La automatización basada en la inteligencia artificial en los negocios internacionales
El primer proyecto de IA dentro de una empresa suele empezar con algo aparentemente sencillo. Un responsable se da cuenta de que cinco personas dedican cada lunes por la mañana a copiar cifras de una hoja de cálculo a otra, clasificar correos electrónicos de clientes o elaborar el mismo informe semanal. Alguien sugiere que una herramienta de IA podría realizar ese trabajo en cuestión de minutos. Se aprueba una prueba piloto, la primera demostración resulta impresionante y el equipo empieza a hablar de las horas que se podrían ahorrar.
Entonces llega la realidad. Los datos de origen son incoherentes. El software no es capaz de gestionar varias excepciones habituales. Los empleados corrigen discretamente sus errores sin dejarlo constancia, mientras que los directivos se esfuerzan por determinar si el proceso es realmente más rápido. Lo que parecía un proyecto de automatización acaba siendo una lección sobre cómo funciona realmente la empresa.
Esto no significa que la tecnología haya fallado. Significa que la empresa partió de la herramienta en lugar de partir del trabajo.
La automatización basada en la inteligencia artificial puede reducir las tareas administrativas repetitivas, facilitar una toma de decisiones más rápida y proporcionar a los empleados más tiempo para dedicarse a tareas que requieran criterio, negociación o creatividad. Sin embargo, las empresas que más se benefician de ella rara vez son las que adquieren el mayor número de aplicaciones. Son aquellas que identifican un problema operativo concreto, rediseñan el proceso en torno a él y definen claramente en qué aspectos debe seguir recayendo la responsabilidad humana.
Empieza por el problema del martes por la mañana
El mejor punto de partida no es la ambición empresarial de “convertirse en una empresa impulsada por la IA”. Es una tarea que la gente pueda describir en lenguaje coloquial.
Quizás el equipo de finanzas reciba cientos de facturas en diferentes formatos y tenga que introducir manualmente la misma información en un sistema contable. Es posible que los empleados de atención al cliente dediquen la primera parte de cada caso a identificar el producto, el idioma y la naturaleza de la reclamación. Un equipo de compras podría tener que leer extensos documentos de los proveedores para encontrar unas pocas cláusulas relevantes.
Se trata de candidatos prometedores porque la tarea se repite con frecuencia, utiliza información reconocible y sigue un patrón razonablemente estable. Además, es posible cuantificar el beneficio potencial.
Pregunta a los empleados qué tareas repiten una y otra vez, qué datos copian de un sistema a otro y en qué aspectos pierden tiempo buscando información. Las respuestas más útiles suelen encontrarse varios niveles por debajo de la alta dirección. Los ejecutivos saben hacia dónde quiere ir la empresa; quienes llevan a cabo los procesos saben dónde se producen los atascos.
No empieces preguntándote qué puestos de trabajo se pueden automatizar. En su lugar, divide los puestos en tareas. Un puesto de atención al cliente puede incluir la clasificación, la búsqueda de información, la conversación, la negociación y la resolución de problemas. Es posible que la IA se encargue bien de las dos primeras tareas, pero que siga siendo poco fiable o inadecuada para el resto.
Esta distinción evita que un programa de automatización se convierta en un proceso indiscriminado de reducción de plantilla. Además, permite tomar mejores decisiones en materia de tecnología.
Analiza el trabajo antes de intentar mejorarlo
Una vez identificada una tarea, síguela de principio a fin.
¿Por dónde entra la información en la empresa? ¿Quién la comprueba? ¿Qué sistemas intervienen? ¿Qué decisiones se toman y qué ocurre cuando un caso no sigue el patrón habitual?
Un proceso que parece sencillo en una presentación puede contener docenas de soluciones provisionales no oficiales. Un empleado sabe que los pedidos de un mercado concreto requieren un documento adicional. Otro se da cuenta de que un proveedor utiliza un código de producto obsoleto. Es posible que estos detalles nunca se hayan puesto por escrito, ya que el personal con experiencia los ha tenido siempre presentes.
La automatización saca a la luz este conocimiento oculto. Un sistema no puede aplicar una regla que nadie haya formulado.
Crea un diagrama de procesos sencillo en el que se muestren los datos de entrada, los pasos rutinarios, las decisiones, las excepciones y los resultados finales. Anota qué información es esencial y cuál se incluye simplemente porque la empresa siempre la ha recopilado.
Este ejercicio suele generar ahorros incluso antes de introducir cualquier sistema de inteligencia artificial. Se pueden eliminar las aprobaciones duplicadas, estandarizar las plantillas y suprimir los informes innecesarios. No tiene mucho sentido utilizar tecnología avanzada para acelerar un proceso que la empresa ya no necesita.
