Casi ningún proyecto de inteligencia artificial falla por la tecnología. Falla porque arrancó sin poder contestar unas pocas preguntas: qué problema resuelve, con qué datos, quién lo va a usar y cómo se va a saber si funcionó.
Esta guía ordena esas preguntas en cuatro grupos. No hace falta tener todas las respuestas para empezar; sí saber cuáles faltan. Con eso, cualquier propuesta que te llegue —la nuestra o la de otro— se puede evaluar en serio.
El problema
Describilo en una frase
«Queremos usar IA en atención al cliente» es una idea. «Queremos que las consultas sobre el estado de un pedido se respondan solas, a cualquier hora» es un caso. La diferencia es que el segundo se puede construir, probar y medir; el primero se puede discutir durante meses.
Si la tarea no entra en una frase, el primer paso es partir la idea hasta encontrar un caso concreto.
Medí cuánto cuesta hoy
Antes de cambiar algo, anotá cuánto cuesta como está: horas por semana, tiempo de respuesta, errores por mes, lo que sea que la tarea consuma. Es la línea de base.
Sin ella, a los tres meses nadie va a poder decir si la IA rindió o no. Con ella, la conversación cambia: «respondíamos en un día y ahora en un minuto» es un resultado; «la gente está contenta» es una impresión.
Separá el corazón de la fricción
En toda empresa hay un trabajo por el que la eligen —cotizar fino, diseñar, negociar— y mucha fricción alrededor: consultas repetidas, pedidos incompletos, datos que hay que ir a buscar a tres sistemas.
La IA rinde en la fricción. Apuntarla al corazón del negocio no ahorra: te iguala al resto del mercado en lo único que te diferenciaba. Lo explicamos con un caso en la nota La IA no va donde está tu valor.
Preguntate si alcanza con una regla
Si la decisión se puede escribir como una tabla de condiciones —«si el monto supera tal cifra, lo aprueba el gerente»—, no hace falta un modelo de IA: hace falta escribir las condiciones. Es más barato, más rápido y siempre da la misma respuesta.
La IA conviene cuando la tarea tiene variación real: textos distintos cada vez, pedidos escritos de mil formas, información que hay que interpretar.
Los datos
Sabé dónde están
La mitad de un proyecto de IA es llegar a los datos. Hacé la lista de lo que la tarea necesita y de dónde sale cada cosa: el sistema de gestión, una planilla, los correos, la cabeza de alguien. Lo que solo está en la cabeza de alguien hay que escribirlo antes.
Revisá en qué estado están
Un modelo con datos viejos o contradictorios responde con mucha seguridad cosas que ya no son ciertas. No hace falta que todo esté impecable, pero sí saber qué está al día, qué está duplicado y qué falta.
Definí qué no puede salir de la empresa
Datos de clientes, contratos, salarios, información de salud: antes de empezar, decidí qué puede ver la IA y qué no, y dónde tienen que quedar los datos. Es una decisión de la empresa, no del proveedor, y conviene tomarla antes de que alguien pegue una planilla de clientes en una herramienta gratuita.
Juntá ejemplos reales, buenos y malos
Diez o veinte ejemplos reales de la tarea —bien resueltos y mal resueltos— valen más que cualquier especificación. Sirven para probar si funciona y son la vara contra la que se mide.
La gente
Quién conoce el proceso de punta a punta
Siempre hay alguien que sabe cómo se hace de verdad, con sus atajos y sus excepciones. Esa persona tiene que estar en el proyecto desde el principio: es la que sabe dónde se va a equivocar la IA antes de que se equivoque.
Quién revisa lo que produce la IA
La IA se equivoca, y va a seguir equivocándose de vez en cuando. Definí quién revisa lo que produce, con qué frecuencia y qué pasa cuando encuentra un error. Un sistema sin nadie que lo revise termina, tarde o temprano, mandándole algo equivocado a un cliente.
Quién la va a usar
Una herramienta que nadie pidió, nadie la usa. Sumá al equipo que la va a usar desde la idea: van a encontrar problemas que en una reunión de gerencia no aparecen, y van a querer que funcione.
El proveedor
Estas son las preguntas que conviene hacerle a cualquier proveedor, nosotros incluidos.
¿Por qué caso propone empezar, y cómo se va a medir?
Un buen proveedor propone empezar por un caso chico, en uso real y con un resultado medible contra la línea de base. Un primer caso funcionando enseña más que un plan de transformación entero.
¿Qué IA usa, y por qué esa?
Hay modelos de los proveedores principales y de código abierto, y cada uno cambia la calidad, el costo y dónde quedan los datos. La respuesta tiene que explicar la elección para tu caso, no repetir una marca.
¿Dónde quedan los datos, y se usan para entrenar?
Tiene que haber una respuesta clara antes de firmar: en qué servicio quedan, en qué país, quién accede y si las condiciones permiten usarlos para entrenar modelos.
¿El alcance y el precio quedan cerrados?
Si el proveedor cobra por hora hasta que funcione, a nadie le conviene que termine rápido. Alcance y precio cerrados antes de empezar alinean los intereses: los dos quieren terminar bien y pronto.
Señales de alerta
- Una demo impresionante hecha con datos que no son tuyos.
- La promesa de «transformar» toda la empresa en el primer proyecto.
- Nadie pregunta cómo se va a medir el resultado.
- Nadie habla de qué pasa con tus datos.
La lista, en una página
El problema
- La tarea a mejorar, descrita en una frase.
- Cuánto cuesta hoy: horas, tiempo de respuesta, errores.
- Es fricción alrededor del trabajo, no el corazón del negocio.
- No alcanza con una regla escrita.
Los datos
- Dónde está cada dato que la tarea necesita.
- En qué estado están: al día, duplicados, faltantes.
- Qué información no puede salir de la empresa.
- Diez o veinte ejemplos reales, buenos y malos.
La gente
- Quién conoce el proceso de punta a punta.
- Quién revisa lo que produce la IA, y qué pasa cuando se equivoca.
- El equipo que la va a usar, sumado desde la idea.
El proveedor
- Un primer caso chico y medible.
- Qué IA usa, y por qué esa.
- Dónde quedan los datos, y si se usan para entrenar.
- Alcance y precio cerrados antes de empezar.
Si podés contestar la mayoría, estás listo para un primer caso. Si no, el paso siguiente es ordenar el problema. Para eso está el chequeo exprés.