Dónde sí y dónde no

El problema que resuelve

La conversación sobre inteligencia artificial en una empresa pequeña suele darse al revés. Empieza por una herramienta que alguien vio, sigue por una prueba que funcionó bien en una demostración, y termina en una licencia contratada que dos meses después usa una sola persona.

El problema es que la pregunta de partida era sobre la tecnología y no sobre el trabajo. Nadie miró primero dónde se le va el tiempo a la organización, qué tareas se repiten con criterio estable y cuáles requieren un juicio que la empresa no está dispuesta a delegar. Los síntomas son reconocibles: cada área propone su propio uso sin un criterio común, la prueba que brilló con ejemplos preparados tropieza con los casos reales, y cuando alguien pregunta el tiempo de quién, exactamente, debía liberar la herramienta, nadie sabe contestar.

Lo que queda es una sensación cara y confusa: la impresión de estar atrasado, sin una idea clara de respecto a qué. Esa sensación tiene costo propio. Consume reuniones de dirección que no terminan en una posición, empuja a decidir la próxima compra con prisa y le enseña al equipo que cada iniciativa nueva se apagará como la anterior. Si nadie la ordena, la empresa alterna entre el entusiasmo y el rechazo sin haber decidido nunca, con razones escritas, dónde tiene sentido y dónde no.

De qué trata

El taller trabaja sobre la operación real del participante, no sobre casos de otras industrias, y parte de una pregunta distinta a la habitual: no qué puede hacer la inteligencia artificial, sino en qué parte concreta del trabajo vale la pena ponerla y en cuál no. Es un taller de criterio y no de herramientas, porque una decisión atada a un producto caduca con él, mientras que el criterio para decidir dónde aplicar la tecnología se queda en la empresa. La primera parte inventaria tareas: qué se hace, con qué frecuencia, quién lo hace y cuánto criterio propio exige cada una.

Sobre ese inventario se aplica un filtro de tres cortes. Volumen y repetición, porque lo que ocurre dos veces al año no justifica nada. Estabilidad del criterio, porque una tarea cuyas reglas cambian cada mes no es candidata. Y tolerancia al error, que es el corte que más candidatos elimina: hay tareas donde una respuesta plausible pero equivocada tiene consecuencias que la empresa no puede absorber. Este último corte pesa más en la inteligencia artificial que en la automatización convencional. Una regla mal escrita falla siempre de la misma manera, lo que facilita detectarla; un sistema que redacta o clasifica puede acertar muchas veces y equivocarse después con la misma seguridad, lo que obliga a decidir de antemano quién revisa qué.

El trabajo en la sala es sobre casos propios. Cada participante construye su inventario, lo pasa por los tres cortes y lo contrasta en grupos pequeños con otros participantes, que al no conocer la tarea suelen ver el juicio escondido en lo que su responsable describe como mecánico. Después se prioriza lo que sobrevive por esfuerzo y por consecuencia, y se nombra en voz alta el trabajo que la empresa no debe delegar a un sistema, porque decirlo de forma explícita es lo que impide que se delegue por omisión.

La sesión termina con las dos listas. La de dónde sí, priorizada. Y la de dónde no, con la razón escrita al lado, que es lo que evita volver a discutir lo mismo dentro de seis meses. Junto con ellas queda algo menos visible y más duradero: una forma de medir la próxima propuesta que llegue contra la operación real y no contra la última demostración. Lo que el inventario revela sobre dónde se va el tiempo rara vez se queda dentro de un área, y leer esa clase de hallazgo a la vez en los siete motores que ALUD examina en una organización es la función de Business 360, su diagnóstico.

Qué aprenderán

• Inventariar las tareas reales de la operación antes de mirar cualquier herramienta.
• Aplicar un filtro de volumen, estabilidad de criterio y tolerancia al error.
• Identificar el trabajo que la empresa no debe delegar a un sistema.
• Priorizar los candidatos por esfuerzo y por consecuencia.
• Dejar escrita la razón de cada descarte.

Temario

1. 01Por qué empezar por la herramienta casi siempre falla
2. 02Inventario de tareas: frecuencia, ejecutor y criterio requerido
3. 03Volumen y repetición como primer corte
4. 04Estabilidad del criterio: por qué las reglas cambiantes descalifican
5. 05Tolerancia al error y consecuencia de una respuesta plausible pero falsa
6. 06Trabajo que no se delega, y por qué decirlo explícitamente
7. 07Priorizar candidatos por esfuerzo y consecuencia
8. 08Qué hace falta tener ordenado antes de automatizar con IA

Con qué sale la organización

• Un inventario de tareas de la propia operación.
• Una lista priorizada de dónde aplicar IA primero.
• Una lista de descartes con la razón escrita al lado.
• Un criterio propio para evaluar la próxima herramienta que aparezca.