Inteligencia artificial en pymes: caso práctico con revisión humana

Este caso hipotético muestra cómo la inteligencia artificial puede formar parte de un proceso de una pyme para clasificar información, preparar un borrador y mantener una revisión humana antes de actuar. No es una guía general de implantación ni describe resultados de AVSISTEC.

El punto de partida no debería ser «queremos usar IA», sino «queremos reducir una tarea repetitiva sin perder control sobre ella». Para recorrer de forma general objetivo, alcance, datos, solución y validación, consulta la guía de IA para empresas.

Situación inicial hipotética

Imaginemos una empresa de servicios que recibe consultas por correo y formulario. Una persona lee cada mensaje, identifica el tipo de solicitud, busca información en varias herramientas y prepara una respuesta inicial. El proceso puede funcionar, pero depende de revisar mensajes uno a uno y de repetir pasos similares.

Este es un ejemplo hipotético. No describe un proyecto ni un resultado de AVSISTEC.

En un caso así, la inteligencia artificial podría plantearse como una pieza dentro de un flujo de trabajo: interpretar el contenido de una consulta, proponer una categoría, recuperar datos autorizados y generar un borrador para revisión humana. La decisión de enviar una respuesta, modificar un registro o asumir un compromiso seguiría estando definida por la empresa.

Problema observable: tareas repetidas y criterios poco visibles

El problema no es necesariamente que falte inteligencia artificial. Puede ser que el proceso tenga pasos manuales repetidos, información dispersa o criterios que solo conoce una persona.

Antes de valorar una solución, resulta útil observar el trabajo actual:

• Qué acción inicia el proceso.
• Qué datos se reciben y desde dónde.
• Qué decisiones se toman de forma repetida.
• Qué excepciones requieren intervención humana.
• Qué herramientas intervienen.
• Qué salida debe producirse: un aviso, una respuesta, un registro, una tarea o un documento.

Una tarea es candidata a revisión cuando existe un patrón reconocible, pero eso no significa que deba automatizarse por completo. Si el contexto es ambiguo, los datos son insuficientes o el error tendría consecuencias relevantes, conviene conservar una revisión humana antes de ejecutar acciones.

Análisis del objetivo: separar resultado, alcance y solución

Una conversación útil sobre inteligencia artificial distingue tres niveles:

Por ejemplo, el objetivo puede ser que cada consulta llegue al responsable adecuado con la información necesaria. El alcance puede incluir la entrada desde un formulario, la clasificación de la solicitud, la creación de una tarea y un aviso interno. La solución técnica se decide después de entender esas condiciones.

Este orden evita convertir una tecnología en el objetivo. También permite detectar que, en algunos procesos, unas reglas claras o una integración bien definida pueden ser suficientes sin incorporar inteligencia artificial.

Preguntas para definir el objetivo

Antes de pedir una propuesta, una empresa puede responder estas preguntas:

1. ¿Qué tarea concreta ocupa tiempo o genera errores de coordinación?
2. ¿Quién realiza esa tarea hoy y quién revisará el resultado?
3. ¿Qué información necesita el sistema para actuar?
4. ¿Qué acciones puede proponer y cuáles necesitan aprobación?
5. ¿Qué ocurre cuando falta información o el resultado no es claro?
6. ¿Cómo se comprobará que el flujo cumple lo esperado?

Las respuestas no necesitan describir una solución técnica. Sirven para convertir una idea general en un problema que se puede analizar.

Alcance propuesto: diseñar un flujo controlable

Un alcance inicial debería describir el recorrido completo, no solo la parte que genera texto o clasifica datos. En una automatización con inteligencia artificial pueden intervenir, por ejemplo:

• El origen de los datos, como un formulario, correo o documento.
• Las reglas que determinan cuándo empieza el flujo.
• La información que puede consultar el sistema.
• La tarea que realiza la inteligencia artificial.
• Los límites de confianza o las situaciones que deben escalarse a una persona.
• La acción posterior: crear una tarea, actualizar un registro, preparar un borrador o enviar una notificación.
• El registro de lo ocurrido para poder revisarlo.

También conviene priorizar. La primera versión puede concentrarse en una única tarea de alto valor y dejar para después las integraciones adicionales, nuevas categorías o acciones automáticas más sensibles.

Ejemplo hipotético de alcance

Una asesoría quiere ordenar las solicitudes recibidas por correo. La primera versión, hipotética, podría limitarse a:

• Detectar si el mensaje corresponde a una consulta habitual o a una incidencia.
• Proponer una etiqueta interna.
• Crear una tarea para la persona responsable.
• Preparar un resumen del mensaje original.
• Mantener la revisión humana antes de responder al cliente.

Quedarían fuera de ese primer alcance el envío automático de respuestas, la modificación de datos sensibles y cualquier decisión que exija criterio profesional. Delimitar estas exclusiones ayuda a evitar expectativas ambiguas.

Solución y comprobación: integrar, revisar y ajustar

Una solución con inteligencia artificial debe poder comprobarse en condiciones reales de uso. Para ello, la empresa puede definir criterios de aceptación antes de poner el flujo en marcha.

Por ejemplo:

Ejemplo hipotético: cuando llega una consulta completa desde el formulario, el sistema crea una tarea con el resumen y la categoría propuesta. Si faltan datos o no puede clasificarla con claridad, la tarea se marca para revisión sin ejecutar acciones adicionales.

Este criterio concreta qué debe ocurrir, qué se espera cuando todo va bien y qué sucede ante una excepción. Además, convierte la revisión en parte del diseño, no en una corrección improvisada.

La comprobación debería incluir muestras representativas: solicitudes habituales, mensajes incompletos, textos ambiguos y situaciones que no encajan en las categorías previstas. El objetivo no es asumir que el sistema acertará en todos los casos, sino definir cuándo puede asistir y cuándo debe pedir intervención.

Al tratar datos de clientes, documentos internos o información personal, la empresa debe revisar qué información se incorpora al flujo, quién accede a ella, qué herramientas intervienen y qué requisitos aplican a su actividad.

Aprendizajes transferibles

La inteligencia artificial tiene más sentido cuando se incorpora a un proceso que la empresa ya puede explicar. Estas ideas se aplican a distintos contextos:

• Empieza por una tarea concreta, no por una herramienta de moda.
• Define quién mantiene el control y qué decisiones no se delegan.
• Describe las excepciones antes de automatizar la acción principal.
• Separa lo imprescindible de lo que puede esperar a una fase posterior.
• Comprueba el flujo con criterios observables.
• Documenta los datos, las integraciones y las responsabilidades.

Si has identificado una tarea repetitiva que necesita mejor coordinación, clasificación o preparación de información, puedes plantearla como un proyecto de automatizaciones. Explica el proceso actual, el resultado que buscas y las herramientas que ya utilizas para solicitar un presupuesto o valorar el alcance.