Automatizar con criterio
Dónde la inteligencia artificial sí ahorra horas en una PYME
En tres sitios, y son más aburridos de lo que se promete: leer documentos y llenar una tabla, contestar las preguntas repetidas y pasar las demás a una persona, y resumir conversaciones o textos largos. Los tres tienen algo en común: hay un humano que revisa antes de que la salida toque dinero, inventario o un cliente.
Publicado el · 8 minutos · César Barreto
Casi todo lo que se cuenta sobre inteligencia artificial para negocios pequeños es o demasiado vago para actuar o directamente falso. Esto es lo contrario: tres usos concretos que hoy funcionan, con lo que hay que preparar antes, quién revisa qué, y la lista de lo que todavía no conviene.
1. Leer documentos y llenar una tabla
Es el uso con mejor relación entre esfuerzo y resultado. Facturas de proveedor, remisiones, listas de precios en PDF, estados de cuenta, contratos: documentos que hoy alguien abre uno por uno para teclear seis o siete datos en una hoja. Un modelo lee el documento y devuelve esos campos ya estructurados.
Lo que hace que funcione no es el modelo: es lo que se pone alrededor. Los campos se validan contra reglas del negocio —que el proveedor exista, que la suma cuadre, que la fecha tenga sentido—, y lo que no pasa la validación va a una bandeja de revisión con el documento al lado. La persona deja de capturar y pasa a confirmar, que es un trabajo distinto y mucho más rápido.
La pregunta correcta no es si el modelo se equivoca, porque se equivoca. Es qué pasa cuando lo hace: si el error cae en una bandeja, es una molestia; si entra directo al inventario, es dinero.
2. Contestar lo repetido y pasar lo demás a una persona
En casi todos los negocios, la mitad de los mensajes que llegan son las mismas cinco preguntas: horario, ubicación, si hay existencia, cuánto cuesta el envío, si facturan. Contestarlas no requiere criterio y aun así se lleva la atención de alguien todo el día.
Lo que se automatiza es esa mitad, con dos reglas que no se negocian. La primera: el sistema contesta con información que sale de tus datos —tu catálogo, tu horario, tu política de envío—, no de lo que el modelo crea recordar. La segunda: en cuanto la conversación se sale del guion, pasa a una persona, y se dice que va a pasar a una persona. Un cliente perdona esperar; no perdona dar vueltas con algo que no entiende.
Si el canal es WhatsApp, además hay reglas de la plataforma que conviene conocer antes de diseñar nada: fuera de la ventana de veinticuatro horas solo se puede escribir con plantillas aprobadas, y la baja tiene que ser fácil. No es un detalle técnico: cambia lo que se puede prometer.
3. Resumir lo largo
Una conversación de cuarenta mensajes con un cliente, un pliego de licitación, tres correos encadenados sobre un pedido. Resumir es lo que mejor hace un modelo de lenguaje y donde menos daño puede causar, porque el original sigue ahí para comprobar.
El uso que más rinde es el menos vistoso: al terminar una conversación de venta, dejar escrito qué pidió el cliente, qué se le ofreció y en qué quedó, dentro del sistema y no en la cabeza del vendedor. Eso convierte un chat en un registro consultable, que es justo lo que falta cuando alguien pregunta en qué quedamos con este cliente.
¿Qué hay que preparar antes?
- 01
Los datos donde se puedan consultar
El catálogo, los precios y las políticas tienen que estar en un lugar que el sistema pueda leer. Si el precio vive en la cabeza de alguien, ninguna automatización lo va a saber.
- 02
La regla escrita
Qué se contesta solo, qué pasa a una persona, quién revisa qué. En una hoja, antes de construir. Es la mitad del trabajo y no la hace el software.
- 03
Un lugar donde caiga lo dudoso
Una bandeja de revisión con el documento o la conversación al lado. Sin ella, los errores no se corrigen: se descubren tarde.
- 04
Una forma de medir
Cuántos documentos entraron, cuántos pasaron sin tocarse, cuántos hubo que corregir. Sin esos tres números no se puede decir si sirvió, y la conversación se vuelve de opiniones.
