"Necesitamos IA" entra a muchas reuniones y de alguna forma sale como propuesta de reescritura completa. Esa escalada pasa más de lo que debería, y suele ser el primer paso equivocado. La mayoría de negocios obtiene ROI real y medible agregando IA a un flujo específico y doloroso dentro del software que ya usan todos los días — no empezando de cero.
Elige el flujo primero, no el modelo
El orden importa. Los equipos que empiezan elegiendo un modelo o un vendor terminan con una demo impresionante y ningún lugar claro dónde ponerla. Los equipos que empiezan por el flujo terminan con algo que la gente de verdad usa para la tercera semana.
Los buenos primeros candidatos suelen compartir una forma: volumen alto, reglas claras la mayoría del tiempo, y un humano que puede decir rápido si el output está bien o no.
- Búsqueda sobre documentos internos — políticas, propuestas pasadas, specs de producto — donde el proceso honesto actual es "pregúntale a la única persona que se acuerda".
- Generación de borradores desde formularios estructurados: una primera propuesta, un resumen, una plantilla de respuesta que alguien edita antes de enviar.
- Clasificación y enrutado de tickets o leads, para que lleguen a la persona correcta en vez de quedarse en una cola compartida.
- Extracción de PDFs y emails hacia tu sistema de registro real, reemplazando a la persona que hoy retipea a mano los mismos números.
Candidatos más débiles para empezar, aunque se venden todo el tiempo:
- Agentes totalmente autónomos tomando decisiones de alto riesgo sin revisión humana — reembolsos, términos contractuales, cualquier cosa con consecuencia financiera o legal real.
- Búsqueda tipo "chatea con todo" que se saltea el diseño de permisos, y termina mostrando alegremente datos a gente que no debería verlos.
Los prerrequisitos técnicos, en lenguaje de negocio
Nada de esto requiere un equipo de data science. Sí requiere unas respuestas honestas antes de empezar:
- Acceso a datos lo bastante limpio para el caso de uso. No perfecto — solo lo suficientemente limpio para que la IA no esté razonando sobre tres versiones contradictorias del mismo registro.
- Dueño claro de dónde viven realmente los prompts, logs y outputs. Si un cliente o un regulador pregunta dentro de seis meses qué vio y dijo la IA, alguien debería poder responder sin adivinar.
- Un entorno de staging para evaluar calidad antes de que algo llegue a producción. "Lo probamos una vez en mi laptop" no es un proceso de calidad, sin importar qué tan bien se viera esa única prueba.
Si la respuesta honesta a cualquiera de estas es "no estamos seguros", eso no es un bloqueo — es simplemente la primera tarea, antes de elegir cualquier modelo.
El patrón de entrega incremental que realmente reduce el riesgo
- Lanza primero una versión con asistencia manual. La IA redacta, sugiere o clasifica; un humano revisa antes de que algo salga o toque un sistema de registro.
- Mide calidad y tiempo ahorrado de verdad, durante varias semanas, no en un par de corridas de demo. Rastrea con qué frecuencia un humano tiene que reescribir sustancialmente el output de la IA — ese número dice más que casi cualquier otra cosa.
- Automatiza más solo en los pasos que demuestren ser confiables. No todo el flujo de golpe, y no porque el roadmap diga que es momento — porque los datos dicen que es seguro.
Esto es más lento que prometer una feature totalmente autónoma desde el día uno. También es la versión que no daña la confianza de un cliente en silencio la primera vez que se equivoca con total seguridad.
Cómo se ve esto en un sistema realmente viejo
Trabajamos con un negocio que corría un sistema interno genuinamente antiguo — una herramienta admin de una década que nadie quería tocar, con años de historial de clientes que nadie quería perder. El instinto de un vendor anterior había sido "reemplácenlo por completo, y después agreguen IA". En vez de eso, agregamos una capa de extracción y clasificación de documentos encima del sistema existente: leía PDFs y emails entrantes, extraía los campos relevantes, y pre-llenaba los mismos formularios que el staff siempre había usado, con una persona confirmando antes de que algo se guardara. Sin reescritura. Sin riesgo de migración. El sistema viejo siguió corriendo exactamente como siempre, solo que con varias horas semanales de retipeo manual eliminadas en silencio.
No estás intentando hacer que el software sea inteligente en todas partes a la vez. Estás intentando que desaparezca el único paso doloroso.
Por qué el enfoque de un flujo a la vez también protege tu presupuesto
Hay un beneficio más silencioso en empezar angosto: mantiene bajo el costo de equivocarse. Si eliges un flujo, lanzas una versión con asistencia manual, y resulta que los datos no estaban lo bastante limpios o el caso de uso no tenía el ROI esperado, te tomó unas semanas descubrirlo — no un trimestre y un sistema core reescrito. Hemos visto el caso inverso con equipos que intentaron agregar IA "a toda la plataforma" en una sola iniciativa: para cuando descubrieron que la calidad de datos de un módulo no lo soportaba, ya habían construido otros tres módulos sobre el mismo supuesto tambaleante.
Empezar angosto también facilita el argumento interno. Una victoria única y claramente medida — "este flujo ahora toma 20% menos tiempo y la tasa de error incluso bajó" — te da respaldo y presupuesto para el siguiente paso de forma mucho más confiable que una promesa amplia de que la IA va a "transformar las operaciones" sin un número específico detrás.
Señales de que estás listo para ir más lejos
Una vez que una feature de asistencia manual lleva unos meses corriendo con buen historial — tasas bajas de corrección, sin casi-errores en nada de alto riesgo — esa es tu señal real para reducir la revisión humana en las partes de menor riesgo del flujo. No antes. La evidencia, no el entusiasmo en la sala, debería decidir cuándo se quita un checkpoint humano.
En ConaiSoft agregamos capacidades de IA sobre arquitectura de producto real y existente, en sprints semanales — para que obtengas valor medible sin apostar el negocio a una reescritura completa y riesgosa.