La IA no transforma empresas, transforma procesos
En ediciones anteriores hemos hablado de las ligas de la IA, de gobernarla, de automatizar tareas cognitivas, del ROI y del valor del aprendizaje. En todas esas conversaciones hay un denominador común que aparece una y otra vez: el proceso.
Porque la IA no transforma empresas en abstracto. Transforma procesos concretos. Y el problema que vemos, una y otra vez, es que muchas organizaciones quieren aplicar IA sin haber entendido antes cómo funciona realmente el trabajo que pretenden mejorar. Hoy queremos hablar de eso.
Un proceso no es un diagrama
Cuando alguien dice “vamos a aplicar IA a este proceso”, normalmente señala un diagrama de flujo que alguien diseñó hace años y que, con suerte, vive en algún SharePoint que nadie visita. Pero un proceso no es eso. Un proceso es la forma real en la que el trabajo ocurre. Con sus atajos, sus excepciones, sus decisiones no documentadas y esos hábitos que ningún manual recoge.
Cada proceso, por sencillo que parezca, involucra personas con hábitos, sistemas que no siempre hablan entre sí, reglas que mutan según el contexto y excepciones que, a menudo, consumen más tiempo que el propio flujo estándar. Y la distancia entre el proceso documentado y el proceso real suele ser enorme. En esa distancia es donde fracasan muchos proyectos de IA.
Dentro de cada proceso conviven cosas muy distintas
Lo que hace realmente interesante (y complicado) aplicar IA a un proceso es que dentro de un mismo flujo conviven componentes de naturaleza completamente distinta. Pensemos en lo que encontramos al abrir cualquiera:
Hay entradas que disparan el proceso: un email, un formulario, un pedido. Hay reglas de negocio que determinan qué hacer con ellas, muchas explícitas, muchas otras viviendo en la cabeza de alguien. Hay decisiones donde alguien elige un camino, a veces triviales y repetitivas, a veces cargadas de juicio y contexto. Hay excepciones que en muchos procesos no son la excepción, sino una parte sustancial del trabajo real. Y hay una salida: una factura procesada, una incidencia resuelta, un informe generado.
Lo que hace a cada proceso único no son estos componentes, que son siempre los mismos, sino cómo se combinan. Y, sobre todo, qué naturaleza tiene cada uno: ¿es repetitivo o requiere criterio? ¿Sigue un patrón predecible o depende del contexto? Esa naturaleza es lo que determina si la IA puede o no aportar valor. Y esto tiene consecuencias directas.
No se trata de automatizar más, sino de saber dónde
El error más común que vemos es tratar un proceso como si fuera una sola cosa. “Automaticemos la gestión de reclamaciones.” No. Dentro de esa gestión hay partes que son pura mecánica y partes que son puro juicio. Y la IA no puede actuar igual en ambas.
En la práctica, la IA tiene tres modos de actuar sobre un proceso, y saber cuál aplicar a cada componente es lo que separa un proyecto que funciona de uno que acaba abandonado:
- Automatizar. Cuando las entradas son estándar, las reglas claras y las decisiones repetitivas, la IA puede tomar las riendas: clasificar documentos, extraer datos, enrutar incidencias, validar completitud. Aquí es donde el ROI es más rápido y medible.
- Asistir. En zonas con mayor variabilidad, la IA no sustituye al profesional, le potencia. Sintetiza información dispersa, detecta patrones, prioriza excepciones. El humano sigue decidiendo, pero decide mejor porque tiene contexto que antes no tenía. Este modo es quizá el más transformador a largo plazo.
- No tocar. Hay componentes donde el valor está en lo humano: negociar un acuerdo, gestionar una queja delicada, liderar un cambio. No porque la tecnología no pueda, sino porque la empatía, la relación y la responsabilidad no se delegan.
Las organizaciones que aplican IA con éxito no son las que automatizan más. Son las que saben distinguir dónde automatizar, dónde asistir y dónde proteger lo humano. Esa granularidad, esa intervención quirúrgica en cada componente según su naturaleza, es lo que marca la diferencia.
Versátil en la teoría, específico en la práctica
Para aterrizar todo esto, pensemos en un proceso común, un ejemplo práctico: la gestión de solicitudes entrantes. Puede ser un organismo público con expedientes, un departamento de compras con peticiones de proveedores, o atención al cliente con reclamaciones. El flujo es similar: llega la solicitud, se revisa, se clasifica, se verifica, se asigna, se resuelve, se comunica. Parece sencillo. Pero dentro conviven componentes muy distintos:
- La recepción y clasificación es altamente automatizable. La IA puede leer, identificar el tipo, extraer datos clave y enrutar en segundos.
- La verificación de completitud también. Un modelo puede validar documentación, detectar inconsistencias y pedir automáticamente lo que falta.
- La resolución depende del caso. Si es estándar, la IA resuelve. Si requiere juicio, asiste con contexto y datos. No decide por el profesional.
- La comunicación del resultado puede ser automática en los casos estándar y asistida en los sensibles, donde el tono y la empatía importan.
El punto clave no es automatizar el proceso entero. Es intervenir en cada componente según lo que es. Y esa precisión exige algo previo: haberlo entendido.
El primer paso no es tecnológico
Y aquí está probablemente la reflexión más importante de esta edición. El mayor error que vemos en proyectos de IA no es elegir mal la tecnología. Es no haber entendido el proceso real antes de intervenir.
Se construyen soluciones brillantes para flujos teóricos que nadie sigue. Se ignoran excepciones que no aparecían en el diagrama. Se implementan herramientas que añaden más pasos que el proceso manual que pretendían sustituir. Y se concluye que “la IA no funciona aquí”, cuando lo que realmente falló fue el punto de partida.
El primer paso de un buen proyecto de IA no tiene que ver con modelos, plataformas ni algoritmos. Tiene que ver con sentarse a observar cómo trabaja la gente. De verdad. Entender dónde se acumula el tiempo y la fricción, qué decisiones se toman con qué información, cuáles son las excepciones reales. Preguntar a quienes ejecutan el proceso, no solo a quienes lo diseñaron.
Suena básico. Y se salta sistemáticamente. Porque el diagrama ya existe, porque la tecnología es tan atractiva que empezamos por ella. Y luego nos preguntamos por qué el 95% no encuentra ROI.
La IA no se implanta en estrategias PowerPoint. Se implanta en procesos vivos, con personas reales, datos imperfectos y excepciones que nadie anticipó. El primer paso es abrir el proceso, mirarlo con honestidad y entender qué hay dentro. Solo entonces podremos decidir dónde la IA suma, dónde asiste y dónde lo mejor es dejar espacio a las personas.
¿Cuántos procesos de tu organización se parecen realmente al diagrama que los describe? ¿Y si el mejor proyecto de IA que puedes hacer hoy no empezara con tecnología, sino con una pregunta mucho más simple: entendemos cómo trabajamos?
