La mayoría de los negocios quiere que su primer proyecto de IA de verdad sea impresionante: una función nueva de cara al cliente, una idea de producto ingeniosa, algo digno de anunciarse. Ese instinto es comprensible, pero juega en contra. Un proyecto vistoso suele automatizar un proceso que nadie ha tocado antes, no tiene una forma establecida de comprobar si el resultado es correcto, y tiene un coste real si falla en público. El equipo que lo lleva está aprendiendo la herramienta, el flujo de trabajo y cómo juzgar el éxito al mismo tiempo, y cualquiera de los tres puede torcerse.
Por qué lo aburrido gana a lo vistoso
Un primer proyecto aburrido hace lo contrario. Apunta a algo que ocurre a menudo, tiene una respuesta correcta que una persona puede comprobar en segundos, y no causa daño real si los primeros intentos son mediocres. Nadie recuerda un arreglo interno silencioso. Todo el mundo recuerda un tropiezo público, y un tropiezo público suele acabar durante mucho tiempo con las ganas de una empresa de volver a probar la IA.
Cómo es lo aburrido en la práctica
Etiquetar o dirigir las consultas entrantes por tipo antes de que las atienda una persona. Redactar una primera respuesta a una pregunta que llega cada semana, para que un humano la edite antes de enviarla. Extraer datos estructurados de un formulario o una factura hacia una hoja de cálculo. Resumir un documento largo antes de una reunión en vez de leerlo desde cero. Nada de esto daría un caso de estudio interesante. Todo esto ocurre decenas de veces por semana, y ese es precisamente el punto.
Imagina, a modo de ejemplo hipotético, una pequeña empresa logística cuyo primer proyecto de IA consiste en clasificar los correos entrantes en tres carpetas antes de que nadie los lea. Nadie fuera de la empresa se entera nunca. La persona que antes clasificaba esa bandeja a mano nota que el atraso es menor, y esa es toda la historia de éxito que merece la pena tener en esta etapa.
La ventaja de la frecuencia
Una tarea que ocurre dos veces al mes nunca genera suficientes intentos para saber si una herramienta funciona de verdad o si simplemente tuviste suerte dos veces. Una tarea que ocurre cincuenta veces al mes da una muestra real en pocas semanas. La frecuencia, no el brillo, es lo que permite a un negocio distinguir un buen resultado de una coincidencia.
El coste de un fallo público
Una tarea interna de bajo riesgo que sale mal se nota en el siguiente intento y se corrige en silencio. Un lanzamiento vistoso de cara al cliente que sale mal es visible, y las ganas de un segundo proyecto de IA dentro de la empresa suelen encogerse con él. Empezar pequeño protege los proyectos que deben venir después.
Cómo elegir el primer proyecto real
Haz una lista de las tareas repetitivas que ya existen en el negocio y puntúa cada una según dos criterios: con qué frecuencia ocurre y cuán barato es detectar y corregir una respuesta equivocada. La tarea que puntúa bien en ambos es con la que hay que empezar, no la que quedaría mejor en una reunión. Una vez que ese primer proyecto poco glamuroso está en marcha y alguien confía en el patrón de dónde funciona y dónde todavía hace falta una persona, ese criterio pasa directamente al siguiente proyecto, algo más ambicioso.
dónde ayuda de verdad la IA a una pyme traza el mapa más amplio en el que encaja esto. Nuestro equipo suele empezar con los clientes nuevos por la tarea más aburrida de su lista, no por la más emocionante, porque es la forma más rápida de averiguar cuál debería ser el segundo proyecto.