¿Dónde todavía no conviene?
Hay una frontera bastante clara, y tiene que ver con lo irreversible. Estas cuatro salen mal con frecuencia suficiente como para no ponerlas en manos de un modelo sin una persona en medio.
| Tarea | Por qué todavía no | Qué sí se puede automatizar alrededor |
|---|---|---|
| Aprobar un crédito o un descuento | Es criterio y tiene consecuencia económica directa | Juntar el historial del cliente y presentarlo resuelto para que la persona decida en un minuto |
| Cerrar una venta o cobrar | Un error no se deshace con una disculpa | Armar el documento, validar el precio y dejarlo listo para confirmar |
| Diagnosticar algo técnico o de salud | La responsabilidad es de una persona y no se delega | Ordenar la información previa y redactar el borrador del reporte |
| Contestar reclamaciones | Una respuesta automática a un cliente enojado empeora casi siempre | Detectar el enojo, avisar y pasar la conversación a una persona de inmediato |
La regla que ahorra más dinero que cualquier modelo
Automatizar un proceso caótico solo lo vuelve más rápido y más caótico. Si hoy nadie sabe cuál es el precio bueno, poner un modelo a contestar precios multiplica el problema en vez de resolverlo. Primero se fija la regla, se prueba a mano un par de semanas, y solo entonces se automatiza.
Y una segunda, que es la que separa un proyecto de inteligencia artificial que sirve de uno que se abandona a los tres meses: la salida del modelo tiene que entrar a un sistema con datos, permisos y rastro de quién hizo qué. Un modelo por sí solo no guarda estado, no controla existencias y no deja auditoría. Va dentro de un sistema que sí hace esas cosas, no en lugar de él.
Cuándo no conviene automatizar con inteligencia artificial
- Cuando la tarea pasa dos o tres veces al mes. El costo de construirla y mantenerla no se recupera; se documenta y se deja en la lista de espera.
- Cuando el proceso cambia cada semana. Lo que se automatiza es una regla, y todavía no hay ninguna.
- Cuando los datos que necesita no existen en ningún archivo. Primero se ponen por escrito; eso solo ya ahorra tiempo.
- Cuando la decisión requiere criterio y el error es irreversible. Se automatiza lo que está antes y después: juntar la información, avisar y registrar.
- Cuando lo que falta es orden. Un modelo no arregla un proceso sin dueño; le pone velocidad.
Quién escribe
César Barreto, fundador de riel. Ingeniería industrial y desarrollo: mira la operación antes que el código.
Construyó el ERP de Distribuidora del Golfo, 19 módulos entregados en 6 fases con 1,148 pruebas automatizadas.
Conocer a riel →Preguntas frecuentes
¿Qué puede hacer hoy la inteligencia artificial en un negocio pequeño?
Tres cosas con resultados consistentes: leer documentos y devolver sus datos estructurados, contestar las preguntas repetidas y pasar el resto a una persona, y resumir textos o conversaciones largas. Las tres funcionan con revisión humana antes de que la salida toque dinero o inventario.
¿Se equivoca? ¿Qué pasa cuando lo hace?
Se equivoca, y por eso se diseña asumiendo que va a pasar. Lo que decide si es un problema o una molestia es dónde cae el error: en una bandeja de revisión con el documento al lado, o directo en el inventario. Eso lo decide quien construye, no el modelo.
¿Necesito un sistema para usar inteligencia artificial?
Para probar, no. Para que sirva todos los días, sí: un modelo no guarda estado, no controla existencias, no tiene permisos ni deja rastro de quién hizo qué. Sirve dentro de un sistema que sí hace esas cosas.
¿Puedo usar ChatGPT y ya?
Para redactar, resumir y ordenar ideas, sí, y vale la pena. Lo que no resuelve es la operación: no descuenta existencias, no factura, no sabe quién es cada cliente ni deja auditoría. Sirve como herramienta de una persona, no como sistema del negocio.