19 Sep IA sin humo: 5 promesas que cuestionar antes de comprar IA
Casi nadie compra inteligencia artificial por ingenuidad. Se compra porque la demo fue impecable, porque la competencia ya anunció algo parecido y porque la promesa sonaba razonable en la sala de ventas. El problema aparece después: en el mes cuatro, cuando el equipo hace lo mismo de antes más el trabajo de alimentar la herramienta, y la persona que firmó ya no está en la reunión. Esta es la versión completa de IA sin humo: las cinco promesas que más se repiten al vender IA, qué hay detrás de cada una y la pregunta exacta que conviene hacer antes de firmar.
Por qué abunda el humo (y por qué casi nunca es mentira)
Conviene empezar por algo incómodo: el vendedor rara vez miente. Lo que ocurre es más sutil. La promesa se hace sobre el mejor caso —el proceso limpio, el dato ordenado, el usuario entusiasta— y el costo aparece sobre el caso real: el proceso con excepciones, el dato con huecos y el equipo que no tiene tiempo de aprender otra herramienta. Entre uno y otro hay meses, y en esos meses la conversación cambia de manos.
A eso se suma que la IA generativa produce resultados que parecen correctos incluso cuando no lo son, así que la demo siempre luce bien. El humo no es un engaño; es la distancia entre lo que el software promete y lo que tu operación necesita. Cerrar esa distancia es trabajo del comprador, y se hace con preguntas.
Las cinco promesas, una a una
1. «Reemplaza a tu equipo»
La realidad: la IA reemplaza tareas, no cargos. Un agente puede clasificar correos, redactar borradores, extraer datos de un PDF o proponer una respuesta; lo que no puede es asumir la responsabilidad de que esa respuesta sea la correcta. En los proyectos que mejor funcionan, el humano no desaparece: se mueve de ejecutar a revisar y decidir, que es donde su criterio vale más.
La pregunta: muéstrame las tres tareas que sí reemplaza y las tres que no. Si el proveedor tiene las seis listas, conoce su producto. Si solo tiene las tres primeras, lo que conoce es su presentación.
2. «Se implementa en una semana»
La realidad: en una semana se instala. Que la gente lo use sin ayuda, que el dato de entrada esté limpio, que alguien revise lo que sale y que el proceso de alrededor se ajuste toma bastante más. La brecha entre «funciona en la demo» y «funciona un martes a las 4 p. m. con el sistema caído» es lo que ninguna presentación muestra.
La pregunta: ¿una semana hasta la demo, o hasta que mi gente lo use sin ayuda? Son cosas distintas, y casi nunca se aclaran solas.
3. «No comete errores»
La realidad: todo sistema de IA tiene una tasa de error. Los modelos generativos, además, fallan con seguridad: inventan un dato con la misma fluidez con la que aciertan. Un sistema que «no puede fallar» es un sistema que nadie está midiendo, y por tanto uno que no se puede auditar. El proveedor serio te dice cuánto falla, en qué casos y quién revisa.
La pregunta: ¿cuál es la tasa de error aceptable, y quién la revisa? Prefiere al que te da un número antes que al que te promete cero.
4. «Sirve para todo»
La realidad: cada herramienta rinde en un rango de casos y se degrada fuera de él. Un asistente afinado para atención al cliente no sirve igual para conciliar cartera, y un modelo entrenado con documentos en inglés se comporta distinto con contratos en español colombiano. Quien no tiene claro dónde no rinde su producto, todavía no lo ha visto fallar. Tú sí lo vas a ver.
La pregunta: ¿cuál es el caso donde no me lo recomendarías? La calidad de esa respuesta dice más del proveedor que cualquier caso de éxito.
5. «Sin cambiar tus procesos»
La realidad: la herramienta se instala sin tocar nada. El resultado, no. Si el proceso tiene pasos que existen porque «siempre se hizo así», la IA los automatiza tal cual, con sus ineficiencias. Casi siempre hay que decidir qué se elimina, qué se estandariza y qué se queda con una persona. Ese rediseño no lo hace el software; lo hace tu equipo, con o sin ayuda.
