En esta nota
En resumen
- Tres ejes deciden: frecuencia, verificabilidad y costo del error. El candidato tiene que dar bien en los tres.
- La frecuencia manda: algo que pasa cuarenta veces por día se paga en semanas; lo mismo una vez por mes tarda años.
- El filtro que más candidatos elimina es la verificabilidad. Si nadie puede juzgar la salida, no hay proyecto.
- Preguntá qué tarea le da bronca al equipo. Esa lista es mejor que cualquier análisis de arriba hacia abajo.
Cuando una empresa decide que va a usar inteligencia artificial, lo primero que aparece es una lista. Siempre larga, siempre entusiasta, siempre mezclando cosas de tamaños muy distintos: "responder consultas", "mejorar la atención", "automatizar la facturación", "analizar la competencia".
El problema no es la lista. Es que no hay criterio para ordenarla, y sin criterio se elige por intuición o por quién habló más fuerte en la reunión.
Los tres ejes
Un buen primer candidato da bien en los tres. No en dos: en los tres.
1Frecuencia
Cuántas veces por semana ocurre. Es el eje que más pesa y el que más se subestima.
Una tarea que lleva cuarenta minutos y pasa una vez por mes suma ocho horas al año. Una que lleva tres minutos y pasa cuarenta veces por día suma más de trescientas. La segunda parece menos importante y vale mucho más.
La frecuencia además acelera el aprendizaje: si el sistema falla, con volumen alto te enterás el mismo día y podés corregir. Con volumen bajo el error aparece en tres meses, cuando ya nadie se acuerda de cómo estaba configurado.
2Verificabilidad
Si alguien puede mirar la salida y decir, con criterio explícito, si está bien o mal.
Este es el filtro que más candidatos elimina y el que más se saltea. "Analizar tendencias del mercado" suena bien y no se puede verificar: cualquier respuesta parece razonable. "Clasificar esta consulta como pedido, reclamo o consulta general" se verifica en dos segundos.
3Costo del error
Qué pasa si sale mal. Para el primero conviene un lugar donde equivocarse sea barato.
Preparar un borrador que después alguien revisa: error barato. Mandar automáticamente una cotización: error caro. La diferencia no es la dificultad técnica, es qué tan reversible es la consecuencia.
La pregunta que ordena los tres ejes de una sola vez: si esto sale mal, ¿me entero antes o después de que lo vea el cliente? Si la respuesta es después, no es candidato para el primer proyecto.
La tabla que resuelve la discusión
Poner los candidatos en una tabla con los tres ejes convierte una discusión de opiniones en una conversación de datos. No hace falta precisión: alto, medio y bajo alcanzan.
| Proceso | Frecuencia | Se verifica | Error | Veredicto |
|---|---|---|---|---|
| Pasar pedidos de WhatsApp a la planilla | Alta | Sí, de un vistazo | Barato | Primer candidato |
| Responder preguntas frecuentes | Alta | Sí, contra la política | Medio | Segundo |
| Preparar propuestas comerciales | Media | Sí, la revisa el vendedor | Barato | Buen candidato |
| Analizar tendencias del sector | Baja | No, nadie puede | Difuso | Descartar |
| Mandar cotizaciones automáticas | Media | Sí, pero tarde | Caro | Más adelante |
La fila que casi siempre gana en empresas chicas es la primera: alguien recibiendo información por un canal y copiándola a mano a otro lado. Es aburrida, es invisible para la dirección y es donde está el tiempo.
Los cuatro candidatos que parecen buenos
Sistemas antes que código. Automatizar algo mal pensado no te ahorra trabajo: te multiplica el desorden, más rápido.
Seba Chuffer · LAB AI
El más visible para la dirección. Se elige por impacto político. Tiene la ventaja de conseguir presupuesto y la desventaja de que casi siempre ocurre poco, así que el ahorro nunca se nota y el proyecto queda sin números que lo defiendan.
El más difícil, "para probar de verdad". La lógica suena razonable: si funciona ahí, funciona en todo. En la práctica el fracaso llega antes que el aprendizaje, y después de eso conseguir presupuesto para el siguiente intento es mucho más difícil.
