Los mayores errores que cometen las empresas al implementar IA
Casi ningún proyecto de IA falla por el modelo. Falla por la elección del problema, por el dato desordenado y por la gente que quedó fuera.
El patrón de la falla
Después de acompañar un puñado de proyectos de IA en empresas de tamaños muy distintos, el patrón es monótono: el modelo casi nunca es el problema.
Falla en la elección del problema, en el dato, en la integración con el sistema que ya existe y en las personas que tendrían que cambiar de rutina. Ocho errores, en orden de frecuencia.
Error 1: empezar por el proyecto vitrina
El primer proyecto suele elegirse por visibilidad — algo que luzca bien en una presentación de directorio. Un chatbot en la portada, un asistente interno "que responde cualquier cosa sobre la empresa".
Son justamente los casos de alcance indefinido, cuyo éxito nadie sabe medir. El proyecto se entrega, a todos les parece simpático, nadie lo usa después de tres semanas, y la conclusión pasa a ser "la IA no funciona aquí".
Lo correcto: un primer caso elegido por dolor, frecuencia y capacidad de medición. Feo y útil le gana a bonito y vago.
Error 2: ignorar que el dato es un desorden
"Vamos a usar IA con nuestros datos" presupone que existen datos utilizables. En la mayoría de las empresas lo que existe son cinco sistemas que no se hablan, planillas con la verdad real, PDFs escaneados y un Excel de finanzas que es la única fuente confiable de algo.
Ningún modelo resuelve eso. Va a responder con seguridad sobre el dato equivocado — que es peor que no responder.
Lo correcto: medir la calidad del dato antes de prometer resultados, y aceptar que buena parte del presupuesto se va en arreglarlo. Es la parte aburrida que decide el proyecto.
Error 3: automatizar el proceso torcido
Automatizar un proceso malo produce un proceso malo más rápido — y más difícil de arreglar, porque ahora tiene software encima.
Lo correcto: diseñar el proceso como debería ser antes de automatizarlo. Con frecuencia, al hacerlo, se descubre que la mitad de los pasos existían por un motivo que ya no existe.
Error 4: no definir quién es el dueño
Un proyecto de IA que se queda solo con TI muere por falta de conocimiento del negocio. Uno que se queda solo con el área de negocio muere por falta de mantenimiento. Un proyecto sin dueño con nombre y apellido simplemente deja de existir cuando pasa el entusiasmo inicial.
Lo correcto: una persona del área que siente el dolor, con tiempo asignado de verdad, responsable del indicador.
Error 5: saltarse la medición
"Mejoró la atención" no es un resultado. Sin un número de antes no hay número de después, y el proyecto se vuelve cuestión de fe — lo que garantiza que lo corten en el primer apretón de presupuesto.
Lo correcto: dos o tres indicadores medidos antes de empezar. Tiempo promedio, tasa de resolución, costo por atención, horas gastadas en la tarea.
Error 6: subestimar el cambio de rutina
La tecnología llega en semanas; el cambio de comportamiento lleva meses. Un equipo que no entendió para qué existe aquello encuentra maneras creativas de no usarlo — y, si cree que la herramienta es el comienzo de su propio despido, la sabotea con competencia.
Lo correcto: involucrar a quien hace el trabajo desde el diseño, ser explícito sobre el efecto en el empleo (la verdad, sea cual sea) y capacitar de verdad, con el caso de uso real de la persona.
Error 7: tratar el dato sensible con descuido
Pegar el contrato de un cliente, datos personales o información estratégica en una herramienta gratuita, sin contrato y sin cláusula de no entrenamiento. Esto pasa en toda empresa que no dio una directriz clara — y la ausencia de directriz es lo que empuja al empleado hacia su herramienta personal.
Lo correcto: una política escrita, corta, que diga qué puede ir a dónde; y una herramienta corporativa lo bastante buena como para que nadie necesite esquivarla.
Error 8: demasiada autonomía, demasiado pronto
Dejar que el sistema decida solo, frente al cliente, con efecto financiero, sin período de sombra. El primer error público cuesta más de lo que el proyecto entero ahorró.
Lo correcto: copiloto antes que piloto automático, siempre. La autonomía se gana con historial medido.
Si pudiera dar un solo consejo: empieza pequeño, mide, y amplía solo lo que se probó. Es lo contrario de lo que pide la prisa del directorio — y es lo que hace que exista un segundo proyecto.
La señal de que va bien
Un proyecto de IA sano tiene cara de aburrido: alcance estrecho, indicador claro, dueño con nombre, ganancia modesta y verificable, y una fila de próximos casos aprendida del primero.
El proyecto que parece demasiado emocionante en la presentación normalmente es el que no va a sobrevivir al contacto con la operación.
Recibe los próximos artículos
Sin spam. Un mensaje cuando sale un artículo nuevo, con enlace para salir en cada uno.
