¿Cómo elegir el primer proyecto de IA en tu empresa?

16 de noviembre de 20267 min de lectura
¿Cómo elegir el primer proyecto de IA en tu empresa?

Compensa empezar por una decisión que alguien toma con frecuencia y para la que existe un resultado observable. Un equipo de atención puede probar la clasificación de solicitudes, y uno de compras puede probar la detección de discrepancias en un pedido. La elección depende de qué datos están disponibles, qué ocurre si el sistema se equivoca y quién tendrá tiempo para revisar las propuestas.

¿Dónde se acumula el trabajo?

Una bandeja de solicitudes mezcla consultas, incidencias y peticiones comerciales. Una persona abre cada mensaje, descubre a qué equipo pertenece y copia los datos en una herramienta de seguimiento. Los casos urgentes compiten con mensajes rutinarios cada vez que cambia el volumen.

La frecuencia importa tanto como el tiempo que tarda cada tarea. Si la revisión inicial consume poco y el atasco aparece cuando los especialistas ya tienen la solicitud asignada, la clasificación puede desplazar el problema unos minutos sin resolverlo. Para localizar el punto de acumulación, observa cuándo se abre la bandeja, qué personas están habilitadas para decidir y si una petición rutinaria vuelve al principio del proceso. Compara días tranquilos con el periodo de más demanda. Esa distribución permite elegir una tarea que merezca la inversión.

Toma una muestra de varios días, documenta las reglas informales del equipo y mide el tiempo que pasa desde la entrada hasta la asignación. Separa los errores de clasificación de los retrasos causados por falta de capacidad.

Compara el tiempo hasta la asignación y cuenta cuántos mensajes se derivaron mal o llegaron sin datos para decidir.

La unidad del piloto

En la primera prueba, la IA propone una sola categoría para cada solicitud y destaca la frase que justifica su elección. La persona de turno confirma la propuesta o escoge otro destino. El mensaje original queda disponible para una consulta posterior.

Una buena categoría se entiende por el efecto que tiene a continuación. Si dos etiquetas acaban en el mismo equipo y siguen el mismo procedimiento, agruparlas simplifica la revisión. Si una etiqueta reúne asuntos que exigen prioridades diferentes, puede hacer falta otra dimensión como urgencia o tipo de cliente. Anota las decisiones que el piloto seguirá dejando en manos del operador y las que solo propone. Ese límite ayuda a estimar el esfuerzo del proyecto y evita pedir al modelo más información de la que necesita.

Prueba categorías que tengan dueño y un procedimiento conocido. Reserva una opción de revisión general para los asuntos ambiguos. Incluye casos reales de correo reenviado, adjuntos vacíos y mensajes con dos motivos.

Una categoría funciona si requiere pocas correcciones y permite tramitar los asuntos que llegan con la información disponible.

Una muestra que no engañe

El histórico puede estar dominado por dos tipos de solicitud, aunque cada semana aparezcan preguntas poco frecuentes con un impacto mayor. Una muestra extraída solo del último día tampoco recoge cambios estacionales o nuevos productos.

Al revisar la muestra, separa los textos escritos por clientes de los avisos automáticos y de los intercambios internos. Un mensaje cuyo asunto repite el motivo puede ser fácil, incluso si el cuerpo contiene pocas pistas. Un correo reenviado con una larga conversación puede precisar contexto. Conviene registrar el tipo de entrada antes de conocer el resultado del sistema para que después sea posible comparar. Si una categoría tiene pocos ejemplos, planifica cómo observarla durante la prueba y conserva margen para ampliarla con cautela.

Incluye casos de periodos diferentes y pide a dos personas que clasifiquen una parte por separado. Guarda ejemplos fuera del conjunto que usarás para ajustar las instrucciones. Identifica categorías que no se distinguen de forma fiable.

Si los revisores discrepan en un caso, anota el motivo antes de usarlo para evaluar la calidad del modelo.

El coste de equivocarse

Enviar una consulta comercial al equipo de soporte suele ser reversible. Mostrar datos de una cuenta al destinatario equivocado o ignorar una incidencia grave tiene otras consecuencias. El mismo umbral no sirve para las dos decisiones.