Elige un primer proyecto que pueda soportar un error
El piloto ideal es lo suficientemente competente como para marcar la diferencia, pero lo suficientemente comedido como para que un error no provoque daños graves.
Resumir documentos internos, clasificar consultas no confidenciales o redactar descripciones estándar de productos pueden ser buenos puntos de partida. Por el contrario, tomar decisiones sobre la concesión de préstamos, evaluar a candidatos a un puesto de trabajo o ofrecer asesoramiento médico, jurídico o financiero conlleva un nivel de riesgo mucho mayor.
Hay que tener en cuenta tres factores: la frecuencia, la previsibilidad y las consecuencias.
Una tarea que se realiza miles de veces al mes ofrece un mayor valor potencial que otra que se lleva a cabo de forma ocasional. Un proceso regido por patrones claros es más fácil de automatizar que uno que dependa en gran medida del contexto. Y lo más importante: las consecuencias de un error determinan el grado de supervisión necesario.
Un resumen generado por inteligencia artificial que un empleado utiliza como primer borrador es muy diferente de una decisión automatizada que determina si una persona obtiene un puesto de trabajo, un pago o un servicio esencial.
Empieza por un punto en el que una persona con conocimientos pueda revisar rápidamente los resultados. Esto permite a la empresa conocer cómo se comporta la tecnología antes de confiarle tareas de mayor importancia.
Decide qué hace la máquina y qué es propiedad de la persona
Para que un proyecto de automatización tenga éxito, es necesario establecer una línea clara entre la actividad de las máquinas y la responsabilidad humana.
El sistema puede extraer datos de las facturas, pero un empleado debe revisar los registros que no alcancen un umbral de confianza. Puede redactar un borrador de respuesta a un cliente, mientras que el asesor decide si el tono y la solución propuesta son adecuados. Puede identificar transacciones inusuales, pero es un investigador cualificado quien determina si son sospechosas.
La presencia de una persona no debe limitarse a dar la impresión de que se está llevando a cabo una supervisión. El revisor debe disponer de tiempo, información y autoridad suficientes para cuestionar el resultado.
Esto es importante porque las personas pueden llegar a confiar excesivamente en los resultados generados automáticamente, sobre todo cuando un sistema suele funcionar bien. Tras aprobar docenas de recomendaciones correctas, es posible que un empleado deje de examinar con detenimiento la siguiente.
Diseña el proceso de revisión en función del riesgo. Los casos de escaso valor y fácilmente reversibles pueden requerir un control aleatorio ocasional. Las decisiones de gran repercusión pueden requerir una aprobación individual y una explicación documentada.
Decide también quién es el responsable cuando algo sale mal. “Lo ha generado la IA” no es una respuesta aceptable para un cliente, un organismo regulador o el consejo de administración.
Corregir los datos antes de culpar al modelo
Los sistemas de inteligencia artificial dependen de la información que reciben. Si los nombres de los productos varían de un departamento a otro, los registros de los clientes están incompletos o los documentos normativos se contradicen entre sí, la automatización reproducirá la confusión a mayor velocidad.
Antes de la implementación, comprueba si los datos pertinentes son exactos, están actualizados y pueden utilizarse legalmente para el fin propuesto. Averigua quién es el titular de los datos y quién es responsable de corregir los errores.
Un chatbot de atención al cliente que utilice información obsoleta puede ofrecer respuestas con seguridad, pero que sean incorrectas. Una herramienta de previsión entrenada con datos históricos de demanda distorsionados puede seguir recomendando niveles de existencias erróneos. Un sistema de selección de personal que se base en patrones de contratación anteriores puede reproducir los sesgos arraigados en esas decisiones.
La preparación de datos no es la parte más glamurosa de la IA, pero suele ser la más importante desde el punto de vista comercial. Un sistema más pequeño que utilice información limpia y relevante puede ofrecer mejores resultados que un modelo más sofisticado basado en registros desorganizados.
Las empresas también deberían reducir al mínimo la información que recopilan. Un proyecto de automatización no necesita tener acceso a todos los campos disponibles simplemente porque la tecnología sea capaz de procesarlos. Los datos adicionales conllevan obligaciones adicionales en materia de privacidad, seguridad y gobernanza.
Crea un episodio piloto basado en situaciones reales de trabajo
Las demostraciones que ofrecen los proveedores suelen realizarse en condiciones ideales. Una prueba piloto significativa debería basarse en casos representativos de la carga de trabajo real de la empresa.