Lo que ya hace bien una persona con experiencia. El estándar de comparación es altísimo. La persona que lo hace hace quince años detecta el matiz que el sistema no vio, y tiene razón. Ese proceso es mejor candidato para el quinto proyecto, no para el primero.
Un proceso que nadie describió nunca. Muy común en empresas chicas: el conocimiento vive en la práctica de quien lo hace. Automatizarlo empieza por escribirlo, lo cual es valioso pero es otro proyecto, y si no está presupuestado aparece a mitad de camino y desordena todo el plan.
Preguntar en vez de analizar
Hay un atajo que funciona mejor que cualquier análisis de arriba hacia abajo, y es preguntar directamente.
La pregunta no es "dónde podríamos aplicar IA". Es: qué parte de tu trabajo te da bronca hacer.
Las respuestas a esa pregunta son la lista de candidatos, ya ordenada por algo que ningún análisis captura: la adopción garantizada. Cuando desaparece una tarea odiada, nadie tiene que empujar para que el sistema se use.
En la mayoría de los negocios, entre el sesenta y el ochenta por ciento del volumen de mensajes entrantes son preguntas cuya respuesta es la misma para todos los clientes. Esa franja aburrida suele ser el primer candidato y el que más horas libera.
Conviene hacer esa pregunta de a uno y no en reunión abierta. En grupo, la gente nombra lo que suena estratégico; en privado, nombra lo que le arruina los lunes.
Una prueba rápida antes de comprometerse
Con el candidato elegido, antes de armar nada:
- Juntá veinte casos reales de la última semana, incluyendo los raros.
- Escribí la salida correcta para cada uno. Si no podés, el proceso no era verificable y volvés a elegir.
- Probá a mano con una herramienta cualquiera sobre esos veinte casos.
- Contá cuántos salieron bien. Si es menos de la mitad, el problema suele ser que falta contexto del negocio, no que la herramienta no sirva.
Esa prueba lleva una tarde y evita proyectos de dos meses que arrancaron con el pie izquierdo. Los veinte casos además quedan como referencia: sirven para medir si el sistema mejora con el tiempo.
El resumen
- Frecuencia, verificabilidad y costo del error. Los tres, no dos.
- La frecuencia manda. Lo aburrido y repetido vale más que lo vistoso y esporádico.
- Si nadie puede juzgar la salida, no es candidato, por más atractivo que suene.
- Preguntá qué les da bronca. Esa lista viene con la adopción incluida.
- Probá con veinte casos reales antes de comprometer tiempo.
En el LAB elegís con criterio, no por entusiasmo
Doce semanas en vivo donde cada participante ordena los procesos de su propio negocio y sale con los tres de mayor impacto funcionando. Con mentores que revisan si el candidato elegido era buen candidato, antes de que se invierta el trabajo.
Conocer el LAB AI ›Preguntas frecuentes
¿Qué proceso conviene automatizar primero con IA?
El que cumpla tres condiciones a la vez: alta frecuencia (pasa muchas veces por semana), resultado verificable (alguien puede decir si está bien) y error barato (si sale mal, se corrige sin consecuencias). Casi siempre es una tarea aburrida de trastienda, no un caso vistoso.
¿Por qué no conviene empezar por el proceso más importante?
Porque el proceso más importante suele ser también el más delicado y el que menos tolera errores. El primer proyecto sirve para aprender cómo se comporta la herramienta en tu contexto, y ese aprendizaje conviene pagarlo barato.
¿Cómo sé si un proceso es buen candidato si nunca lo medí?
Durante una semana, que quien lo hace anote cuántas veces ocurre y cuánto tiempo lleva, redondeado a cinco minutos. Una semana de registro real vale más que cualquier estimación: la memoria sobreestima lo que molesta y subestima la rutina.
¿Conviene automatizar un proceso que todavía no está escrito?
No directamente. Si el proceso solo vive en la cabeza de una persona, primero hay que describirlo, y ese trabajo aparece igual, con la diferencia de que si no lo presupuestás va a aparecer a mitad de camino.
Escrito a partir de lo que vemos en las sesiones del LAB AI, el programa en vivo donde cada participante implementa IA en los procesos reales de su negocio.