Un operador debe poder elegir una alternativa sin explicar su corrección cada vez. En los casos difíciles sí ayuda registrar un motivo breve, como asunto doble, datos ausentes o cliente fuera de la cobertura. Esas etiquetas aportan información para rediseñar el recorrido. Si el error resulta fácil de detectar, estimar el tiempo de corrección puede bastar. Para los casos de riesgo alto, vale la pena ensayar cómo contener una sugerencia incorrecta antes de que se convierta en una instrucción o un envío externo.

Mantén revisión obligatoria en las categorías con más impacto. Desactiva acciones externas en la fase de prueba. Evita incorporar datos del cliente que el sistema no necesite para proponer el destino.

Registra los errores según su gravedad y comprueba si el operador puede revertir la sugerencia con el contexto intacto.

Cómo hacer la prueba con el equipo

Una prueba fuera de la herramienta habitual permite comparar resultados, pero deja pendiente saber si una propuesta ayuda durante el día. El tiempo de copiarla manualmente puede ocultar cualquier mejora.

Si la herramienta empieza a mostrar más información de la necesaria, el usuario puede tardar más en decidir. Prueba una propuesta breve con el fragmento relevante cerca del texto original. En las revisiones pregunta si la persona habría tomado la misma decisión sin la propuesta y qué hizo con el tiempo ahorrado. Los comentarios ayudan a interpretar cambios de rendimiento que coincidan con turnos distintos o con una campaña. El piloto debe poder pausarse cuando aparecen problemas de datos o de prioridades sin dejar mensajes sin atender.

Muestra la sugerencia junto al mensaje dentro del flujo habitual. Registra si se aceptó, corrigió o ignoró y reserva un espacio corto para recoger comentarios de las personas usuarias.

Compara el tiempo de tramitación y anota cuántas correcciones aparecen por turno y qué tareas nuevas exige la prueba.

¿Qué hace falta saber antes de ampliar el piloto?

Al acabar el piloto, dirección necesita decidir qué alcance autoriza y quién se encargará de mantener las reglas. Nuevas categorías, cambios de proceso y rotación de personal pueden afectar a la calidad meses después.

Para ampliar, identifica el coste de revisar los casos difíciles y el de mantener el sistema en cada nueva área. Una clasificación flexible puede ser reutilizable mientras cambian las categorías, las reglas y los grupos que tienen acceso. Antes de extender el piloto, acuerda dónde se documentan esos cambios y cómo se reproduce una decisión antigua. Si las métricas mejoraron solo para una familia de solicitudes, cabe limitar el servicio a esa familia y volver a evaluar las demás cuando exista una muestra suficiente.

Entrega resultados de la muestra reservada, un inventario de entradas, el procedimiento de parada y una lista priorizada de mejoras. Acuerda un responsable y fecha de revisión.

Con esa información, el responsable puede justificar si conviene ampliar el piloto, corregirlo o cerrarlo y cuándo volverá a evaluarlo.

Un ejemplo de alcance razonable

Un distribuidor puede recibir consultas de disponibilidad, solicitudes de cambio y avisos de entrega. Una primera prueba clasifica el mensaje y sugiere el área responsable. La disponibilidad de un producto sigue consultándose en el ERP, porque el equipo necesita una cifra válida en el momento de responder. Al principio se etiqueta cada mensaje dos veces, una por la vía habitual y otra por el piloto, para comparar los resultados sin cambiar quién atiende al cliente.

En una revisión semanal puede salir a la luz que muchos mensajes tienen varios asuntos. Una persona que pregunta por una entrega también puede solicitar una ampliación del pedido. El equipo podría decidir abrir un solo caso con tareas para dos áreas o usar una categoría de coordinación. Esa decisión pertenece a la operación. Si se intenta resolver cambiando únicamente las instrucciones del modelo, los resultados seguirán dependiendo de cómo cada persona interprete la categoría.

¿Qué preguntas conviene hacer antes de aprobar un piloto?

Qué tarea pretende mejorar, con qué muestra se probará y qué pasa si una propuesta llega incompleta. Las respuestas permiten comparar un modelo con una regla, una mejora de interfaz o un cambio de procedimiento. También aclaran cuándo tiene sentido emplear datos históricos y cuándo primero hay que mejorar su captura. Una prueba pequeña puede ser suficiente para descartar una idea costosa y liberar recursos para otra que sí encaje en la operación.

Más información sobre IA aplicada.