Incluye tareas sencillas, pero también los ejemplos más complicados con los que se encuentran los empleados en la práctica: formularios incompletos, mensajes ambiguos de los clientes, formatos poco habituales e instrucciones contradictorias. Realiza pruebas en varios idiomas en los mercados en los que opera la empresa.
Ejecute el nuevo proceso en paralelo al ya existente durante un periodo determinado. Esto permite comparar la velocidad, la precisión y el coste sin tener que depender de inmediato de un sistema que aún no ha demostrado su eficacia.
Los empleados deberían dejar constancia de sus intervenciones en lugar de corregir en silencio los resultados. Si una persona reescribe la mitad de cada respuesta generada, la tasa de automatización aparente puede parecer impresionante, mientras que el ahorro real es insignificante.
La prueba piloto debería responder a varias preguntas concretas. ¿Con qué frecuencia genera el sistema un resultado útil? ¿En qué aspectos falla? ¿Cuánto tiempo se necesita para revisarlo? ¿Reduce la duración total del proceso o simplemente traslada el trabajo de un departamento a otro?
Un proyecto piloto que pone de manifiesto sus limitaciones no ha fracasado. Ha evitado que una idea defectuosa se llevara a gran escala.
Mide el resultado que realmente importa
El tiempo que se ahorra es útil, pero no es el único indicador de éxito.
Un sistema de atención al cliente basado en la inteligencia artificial puede responder a las consultas con mayor rapidez, pero al mismo tiempo aumentar el número de quejas, ya que las respuestas parecen genéricas. La inspección automatizada en la fabricación puede reducir las comprobaciones manuales, pero pasar por alto algún defecto poco frecuente y costoso. Una herramienta de marketing puede generar más contenido, pero debilitar la marca debido a la repetición y la falta de coherencia.
Elige indicadores relacionados con el problema original. Entre ellos pueden figurar el tiempo de tramitación, las tasas de error, el coste por transacción, la satisfacción del cliente, la tasa de conversión, el desperdicio, el tiempo de inactividad o el número de casos que requieren una escalación.
Evalúa todo el proceso en su conjunto, en lugar de centrarte únicamente en la fase automatizada. Si la extracción de facturas se agiliza, pero los empleados dedican más tiempo a resolver errores posteriormente, el proyecto no ha supuesto una mejora para el funcionamiento.
Establece una referencia antes del lanzamiento. Si no se sabe cuánto tiempo lleva actualmente el proceso ni con qué frecuencia se producen errores, casi cualquier sistema nuevo puede presentarse como un éxito.
El cálculo financiero debe incluir las licencias, la integración, la preparación de datos, la seguridad, la formación de los empleados, la supervisión y el mantenimiento. Un precio mensual bajo del software puede ocultar un coste interno de implementación considerable.
Reúne a los empleados antes de que empiecen los rumores
Cuando los trabajadores se enteran de que la dirección va a implantar la automatización, muchos dan por hecho que el objetivo es recortar puestos de trabajo. Si los responsables evitan abordar el tema, los empleados tienden a llenar ese silencio por su cuenta.
Explica qué tareas se están barajando, por qué se han elegido y qué se hará con el tiempo que se liberará. Sé sincero en los casos en los que las funciones puedan cambiar.
Los empleados se muestran más dispuestos a apoyar el proyecto cuando este les libera de tareas que consideran repetitivas o frustrantes. Por el contrario, se muestran menos dispuestos a cooperar cuando se les pide que formen a un sistema que parece estar diseñado para sustituirlos, sin que se haya debatido en absoluto sobre su futuro.
La formación debe ir más allá de enseñar a los usuarios qué botones deben pulsar. El personal debe comprender las limitaciones del sistema, saber identificar los resultados poco fiables y saber cuándo no se debe introducir información en una herramienta externa.
Los directivos también necesitan formación. Deben aprender a distinguir entre una demostración convincente y un análisis de viabilidad sólido, y evitar considerar que los resultados generados por la IA son intrínsecamente objetivos.
Los datos más recientes sugieren que la IA generativa suele modificar la composición de los puestos de trabajo, en lugar de eliminar funciones enteras. Por lo tanto, la tarea práctica de gestión consiste en rediseñar el trabajo: las máquinas se encargan de la clasificación, la redacción y la recuperación de información, mientras que las personas siguen siendo responsables de la toma de decisiones, las relaciones y las excepciones.
Establece un marco de gobernanza antes de ampliar la escala
Que un solo empleado pruebe una herramienta de IA de uso público puede parecer inofensivo. Sin embargo, en una empresa internacional, cientos de experimentos no coordinados pueden generar rápidamente riesgos relacionados con la información confidencial, los derechos de autor, la seguridad y un trato desigual a los clientes.
