes de firmar.