Qué automatizar primero con inteligencia artificial

¿Qué criterios usar para escoger el primer proceso a automatizar?

El primer proceso a automatizar debe cumplir cinco condiciones: es repetitivo, tiene alto volumen, sigue reglas claras, usa datos que ya existen en formato digital y su mejora se nota en la caja o en el cliente. Si le falta una, probablemente no es el primero.

• Repetitivo: se hace igual cada día, semana o mes, por varias personas.
• Alto volumen: cientos de casos al mes, no tres. El ahorro se multiplica por el volumen.
• Reglas claras: si usted puede escribir el procedimiento como «si pasa A, haga B», un bot lo puede ejecutar.
• Datos disponibles: la información está en un sistema, una base de datos o un correo estructurado, no en la cabeza de alguien.
• Impacto en caja o en clientes: días de recaudo, errores en facturas, tiempos de respuesta. Lo que el gerente general y el CFO (director financiero) entienden sin traducción.

¿Cómo priorizar con una matriz de impacto y facilidad?

La matriz de impacto y facilidad ordena los candidatos en dos ejes: cuánto valor genera automatizarlos y qué tan sencillo es hacerlo con los datos y sistemas actuales. Se empieza por lo que tiene impacto alto y facilidad alta; lo de impacto alto y facilidad baja se planea después.

Esta es una matriz típica de una empresa mediana. Las calificaciones son orientativas: en cada empresa cambian según el estado de sus datos y sistemas.

Lo que queda con impacto bajo y facilidad baja se descarta sin culpa. Una buena priorización también dice qué no se hace.

¿Qué procesos de una empresa mediana suelen dar resultados primero?

En empresas de 50 a 200 personas los primeros resultados suelen venir del cobro de cartera, las notificaciones, los flujos de aprobación, las conciliaciones y los informes. Son procesos de back office, repetitivos y medibles, donde un error manual cuesta dinero o un cliente molesto.

El cobro de cartera es mi ejemplo favorito porque se mide en días y en flujo de caja. En Tiempos S.A.S, entre 2014 y 2021, automatizamos los recordatorios y el seguimiento del cobro y el ciclo de recaudo bajó de 30 a 10 días; el detalle está en el caso de cobro de cartera. Las notificaciones (vencimientos, citas, cambios de estado) y los flujos de aprobación son victorias rápidas: poca complejidad y un efecto visible en la operación. Las conciliaciones tienen mucho impacto, pero exigen datos limpios de bancos y contabilidad. Los informes que tardan días en armarse y llegan cuando ya no sirven para decidir son otro candidato natural.

En la Fundación Socya, desde 2021, empezamos de la misma forma: identificando los procesos con más carga manual y riesgo de error. Hoy BOT SARA ejecuta más de 80 procesos con eficiencias superiores al 20 %, como cuento en el caso BOT SARA.

¿Cuándo basta un bot de reglas y cuándo hace falta inteligencia artificial?

Un bot de reglas basta cuando el proceso se puede describir paso a paso y los datos llegan en formato conocido. La inteligencia artificial conviene cuando hay que interpretar texto libre, documentos variados o lenguaje de clientes, donde las reglas fijas no alcanzan a cubrir los casos.

La automatización con reglas, que incluye la RPA (automatización robótica de procesos, bots que imitan lo que hace una persona en la pantalla) y los flujos de trabajo, sigue un guion fijo: es predecible, auditable y barata de mantener. Si algo no estaba previsto, se detiene. Los modelos de lenguaje, en cambio, entienden un correo escrito de cualquier forma o resumen un contrato, pero no se diseñaron para que un número salga exacto, y cuando se equivocan lo hacen con total seguridad.

Por eso, en procesos donde una cifra equivocada cuesta dinero, separo los papeles: el modelo de lenguaje interpreta la solicitud y explica el resultado; el cálculo lo hace un sistema clásico y auditado. Un ejemplo: la IA lee el correo de un cliente que dice que ya pagó, lo clasifica y extrae los datos; el bot de reglas busca el pago en el extracto y actualiza la cartera. En una empresa mediana, la mayoría de las primeras automatizaciones son de reglas, y la IA entra donde hay texto que interpretar.

Desconfíe de lo que Gartner llama agent washing: rebautizar como «agentes de IA» chatbots o automatizaciones clásicas. Según Gartner, citada en Tendencias Digitales 2027, de miles de proveedores que dicen vender agentes, solo unos 130 ofrecen algo real.

¿Cómo medir el ahorro antes y después de automatizar?

El ahorro se mide comparando la misma línea base antes y después: volumen de casos, minutos por caso, tasa de errores y tiempo de ciclo. Sin medir antes de empezar no hay forma honesta de demostrar el resultado, por eso la medición inicial es el primer entregable.

