Hay problemas empresariales donde introducir un modelo de inteligencia artificial añade coste variable, latencia, incertidumbre y una obligación de gobernanza, sin aportar nada que no resolviera ya una regla escrita. Decir que no en esos casos no es conservadurismo: es la misma disciplina técnica que lleva a decir que sí en los demás.
Una empresa que nunca ha descartado un caso de uso de IA probablemente no está evaluando: está adoptando.
Cuando la regla es determinista y está escrita. Un cálculo de comisión, una validación fiscal, un umbral de descuento. Si se puede expresar como una condición, se expresa como una condición. Un modelo aquí solo introduce variabilidad donde había certeza.
Cuando el coste del error es alto y el volumen bajo. Diez decisiones al mes con impacto de seis cifras no se automatizan: se preparan bien y las toma una persona. El ahorro potencial es despreciable y el riesgo no.
Cuando no hay datos propios que aporten ventaja. Si el caso se resuelve igual de bien con conocimiento genérico disponible para cualquiera, no genera diferenciación. Puede ser útil como herramienta individual, no como proyecto.
Cuando el proceso no está definido. Automatizar antes de mapear produce automatización de la ambigüedad, como desarrollamos en لن يُصلح الذكاء الاصطناعي شركة مصممة بشكل سيئ.
Cuando el coste unitario no sale. Si resolver un caso cuesta más que el proceso actual una vez incluidos reintentos, supervisión y corrección de errores, el número manda.
Cuando la obligación de gobernanza supera el beneficio. En un caso de uso que cae en categoría de alto riesgo bajo el Reglamento europeo de IA, el aparato de documentación, supervisión y trazabilidad puede ser desproporcionado frente a un ahorro modesto. Conviene calcularlo antes.
Problema | Solución con IA | Alternativa habitual más barata |
|---|---|---|
Clasificar documentos por tipo | نموذج اللغة | Reglas sobre metadatos y estructura |
Extraer datos de facturas de proveedores fijos | Modelo multimodal | Plantillas por proveedor |
Detectar duplicados de clientes | Modelo de similitud | Normalización y reglas determinista |
Responder preguntas frecuentes | Asistente conversacional | Buscar bien en una base ordenada |
Priorizar incidencias | Modelo predictivo | Reglas de negocio explícitas |
Ninguna de las alternativas de la derecha es glamurosa, y todas tienen tres ventajas comprobables: coste fijo, comportamiento reproducible y trazabilidad trivial.
La regla práctica que aplicamos: si el problema se puede resolver con una regla, se resuelve con una regla. El modelo se reserva para donde hay ambigüedad genuina — lenguaje libre, variabilidad alta, casos no anticipables.
Rechazar un caso de uso mal planteado genera fricción si se hace como una negativa. Se hace mejor como una redirección:
Nombrar lo que sí resuelve el problema. «Esto no necesita un modelo, necesita que el dato del cliente esté en un solo sitio». La conversación pasa de negativa a diagnóstico.
Cuantificar la diferencia. Coste de la alternativa frente a coste del proyecto de IA, incluyendo operación y gobernanza. El número convence más que el argumento.
Dejar la puerta abierta con criterio. El coste de inferencia cayó más de 280 veces entre finales de 2022 y finales de 2024 según Stanford HAI. Un caso que hoy no sale rentable puede salirlo el año próximo. Conviene registrar el cálculo y revisarlo, no descartarlo para siempre.
Ofrecer una alternativa rápida. La energía detrás de la propuesta suele ser buena. Redirigirla hacia algo que se entregue en semanas mantiene el impulso.
Las organizaciones que gestionan bien esto tienen algo que las demás no: una lista documentada de casos evaluados y descartados, con el motivo y la fecha.
Esa lista tiene tres funciones. Evita reabrir la misma discusión cada trimestre con distintos interlocutores. Permite revisar decisiones cuando cambian las condiciones económicas o técnicas. Y demuestra ante un comité, un cliente o un auditor que la empresa evalúa en lugar de seguir modas.
Un inventario de gobernanza de IA sin ningún caso descartado es, en la práctica, un inventario de todo lo que alguien propuso.
Hay un efecto de segundo orden que compensa la fricción inicial. Cuando una organización descarta casos con criterio, los que aprueba llegan al comité con mucha más credibilidad. El patrocinio interno deja de ser un ejercicio de entusiasmo y pasa a ser una decisión defendible.
Y hay un efecto comercial. Un proveedor que recomienda no hacer un proyecto cuando los números no salen es un proveedor cuyo criterio vale algo. Nosotros preferimos perder ese proyecto y ganar la conversación siguiente, que suele ser mayor.
La pregunta que conviene llevar a cualquier evaluación no es si se puede hacer con IA. Casi todo se puede. Es si debería hacerse con IA, que es una pregunta distinta y bastante más útil.
En seis situaciones: cuando la regla es determinista y está escrita, cuando el coste del error es alto y el volumen bajo, cuando no hay datos propios que aporten ventaja, cuando el proceso no está definido, cuando el coste unitario no sale rentable y cuando la carga de gobernanza supera el beneficio esperado.
Reglas de negocio explícitas, normalización de datos, plantillas por proveedor, búsqueda sobre una base bien ordenada y validaciones deterministas. Tienen tres ventajas: coste fijo en lugar de variable, comportamiento reproducible y trazabilidad trivial.
Con una regla práctica: si el problema se puede expresar como una condición, se resuelve con una condición. El modelo se reserva para los casos con ambigüedad genuina — lenguaje libre, variabilidad alta o situaciones no anticipables.
No debería serlo. El coste de inferencia cayó más de 280 veces entre finales de 2022 y finales de 2024 según Stanford HAI, de modo que un caso inviable hoy puede ser rentable en un año. Conviene documentar el cálculo y la fecha para poder revisarlo.
Porque evita reabrir la misma discusión cada trimestre, permite revisar decisiones cuando cambian las condiciones económicas o técnicas, y demuestra ante un comité o un auditor que la organización evalúa con criterio en lugar de adoptar por defecto.
Nombrando qué sí resolvería el problema, cuantificando la diferencia de coste entre alternativas, dejando registrado el cálculo para revisarlo más adelante y ofreciendo una alternativa que pueda entregarse en semanas para mantener el impulso.
¿Merece la pena hacerlo con IA? Analizamos el caso concreto y te decimos si compensa, qué alternativa es más barata y cuándo convendría revisarlo. Si la respuesta es que no, también te la damos. لنتحدث →
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