Elabora un inventario de los sistemas aprobados y los casos de uso activos. Cada proyecto debe contar con un responsable de negocio, un responsable técnico y una persona encargada de la gestión de riesgos y el cumplimiento normativo.
Registra qué datos utiliza el sistema, dónde se procesan dichos datos, qué proveedor tiene acceso a ellos y si la información puede conservarse para el entrenamiento de modelos. Establece normas para la información comercial, personal y de los clientes de carácter sensible.
El Marco de Gestión de Riesgos de la IA del NIST ofrece un principio organizativo útil: regular el uso de la IA, identificar el contexto y los riesgos, medir el rendimiento y gestionar los problemas detectados a lo largo de todo el ciclo de vida del sistema. La gobernanza no debe limitarse a la reunión final de aprobación, sino que debe formar parte del diseño del proyecto.
Para las empresas que operan en Europa, la Ley de IA de la UE hace que la clasificación cobre cada vez más importancia. Las obligaciones varían en función de la función del sistema y del nivel de riesgo, prestándose especial atención a los usos que puedan afectar de manera significativa a las personas, incluidas algunas aplicaciones en el ámbito laboral, los servicios esenciales y los productos regulados.
La solución práctica no consiste en detener la experimentación, sino en saber qué se está implementando y por qué.
Saber cuándo no automatizar
Algunos procesos ineficientes deberían rediseñarse sin recurrir a la IA. Otros deberían seguir estando a cargo de personas.
Una regla de software convencional puede resultar más fiable para cálculos sujetos a condiciones fijas. Una función de búsqueda puede resolver el problema de forma más económica que un modelo generativo. Una conversación delicada con un cliente angustiado puede requerir empatía y discreción que la automatización no puede ofrecer de forma creíble.
No automatices un proceso que no funciona simplemente porque lleva tiempo. Si los empleados tienen que corregir repetidamente el mismo tipo de queja de los clientes, es posible que haya que revisar el producto o la política en cuestión.
Tampoco debería utilizarse la automatización para ocultar la falta de personal. Un chatbot no puede compensar indefinidamente el hecho de que una empresa haya hecho imposible que los clientes puedan ponerse en contacto con una persona.
La pregunta correcta no es: “¿Puede la IA hacer esto?”, sino: “¿La automatización de esta tarea generará un mejor resultado para la empresa y para las personas a las que afecta?”.”
Unos primeros 90 días sensatos
Durante el primer mes, identifica entre tres y cinco procesos repetitivos y habla directamente con los empleados que los llevan a cabo. Analiza los pasos, calcula el coste actual y elimina las ineficiencias evidentes.
En el segundo mes, selecciona un caso de uso concreto y pruébalo con datos representativos. Define el proceso de revisión manual, los controles de riesgo y los indicadores de éxito antes de que comience la fase piloto.
Durante el tercer mes, compara el nuevo flujo de trabajo con el anterior. Registra los errores, las intervenciones de los empleados, las repercusiones en los clientes y los costes totales de la implantación. Amplía la escala solo cuando los datos lo justifiquen.
Un proyecto piloto útil puede que, al principio, solo ahorre unas pocas horas. Su mayor valor radica en enseñar a la organización cómo seleccionar, gestionar y mejorar la automatización en el futuro.
Las empresas con más probabilidades de beneficiarse
La automatización basada en la inteligencia artificial no premia la precipitación con la misma fiabilidad con la que premia la disciplina operativa. Las empresas que cuentan con procesos claros, datos útiles y empleados comprometidos tienen más probabilidades de generar beneficios que aquellas que adquieren herramientas como respuesta a la ansiedad de los directivos.
El primer proyecto no debe pretender reinventar la organización. Debe resolver un problema concreto, aportar pruebas y establecer un método que pueda repetirse.
Con el tiempo, esos pequeños sistemas pueden empezar a conectarse entre sí. Las consultas de los clientes sirven de base para el desarrollo de productos; las previsiones de demanda influyen en las compras; y los datos de mantenimiento reducen las interrupciones en la fábrica. Es aquí donde la automatización adquiere una importancia estratégica, no como un conjunto de herramientas aisladas, sino como una forma más ágil de gestionar el negocio.
Las empresas que tengan éxito no serán aquellas que eliminen a las personas de todos los procesos. Serán aquellas que comprendan qué tareas se benefician de la rapidez y la coherencia, qué decisiones requieren el criterio humano y cómo combinar ambas cosas sin perder la responsabilidad.
