La mayoría de los proyectos de IA deberían haber sido proyectos de automatización
La línea que importa, y los errores que la siguen.
La mayoría de las empresas que preguntan "¿deberíamos usar IA?" deberían estar preguntando "¿deberíamos usar automatización?" — y la respuesta suele ser distinta de la que daría el proveedor que les vende IA.
Esta página es la versión del operador de esa conversación. Sin ángulo de vendedor. Sin enfoque de varita mágica. Si tienes un problema operativo real y quieres saber qué herramienta usar, esto es para ti.
La línea que importa
La automatización es determinista. Misma entrada, misma salida, siempre. Lógica de si/entonces, incluso cuando la lógica es complicada. La inteligencia está en las reglas — las escribiste tú, las entiendes, las puedes cambiar, y un auditor puede leerlas.
La IA es probabilística. Misma entrada, salida distinta es posible. La inteligencia está en un modelo entrenado con datos. Puedes dar forma a su comportamiento con prompts, evaluación y arquitectura, pero no puedes garantizar una salida concreta. Ejecútala un millón de veces y obtienes una distribución, no un número.
Esa es la línea. Todo lo demás es detalle de implementación.
Cuando la respuesta es automatización
Si puedes escribir las reglas — aunque sean reglas complicadas — la automatización es la respuesta acertada. No porque sea más barata (normalmente lo es). Porque es la herramienta adecuada para el trabajo.
Ejemplos donde la automatización es la opción correcta:
- Generar una factura a partir de líneas de detalle y un tipo de impuesto
- Recoger un CSV de un proveedor y actualizar los niveles de stock
- Encaminar el correo de un cliente por asunto, remitente o número de pedido
- Calcular los cortes óptimos de un perfil de 6,5 metros para cumplir un pedido de 4 metros y otro de 1 metro
- Enviar una alerta cuando una métrica cruza un umbral
Estos tienen una respuesta correcta. Tienen un rastro de auditoría por defecto. Ejecútalos un millón de veces y obtienes la misma respuesta un millón de veces — que es exactamente lo que quieres para cualquier cosa financiera, contractual u operativa.
Si usas IA para hacer estas cosas, has añadido un paso probabilístico a un problema determinista. La demo vistosa lo ocultará durante un tiempo. La producción no.
Cuando la respuesta es IA
Si no puedes escribir las reglas — o las reglas son demasiadas, demasiado difusas, o cambian demasiado rápido — la IA empieza a ganarse su sitio.
- Extraer datos estructurados de documentos no estructurados (PDF, correos, notas manuscritas)
- Clasificar o resumir texto libre como lo haría una persona
- Generar lenguaje de calidad humana a partir de un encargo — borradores, explicaciones, respuestas
- Reconocer patrones en entradas complejas (imágenes, audio, medios mixtos)
- Decisiones donde la respuesta correcta es un juicio, no un cálculo
La prueba: ¿una persona haciendo este trabajo necesitaría experiencia y juicio, o le bastaría con un manual de procedimiento? Manual de procedimiento → automatización. Experiencia y juicio → IA.
Cuando la respuesta es ambas
La mayoría de los sistemas reales son híbridos. El patrón que funciona:
- La IA se ocupa de la parte difusa. Normalmente el análisis de la entrada o la clasificación con mucho juicio al inicio del flujo de trabajo.
- La automatización maneja la columna vertebral. Reglas, cálculos, integraciones, el flujo operativo real.
- La IA vuelve para las partes legibles por humanos. Borradores de confirmaciones, resúmenes, explicaciones — donde la salida tiene que leerse como si la hubiera escrito una persona.
Ejemplo: un proveedor envía un pedido en PDF. La IA extrae las líneas de detalle, las cantidades y la fecha de entrega. La automatización comprueba el stock, calcula el margen, encamina el pedido a producción y lo agenda. La IA redacta el correo de confirmación. La columna vertebral determinista es automatización; la IA se usa donde las entradas y salidas son desordenadas.
El error en un sentido es dejar que la IA maneje la columna vertebral. El error en el otro es negarse a usar IA en los bordes, donde ahorraría semanas de manejo manual.
Cómo saber cuál necesitas
Recurre a la automatización cuando:
- Puedes escribir las reglas en lenguaje claro
- Las entradas siempre están estructuradas (formularios, bases de datos, formatos fijos)
- La misma entrada tiene que producir la misma salida siempre
Recurre a la IA cuando:
- Las entradas no están estructuradas (texto libre, imágenes, escritura a mano)
- El trabajo requiere un juicio parecido al humano
- La salida tiene que leerse como si la hubiera escrito una persona
Añade un punto de control humano cuando:
- El coste de equivocarse es alto — sea cual sea la herramienta que hayas elegido
Dónde se equivocan las tiendas de prompts
Usan IA para todo porque la IA es la única herramienta que tienen. Una implementación de puro-IA de, digamos, un flujo de facturación va a:
- Producir facturas ligeramente distintas para las mismas entradas, porque los modelos fundacionales son no deterministas por defecto
- Costar un orden de magnitud más por transacción que el equivalente en automatización
- Necesitar un arnés de evaluación, monitorización de deriva y versionado de prompts para probar que está haciendo lo correcto
- Aun así fallar con la primera entrada que no encaje con la distribución de entrenamiento
Este es el patrón de la demo-que-se-desmorona-en-producción. El modo de fallo más común hoy en el terreno.
Dónde se equivocan los vendedores de IA
Te venden una “plataforma de IA” y tratan la automatización, la integración y el trabajo de datos de alrededor como problema tuyo. Acabas con un componente ingenioso metido dentro de un sistema fragmentado que nadie puede auditar y que no tiene una vía de actualización agnóstica al LLM. Cuando el modelo cambie — y cambiará — reconstruyes.
La plataforma hizo su trabajo. Tu realidad operativa no.
La prueba honesta
Antes de decidir qué herramienta usar, pregúntate:
- ¿Podría hacer esto un empleado júnior con un manual de procedimiento? Si sí, la automatización lo hará más barato, más rápido y de forma más fiable.
- ¿El trabajo requiere que una persona lea el contexto y tome una decisión? Si sí, la IA probablemente puede ayudar — pero un humano seguramente tendrá que quedarse en el proceso para cualquier decisión de peso.
- ¿Podría una respuesta equivocada costar dinero real, tiempo real o reputación real? Si sí, el sistema necesita un rastro de auditoría y una vía de revisión — sea cual sea la herramienta que elijas.
Si no puedes responder a las tres con confianza, esa es la conversación que deberíamos tener.