La pregunta: ¿qué proceso mío tendría que cambiar para que esto rinda de verdad? Un proveedor que responde «ninguno» no ha mirado tu operación.
El marco AIATIC para evaluar un proyecto de IA
Las cinco preguntas anteriores comparten una lógica, y esa lógica es la que usamos internamente antes de recomendar cualquier implementación. Se resume en cuatro criterios:
- Alcance medible. Qué tareas concretas cubre el sistema, cuáles no, y con qué indicador se va a saber si funcionó. Si no hay indicador, no hay proyecto: hay una prueba de concepto sin final.
- Dato de entrada real. Toda promesa se hace sobre datos limpios. Antes de firmar, probar con una muestra de tus datos reales, con sus huecos y excepciones. Es el filtro más barato y el que más proyectos salva.
- Tasa de error declarada. Un número, un tipo de error y un responsable de revisarlo. Si el proveedor no lo declara, se acuerda en el contrato como parte del alcance.
- Compuerta humana definida. Quién aprueba qué, en qué punto del flujo, y qué pasa cuando no aprueba. Sin ese paso, la automatización no reduce riesgo: lo acelera.
El cuarto criterio merece un apartado, porque es el que distingue una implementación seria de una apuesta.
Compuertas humanas: gobernanza antes que automatización
La posición de AIATIC es simple: IA agéntica, sí; sin gobernanza humana, no. Un agente rápido sin compuerta no es un activo, es un pasivo que todavía no ha explotado. Y una compuerta no es un trámite burocrático: es el punto exacto donde se juega la reputación de la empresa, por eso es el único paso que no se automatiza.
Lo hemos comprobado en nuestra propia operación. Delegamos la producción de contenidos de varias marcas a un equipo de agentes de IA, con una arquitectura de cuatro capas: un tablero de tickets como única fuente de verdad, una carpeta compartida con reglas de archivo obligatorias, un CMS que solo recibe borradores y una sola persona que aprueba. El aprendizaje importante fue este: la gobernanza rindió más que la automatización, y el límite real no fue el modelo sino la calidad del brief. El criterio humano no se eliminó; se gastó donde importa, en decidir y no en coordinar.
Eso es lo que hay detrás de cada una de las cinco preguntas: mover la conversación de lo que el software promete a lo que tu operación necesita, que es el terreno donde tú tienes ventaja y el vendedor no. Un buen proveedor las responde de una. Y agradece que preguntes, porque le ahorra un cliente insatisfecho en el mes cuatro.
Preguntas frecuentes
¿Cómo saber si un proveedor de IA es serio?
Pídele las tareas que su producto no resuelve, su tasa de error y el caso donde no te lo recomendaría. Un proveedor serio tiene esas tres respuestas preparadas; uno que vende humo las evita o las convierte en una nueva promesa.
¿La IA puede reemplazar personal en una pyme?
Reemplaza tareas repetitivas y de alto volumen, no funciones completas. En la práctica el efecto es que el equipo deja de ejecutar y pasa a revisar y decidir. Planear el proyecto como reemplazo de cargos suele terminar en más trabajo, no en menos.
¿Qué es una compuerta humana en un proceso con IA?
Es el punto del flujo donde una persona revisa y aprueba lo que produjo el sistema antes de que tenga efecto: publicar, enviar, facturar, responder. Define quién aprueba, qué criterios aplica y qué ocurre si rechaza.
¿Cuánto tarda de verdad implementar IA en una empresa?
Depende menos del software que del estado del dato y del proceso. La instalación puede tomar días; la adopción real —gente usándolo sin ayuda y con resultados medidos— se cuenta en semanas o meses. Exige un cronograma que separe ambas cosas.
Antes de firmar, conversemos
Si estás evaluando un proveedor de IA ahora mismo, una segunda lectura del alcance antes de firmar suele costar una reunión y ahorrar un trimestre. En AIATIC hacemos esa lectura sin compromiso: revisamos la promesa contra tu proceso y tu dato, y te decimos con franqueza qué sí puede funcionar hoy y qué no.