Casi todos los equipos eligen mal su primer proyecto de automatización con IA. Empiezan por lo que más ruido hace: el proceso del que alguien se quejó en una reunión, o la demo que se veía impresionante en LinkedIn. Así es como acabas seis meses después con un chatbot que nadie usa y un presupuesto que nadie sabe defender.
Las buenas oportunidades de automatización con IA suelen ser aburridas. Son los procesos de alto volumen y ningún glamur enterrados en operaciones, finanzas y soporte. Este es el marco que usamos para encontrarlas, el scorecard con el que las priorizamos y los antipatrones que parecen automatizables y te van a quemar el primer trimestre.
Las cinco señales de una oportunidad real
Un proceso merece automatizarse cuando cumple las cinco. No tres. No cuatro. Las cinco.
- Alto volumen. La tarea ocurre cientos o miles de veces al mes. Automatizar algo que corre dos veces por trimestre no ahorra nada y te cuesta mantenimiento para siempre.
- Alto costo del error. Cuando un humano se equivoca pasa algo caro: un SLA incumplido, una alerta de cumplimiento, un reembolso, un cliente que se va. Poco volumen con costo alto del error todavía puede calificar (piensa en la revisión de contratos). Mucho volumen con costo cero del error, normalmente no.
- Reglas estables. La lógica no cambia cada mes. Si la política detrás del proceso se reescribe cada trimestre, estás automatizando un blanco móvil y vas a pasar más tiempo parcheando que el que ahorraste.
- Dueño claro. Una persona o un equipo responde por el resultado y puede decir «sí, esto está bien» o «no, corrígelo». Sin dueño no hay quien valide el output, apruebe casos límite ni defienda el proyecto cuando alguien pregunte por qué existe.
- Resultado medible. Puedes enunciar el número de antes y el de después: horas ahorradas, tasa de error, tiempo de respuesta, costo por transacción. Si no lo puedes medir, no puedes demostrar que funcionó, y no vas a conseguir presupuesto para el segundo.
Un scorecard que sí puedes usar
Puntúa cada proceso candidato de 1 a 5 en las cinco señales. Después no multiplicas nada: sumas y ponderas las dos que más pesan. El volumen y el costo del error valen doble porque son los que generan el retorno; los otros tres son filtros de viabilidad.
- Volumen (×2): 1 = unas pocas veces al mes, 5 = miles.
- Costo del error (×2): 1 = una errata que nadie nota, 5 = impacto regulatorio o de ingresos.
- Estabilidad de las reglas (×1): 1 = cambia constantemente, 5 = no ha cambiado en un año.
- Claridad de dueño (×1): 1 = nadie es dueño, 5 = dueño con nombre y apellido.
- Medibilidad (×1): 1 = puramente subjetivo, 5 = ya se mide en un dashboard.
El máximo son 35 puntos. Nuestra regla práctica: por encima de 24 es un candidato fuerte, entre 18 y 24 merece una conversación de discovery, y por debajo de 18 se descarta, por muy emocionante que se vea la demo. El valor del scorecard no está en el número exacto, sino en que obliga a poner el argumento sobre la mesa. Cuando un stakeholder empuja su proyecto favorito, puedes señalar los dos filtros de viabilidad que no pasa.
Dónde se esconde el valor de verdad
Nadie nomina sus mejores oportunidades, porque las mejores no se sienten como problemas: se sienten como «así se hace el trabajo aquí». Ve a buscarlas tú.
- El impuesto del copiar y pegar. Cualquier sitio donde una persona mueve datos a mano entre dos sistemas: del CRM a facturación, del correo a una hoja de cálculo, del PDF al ERP. Casi por definición es alto volumen, estable y medible.
- La cola de triaje. Peticiones entrantes que alguien lee y enruta: tickets de soporte, reclamaciones, solicitudes, correos de proveedores. Clasificar y enrutar es hoy una de las victorias más fiables de la automatización con IA.
- El hueco del «esperando aprobación». Procesos que se atascan porque necesitan un resumen, un primer borrador o una extracción de datos antes de que un humano decida. No automatizas la decisión: automatizas todo lo que la precede.
- El cierre de mes. Todo lo que ocurre en un pico doloroso: conciliaciones, reportes, renovaciones. Costo alto del error, dueño claro y una fecha límite que vuelve obvio el ROI.
Antipatrones: vistosos pero inútiles
Estos pasan la prueba del olfato y fallan en producción. Los hemos visto fallar todos.
- El proceso inestable. Se ve perfecto, hasta que descubres que las reglas cambiaron tres veces el año pasado y están a punto de cambiar otra vez. Arregla el proceso primero y automatízalo después. Automatizar el caos te da caos más rápido.
- El huérfano sin dueño. Todos coinciden en que habría que automatizarlo; nadie va a firmar el output. Sin dueño, los casos límite se acumulan sin resolver y el proyecto muere en silencio. Sin dueño, no se construye.
- La decisión de criterio disfrazada. Parece basada en reglas, pero en secreto cada caso depende del contexto, de las relaciones o de excepciones que nadie escribió. Valorar un acuerdo no estándar, atender la queja de un cliente estratégico. La IA puede ayudar aquí, pero automatizarlo del todo produce decisiones equivocadas con total aplomo.
- El chatbot de vanidad. Una interfaz conversacional atornillada a un problema que nunca fue una conversación. Si hoy los usuarios no hacen preguntas en lenguaje natural para resolver esto, un chatbot añade fricción, no velocidad.
- El perfeccionista de bajo volumen. Un problema genuinamente difícil y genuinamente interesante que ocurre once veces al año. La ingeniería es divertida. El ROI es imaginario. Guárdalo para más adelante.
Secuencia por impulso, no solo por puntuación
Tu candidato con más puntos no siempre es tu primer proyecto. El primer proyecto tiene un segundo trabajo: demostrar que el modelo funciona para que te dejen hacer el siguiente. Así que inclina la primera elección hacia algo con un dueño claro que lo quiere, datos que ya existen y un resultado que puedas enseñar en una diapositiva en 60 días. Un 26 que sale y se adopta le gana a un 32 que sigue atascado en un pantano de limpieza de datos dos trimestres después. Puntúa para decidir qué merece la pena hacer; secuencia para decidir qué hacer primero.
El marco de arriba te da una lista priorizada que puedes defender. Convertir esa lista en una hoja de ruta real —con estimaciones de esfuerzo, comprobaciones de preparación de datos y los «esto todavía no lo construyas» dichos con honestidad— es exactamente para lo que sirve una Evaluación de Preparación para IA. Si ya tienes una lista corta y quieres un segundo par de ojos antes de comprometer presupuesto, esa es la conversación que conviene tener.