Tu primer proyecto de IA: elegir bien antes de invertir

Cómo elegir el primer proceso a automatizar. Tres condiciones y cuatro pasos antes de comprometer presupuesto.

Muchos proyectos de IA se quedan en piloto, y casi nunca es por la tecnología: es porque se empieza por el proceso más vistoso en lugar del que más tiempo consume. Esta guía sirve para elegir el punto de partida antes de comprometer presupuesto.

El error que repiten la mayoría de empresas

Cuando una empresa decide explorar la IA, lo primero que suele pasar es que alguien del equipo directivo ha visto una demo impresionante: un chatbot que responde preguntas, un sistema que genera informes solos, una herramienta de visión artificial que parece magia. Y desde ahí se decide: "queremos eso para nosotros".

El problema es que lo más espectacular rara vez es lo que más ahorra. En nuestro caso real, en el sector siderometalúrgico, lo primero no fue un asistente conversacional: fue digitalizar las hojas de corte que un operario pasaba a Excel cada día. Sin demo vistosa, pero eliminó 2–3 horas diarias de transcripción por operario.

Cómo identificar dónde tiene sentido empezar

Hay tres condiciones que, cuando coinciden en un proceso, hacen que la IA tenga más probabilidades de éxito y retorno rápido:

• El proceso se repite muchas veces. Si se hace una vez al mes, el ahorro por automatización es mínimo. Si se hace 50 veces al día, el impacto es real desde la primera semana.
• Hay datos disponibles. La IA necesita ejemplos para aprender o contexto para actuar. Un proceso sin datos históricos requiere una fase de generación de datos antes de poder automatizarse.
• El error tiene coste real. Si un proceso se hace mal, ¿qué pasa? Si la respuesta es "enviamos un email incorrecto", el impacto es bajo. Si la respuesta es "facturamos mal a un cliente", el retorno de automatizarlo es claro.

Cuatro pasos antes de escribir una línea de código

• Mapear los procesos tal como son hoy, no como deberían ser. Muchas empresas tienen procesos no documentados que solo conocen las personas que los ejecutan.
• Cuantificar el tiempo y el coste actual. ¿Cuántas horas semanales cuesta el proceso? ¿A qué coste por hora? ¿Cuántos errores genera y qué coste tienen?
• Definir la métrica de éxito antes de empezar. No al terminar. Si no defines cómo vas a medir si el proyecto funcionó, no hay forma de saber si funcionó.
• Decidir si hacer un piloto concreto o una auditoría transversal. Si tienes claro dónde empezar, un piloto acotado es lo más rápido. Si no tienes claro por dónde empezar, que es lo más habitual, una auditoría de 2–3 semanas da un mapa priorizado.

Cuándo contratar ayuda y cuándo no

Si tienes un equipo técnico interno con experiencia en machine learning o desarrollo de integraciones, hay casos sencillos que puedes abordar internamente. Conectar herramientas con Zapier o Make, configurar un asistente con ChatGPT Teams, automatizar flujos simples. Esto no requiere una consultora.

Cuando tiene sentido traer ayuda externa: cuando el proceso requiere un modelo entrenado o ajustado, cuando hay que integrar con sistemas propios (ERP, CRM a medida), cuando el error tiene consecuencias económicas altas, o cuando quieres asegurarte de que el proyecto es deducible como I+D+i.

En Tekk todos los proyectos empiezan con un diagnóstico. No por burocracia, sino porque lo que parece el problema desde la oficina no siempre coincide con lo que se ve desde el taller.