La inteligencia artificial no arregla procesos desordenados

Cada vez que aparece una tecnología nueva con capacidad de automatizar tareas que antes requerían intervención humana, aparece también una tentación recurrente: aplicarla sobre cualquier proceso existente sin detenerse a revisar si ese proceso tiene sentido en primer lugar. Con la inteligencia artificial, esa tentación es más fuerte que nunca, porque la tecnología es genuinamente potente y porque el discurso comercial que la rodea promete transformaciones rápidas con poco esfuerzo.

La realidad es menos glamorosa y más práctica: automatizar un mal proceso no lo convierte en un buen proceso. Lo convierte en un mal proceso que va más rápido. Y si el proceso ya generaba errores, inconsistencias o fricción con clientes, la IA simplemente va a producir esos mismos problemas a mayor escala y a mayor velocidad.

Este artículo explica por qué el orden debe anteceder a la automatización, qué significa "ordenar un proceso" en términos prácticos y cómo decidir si un proceso está listo para que la IA lo acelere o si necesita una intervención humana antes de aplicar tecnología.

Un ejemplo que se repite

Imaginemos una empresa de servicios que gestiona los reclamos de sus clientes de la siguiente manera: el cliente escribe un correo o un mensaje de WhatsApp, el mensaje llega a una persona del equipo de atención, esa persona revisa si el cliente existe en el sistema, busca en una planilla compartida el historial de interacciones previas, consulta informalmente con un colega si hubo un caso similar, redacta una respuesta, la envía, y anota en la misma planilla —a veces— que el caso fue atendido.

Este proceso funciona. Es decir, los reclamos eventualmente se responden. Pero genera varios problemas: los tiempos de respuesta varían según quién está disponible, no hay trazabilidad de lo que se dijo en cada interacción, la información queda fragmentada entre bandejas de correo, chats y planillas, y cuando la persona que atiende se va de vacaciones, nadie más sabe exactamente qué quedó pendiente ni con qué criterio se respondió cada caso.

Ahora, ¿qué pasaría si sobre este mismo proceso se aplicara IA? El escenario típico es: un agente de IA lee el mensaje del cliente, lo clasifica según el tipo de reclamo, redacta una respuesta automática y la envía. El proceso se vuelve más rápido, pero los problemas de fondo persisten y se agravan:

• La IA responde sin tener acceso al historial completo, porque el historial está fragmentado.
• Clasifica el reclamo según categorías que no necesariamente coinciden con cómo la empresa entiende sus propios casos.
• La respuesta puede ser formalmente correcta pero contextualmente inadecuada, porque la IA no sabe que ese cliente ya tuvo tres reclamos similares que nunca se resolvieron de fondo.
• Nadie registra de forma consistente qué respondió la IA, así que cuando el cliente vuelve a reclamar, el ciclo recomienza desde cero.

El error no está en la IA. Está en haber automatizado un proceso cuya estructura de datos, reglas de decisión y criterios de calidad no estaban definidos antes de que la tecnología interviniera.

Lo que la IA necesita y los procesos desordenados no tienen

Para que la inteligencia artificial funcione de manera confiable en un contexto de negocio, necesita ciertas condiciones que los procesos desordenados, por definición, no ofrecen.

Datos estructurados y accesibles. Si la información relevante —datos del cliente, historial de interacciones, estado de cada caso, reglas de negocio— está dispersa en correos, planillas personales, conversaciones de chat y bases de datos que no se comunican entre sí, la IA opera con información parcial. El resultado es una respuesta que puede ser formalmente correcta pero sustancialmente equivocada.

Reglas de negocio explícitas. En un proceso desordenado, muchas decisiones se toman según el criterio de la persona que está en ese momento, basado en experiencia acumulada que no está documentada en ninguna parte. La IA necesita que esas reglas —cuándo se escala un caso, qué tipo de respuesta corresponde según la situación, qué excepciones existen— estén definidas de manera explícita. Si no lo están, la IA inventa criterios o aplica los que infiere de ejemplos pasados, que pueden no ser los correctos.

Criterios de calidad definidos. ¿Cómo sabés si la IA está haciendo bien su trabajo? Si no existen métricas de calidad para el proceso manual —tiempo de respuesta aceptable, tasa de error tolerable, nivel de satisfacción del cliente—, no vas a poder evaluar si la versión automatizada es mejor, peor o igual. Y si no podés evaluarlo, no podés corregirlo.