1. Cuente el volumen mensual de casos del proceso durante al menos un mes.
2. Mida cuántos minutos toma cada caso y quién lo hace. Multiplique por el costo por hora de esos cargos.
3. Registre la tasa de errores y cuánto cuesta corregir cada uno: reprocesos, notas crédito, clientes molestos.
4. Mida el tiempo de ciclo de punta a punta: días de recaudo, días para aprobar una compra, horas para entregar un informe.
5. Después de automatizar, repita las mismas mediciones con el mismo método durante el mismo periodo.
6. Reste también el costo de operar la automatización: licencias, soporte y la persona que la supervisa.

Reporte en términos de negocio: horas liberadas y en qué se usan ahora, errores evitados y efecto en la caja. Las horas liberadas solo son ahorro real si el equipo las dedica a algo de más valor.

¿Qué riesgos y qué gobierno exige automatizar con IA?

Automatizar con IA exige saber qué datos personales toca cada flujo, quién responde por él y en qué punto revisa una persona. En Colombia, la Ley 1581 de 2012 obliga a tratar los datos personales con autorización y para la finalidad informada, también cuando los procesa un bot o un modelo.

• Datos personales: antes de enviar información de clientes o empleados a un servicio de IA externo, revise con su área legal qué autorizaciones tiene y dónde quedarán esos datos.
• Supervisión humana: la IA recomienda y una persona aprueba en las decisiones que afectan a un cliente, un pago o un empleado. Se suelta autonomía por etapas, cuando los resultados lo justifican.
• Un responsable con nombre propio por flujo: no un área ni un comité.
• Inventario: saber cuántos bots y automatizaciones están activos y con qué credenciales.
• Botón de parada: poder detener un flujo sin tumbar los demás.

Con BOT SARA aprendí que el problema casi nunca son las piezas, sino la conversación entre ellas: ochenta bots que dependen de los mismos sistemas fallan en cadena si nadie documentó quién hace qué y quién responde cuando algo se rompe.

La regulación también avanza. Como recojo en Tendencias Digitales 2027, la Ley de IA de la Unión Europea entró en vigor el 1 de agosto de 2024 y se aplica por etapas, y en Colombia el CONPES 4144 (documento del Consejo Nacional de Política Económica y Social) fijó en 2025 una política nacional de IA con más de cien acciones hasta 2030. La etapa de experimentar sin reglas se está cerrando.

¿Por qué se cancelan tantos proyectos de IA y cómo lograr que el equipo los adopte?

La mayoría de los proyectos de IA se cancelan por costos que se disparan, valor de negocio poco claro, controles de riesgo insuficientes o datos que no están listos, no por el modelo. Y muchos de los que sobreviven fracasan después porque nadie los adopta.

Las cifras que cito en Tendencias Digitales 2027 lo confirman. Gartner calcula que más del 40 % de los proyectos de agentes de IA se cancelarán antes de que termine 2027, por esas tres razones: costos, valor poco claro y controles débiles. Y pronostica que, hasta 2026, las organizaciones abandonarán el 60 % de los proyectos de IA que no cuenten con datos preparados para la IA. La lección práctica: empiece por un problema con valor medible y con datos en orden, no por la tecnología de moda.

La adopción es la mitad del proyecto

He visto implementaciones impecables morir porque nadie las adoptó. Por eso, en la hoja de ruta de la Fundación Socya incluimos Confianza Digital, un programa de cambio cultural cuyo objetivo era que la gente perdiera el miedo y usara las herramientas. Tres prácticas ayudan: involucrar desde el diseño a quienes hacen hoy el proceso, explicar con claridad en qué se usará el tiempo liberado y mostrar resultados tempranos. El temor a perder el puesto es real y hay que conversarlo de frente.

¿Por dónde empezar el lunes?

Empiece con una lista de diez procesos candidatos, califíquelos con los cinco criterios y escoja uno de impacto alto y facilidad alta. Mida su línea base durante un mes, automatícelo con un responsable y supervisión humana, y muestre el resultado antes de pasar al siguiente.

1. Reúna a los jefes de área y pídales los procesos que más horas consumen y más errores generan.
2. Califique cada uno en impacto y facilidad y arme la matriz.
3. Escoja un solo proceso para el piloto; si tiene cartera vencida, el cobro suele ser un buen candidato.
4. Asigne un responsable con nombre propio y defina los indicadores antes de tocar la tecnología.
5. Revise qué datos personales toca el proceso y confirme las autorizaciones con su área legal.
6. Comunique al equipo qué cambia, por qué y en qué se usará el tiempo liberado.

Si prefiere hacerlo con acompañamiento, en el servicio de automatización de procesos e inteligencia artificial priorizo los procesos según impacto y facilidad, los implemento y mido el ahorro. Para tener primero el panorama completo, el Diagnóstico de Madurez Digital y Riesgo TI entrega en 10 días hábiles, a precio fijo desde $3.900.000 COP, las oportunidades de automatización priorizadas.