IA aplicada a procesos reales: con criterio, no magia
La IA sirve cuando hay un caso concreto, una forma de medir si acierta y una persona que revisa lo que importa. Te ayudamos a encontrar ese caso, a probarlo en pocas semanas y a dejarlo funcionando, sin humo.
Cuando la IA es más promesa que resultado
- Probaron ChatGPT y no supieron medir si sirve.
- Tu equipo usa IA por su cuenta, a veces con datos de clientes.
- Te ofrecen “agentes” y no sabes qué preguntar.
- Te piden “un chatbot que venda solo”.
Tres rutas para usar IA con criterio
Automatización analítica con IA
Leemos documentos y textos a escala (facturas, formularios, correos, reclamos) y los convertimos en datos que puedes medir.
IA en procesos
Asistentes que redactan, resumen o clasifican, con una persona que revisa antes de enviar o decidir.
Capacitación en IA para equipos
Reglas claras de uso, buenas prácticas y qué datos no se suben nunca a una herramienta de IA.
Primero un piloto, después el proyecto
Piloto de viabilidad de 3 a 5 semanas, para saber si el caso funciona con tus datos antes de invertir más. Proyecto completo de 6 a 10 semanas.
- Inicio
El caso y el contrato
Primera firma.
- Semanas 1–3
Conjunto de prueba
Tu equipo etiqueta ejemplos reales que sirven para medir si la IA acierta.
- Construcción
Construcción del flujo
Integrado a tus fuentes y destinos.
- Validación
Validación formal y modo sombra
La IA trabaja en paralelo sin enviar nada, y medimos el acierto y el costo reales. Firma de validación.
- Puesta en marcha
Revisión humana y capacitación
El flujo entra a operar con una persona revisando.
- 2 a 4 semanas más
Acompañamiento incluido
Firma de cierre.
Lo que tu equipo pone
- Quienes conocen el negocio
- 4 a 8 horas para preparar el conjunto de prueba: es la parte más importante
- Durante la validación
- 2 a 5 horas por semana para revisar
Avanzas por hitos que apruebas y pagas por hito aprobado. Si el piloto muestra que el caso no funciona, te lo decimos antes de seguir invirtiendo.
Un flujo de IA que se puede medir y auditar
- El flujo de IA operandoIntegrado a tus fuentes.
- Medición del aciertoEl conjunto de prueba y pruebas automáticas que miden si sigue acertando.
- Instrucciones versionadasLa biblioteca de instrucciones (prompts), con su historial de cambios.
- Revisión humanaLa cola de revisión y un calendario para reducirla a medida que los resultados lo justifiquen.
- Informe de modo sombraCon el acierto real y el costo por transacción.
- Evidencia de cumplimientoSi hay datos personales.
- Acta de cierreManual, capacitación y lo que no construimos y por qué.
Por debajo de esto no ponemos IA en producción
- Calidad: el conjunto de prueba queda versionado, y se vuelve a medir ante cualquier cambio de instrucción o de modelo.
- Trazabilidad: registro por transacción (entrada, salida, versión, modelo y costo).
- Supervisión: cola de revisión con un porcentaje pactado. Vigilamos que la revisión no se convierta en “aprobar todo”.
- Privacidad: planes pagados en los que tus datos no entrenan modelos, nunca versiones gratuitas con datos de clientes, e intervención humana real cuando una decisión automatizada afecta significativamente a una persona (artículo 8° bis). Complementa a tu asesoría legal, no la reemplaza.
- Operación: alerta de costo mensual y una vuelta al proceso manual que está probada.
- Continuidad: cuentas a tu nombre y un plan para cambiar de modelo sin empezar de cero.
Caso ilustrativo · empresa ficticia
El chatbot que no convenía
- La situación
- Una empresa de turismo aventura pidió un chatbot que vendiera tours solo. El diagnóstico mostró otra cosa: una sola persona respondía consultas en cuatro idiomas, y en temporada alta se perdían reservas. Prometerle un cupo o un precio equivocado a un turista que ya viajó es un error caro. Por eso, el chatbot autónomo era el peor primer paso.
- Qué se hizo
- Un asistente que redacta borradores de respuesta en el idioma del cliente; la encargada los revisa antes de enviar.
- Lo que se automatizó sin IA
- Los recordatorios de reserva, porque no la necesitaban.
- Lo que quedó para después
- Predecir la ocupación, porque el historial de reservas estaba repartido en cuatro lugares.
Construido a partir de situaciones frecuentes. Las cifras son estimaciones del caso, no resultados de un cliente.
Python, modelos de lenguaje y orquestadores
Python; modelos de lenguaje en planes pagados con política de no entrenamiento, en cuentas a tu nombre; y n8n o Power Automate cuando el flujo lo permite.
Cuándo la IA no es el primer paso
- Si no hay un proceso repetitivo con volumen: la IA no tiene dónde rendir.
- Si el error es irreversible y no hay quien revise: no se automatiza.
- Si quieres “usar IA” sin un problema definido: parte por el diagnóstico.
Lo que habilita la IA bien medida
Preguntas frecuentes
¿Mis datos entrenan un modelo?
No. Usamos planes pagados en los que tus datos no entrenan modelos, en cuentas a tu nombre. Nunca versiones gratuitas con datos de clientes.
¿Cuánto cuesta usar la IA cada mes?
Depende del volumen. En la propuesta va estimado en pesos, por transacción y por mes, y dejamos configurada una alerta de costo.
¿Qué pasa cuando se equivoca?
Para eso están la revisión humana, el registro de cada transacción y las pruebas que miden el acierto. Si el acierto baja, se detecta y se corrige.
¿Qué tiene que ver con la Ley 21.719?
Si la IA toma decisiones automatizadas que producen efectos jurídicos o afectan significativamente a una persona, hay que informar que existen y la lógica que aplican (artículo 14 ter, letra l), y asegurar su derecho a una explicación y a la intervención humana (artículo 8° bis). Si además el tratamiento es de alto riesgo —por ejemplo, evaluar de forma sistemática a personas con decisiones automatizadas que producen efectos jurídicos significativos—, se requiere una evaluación de impacto previa (artículo 15 ter). Nosotros construimos la parte técnica; la calificación legal es de tu abogado. Ver la preparación técnica para la Ley 21.719.
Parte por el caso correcto
Definimos qué tienes, qué falta y qué conviene hacer primero, con un entregable concreto y sin compromiso de proyecto posterior.