Manejo de excepciones previsto. Todo proceso tiene excepciones: clientes que requieren un trato especial, casos que no encajan en ninguna categoría predefinida, situaciones que requieren intervención humana. En un proceso manual, las excepciones se manejan como pueden —pidiendo ayuda a un supervisor, improvisando una solución—. La IA, si no se programa explícitamente un mecanismo de escalación, trata la excepción como un caso normal y produce una respuesta que puede ser completamente inapropiada.

Ordenar antes de automatizar: una secuencia práctica

El orden no es una abstracción. Es una serie de pasos concretos que conviene completar antes de aplicar IA sobre cualquier proceso de negocio.

Paso 1: Documentar el proceso como es, no como debería ser. Antes de pensar en cómo mejorarlo, hay que entender qué ocurre realmente. Esto implica seguir el recorrido de un caso real de principio a fin —no preguntarle a alguien cómo cree que funciona— y registrar cada paso, cada sistema que se consulta, cada decisión que se toma y cada excepción que aparece. Lo que surge de este ejercicio suele ser distinto de lo que los responsables del proceso imaginan que ocurre.

Paso 2: Identificar los puntos de fricción. Con el proceso documentado, el paso siguiente es marcar los puntos donde el flujo se detiene, donde aparecen errores recurrentes o donde la calidad del resultado depende enteramente de una persona específica. Estos puntos no se arreglan con IA: se arreglan rediseñando esa parte del proceso.

Paso 3: Definir las reglas de decisión. Para cada punto del proceso donde alguien toma una decisión —¿este caso va al área A o al área B?, ¿este pedido se aprueba o se rechaza?, ¿esta respuesta requiere revisión humana o no?—, escribir la regla de forma explícita y completa. Si la regla incluye excepciones, escribirlas también. Si hay casos donde la regla no aplica y la decisión la toma una persona según criterio, documentar cuáles son esos casos.

Paso 4: Unificar las fuentes de datos. Antes de que la IA procese información, los datos relevantes deben estar en un solo lugar, con un formato consistente y con un identificador único que permita cruzar información entre distintas fuentes. Mientras los datos del cliente estén en el sistema de facturación, el historial de reclamos en planillas y las comunicaciones en WhatsApp, cualquier automatización va a operar con una visión parcial.

Cómo decidir si un proceso está listo para IA

Con los pasos anteriores completados —documentación, identificación de fricciones, reglas explícitas y datos unificados—, la decisión de aplicar IA se vuelve más clara. Algunas preguntas que ayudan a determinarlo:

• ¿El proceso tiene pasos que son repetitivos, predecibles y basados en información estructurada? Si la respuesta es afirmativa, probablemente la automatización tradicional —reglas, no IA— alcance y sea más barata y más confiable.
• ¿Hay partes del proceso que requieren interpretación de lenguaje, clasificación de intención o generación de texto adaptado al contexto? Ahí la IA generativa tiene sentido, pero solo sobre la base de un proceso ya ordenado.
• ¿Las consecuencias de un error son graves —legales, financieras, reputacionales—? Si es así, la IA puede asistir pero no reemplazar la decisión humana. Una configuración razonable es que la IA prepare un borrador y una persona lo revise antes de enviarlo.
• ¿Tenés forma de medir si la versión automatizada es mejor que la manual? Si no, postergá la automatización hasta que existan métricas de comparación. Automatizar sin medir es gastar sin saber si funcionó.

La tecnología no reemplaza el criterio de negocio

La inteligencia artificial es una herramienta de aceleración, no de diseño. Acelera lo que ya funciona y magnifica lo que ya falla. Aplicada sobre un proceso bien definido, con datos ordenados y reglas claras, puede reducir tiempos de respuesta, absorber volumen sin agregar personas y liberar al equipo de tareas repetitivas para que se concentre en las que requieren criterio.

Aplicada sobre un proceso que depende del criterio no documentado de una persona, que opera sobre datos dispersos y que carece de métricas de calidad, la IA no transforma nada: simplemente produce resultados inconsistentes más rápido.

La pregunta no es si la IA puede hacer algo —en la mayoría de los casos, técnicamente puede—, sino si el contexto en el que va a operar está preparado para que lo haga bien. Y esa preparación no la hace la tecnología: la hacen las personas que entienden el negocio y están dispuestas a ordenar antes de acelerar.

Si querés profundizar en cómo identificar procesos que están listos para ser automatizados, el artículo sobre cuándo automatizar un proceso y cuándo no ofrece un método de priorización. Si te interesa entender los riesgos específicos de usar IA sin supervisión en procesos de negocio, revisá riesgos de usar inteligencia artificial sin supervisión humana.

Más contenido relacionado en la categoría de crear productos digitales.