Un equipo directivo que dice "vamos a implementar IA" a menudo no se refiere a lo mismo. Una mitad piensa en un modelo de lenguaje que resume informes, la otra en sistemas que gestionan parcialmente el contacto con clientes por su cuenta. Ambas cosas requieren tecnología capaz de procesarlo y capacidad capaz de acompañarlo. Se trata de dos tipos distintos de preparación, y rara vez se evalúan por separado.
El costo de la preparación para la IA no reside principalmente en las licencias. Reside en lo que debe suceder antes de que una tarea pueda pasar de forma segura de un sistema a la IA: datos que sean localizables y estén actualizados, conexiones que existan o deban construirse, y personas que sepan cuándo aprobar un resultado y cuándo no. Lo que eso cuesta depende de cuántos de esos elementos ya están en su lugar y cuántos aún faltan.
Dentro de toda ambición que presupone trabajo con IA, el trabajo subyacente se divide en tres categorías. La IA puede asumir la tarea, sin que ya la revise una persona. Una persona mantiene la supervisión y aprueba o rechaza, con motivo. O el trabajo sigue siendo trabajo humano, porque el juicio, el contexto o la responsabilidad así lo exigen.
La tecnología necesaria difiere según la categoría. La asunción total requiere datos fiables y bien estructurados, y un sistema que reconozca los mensajes de error antes de que causen daño. La supervisión con aprobación requiere una interfaz en la que una persona pueda ver rápidamente por qué un sistema llegó a un resultado. El trabajo humano a menudo no requiere nueva tecnología, pero sí claridad sobre quién sigue siendo responsable de qué; esto se relaciona con los derechos de decisión que deben reasignarse ante un cambio.
Las empresas que ya hacen esta distinción notan la diferencia en la rapidez con que un piloto pasa de prueba a producción. Las empresas que no la hacen siguen probando sin que quede claro qué parte del trabajo realmente se está desplazando.
La diferencia entre las empresas que hoy ya gestionan esto con fluidez y las que aún no están listas no suele residir en la elección de la tecnología. Reside en tres cosas que la preceden.
En primer lugar: si la organización sabe qué tareas componen cada proceso, independientemente del cargo asociado a ellas. Sin ese inventario, toda afirmación sobre la "preparación para la IA" es una estimación.
En segundo lugar: si los sistemas que existen actualmente generan datos que una aplicación de IA pueda usar. Muchas organizaciones tienen datos que son correctos para una persona que los lee, pero no lo suficientemente estructurados para un sistema que deba calcular con ellos.
En tercer lugar: si hay capacidad —en horas, no en buenas intenciones— para acompañar la transición. Alguien debe revisar los primeros cien resultados antes de que un sistema pueda operar sin supervisión. Esas horas normalmente no figuran en la planificación de nadie.
La primera señal visible no es un ahorro de costos, sino un cambio en hacia dónde va el tiempo. El trabajo que antes consistía en ejecutar pasa a consistir en evaluar. Eso requiere otras competencias y a veces otro rol, no automáticamente menos personas.
La segunda señal es que preguntas que antes correspondían a TI ahora corresponden a la dirección. ¿Qué decisión puede tomar un sistema por sí mismo, y cuál debe confirmar siempre una persona? Eso es un derecho de decisión, no un ajuste técnico, y debe quedar registrado en algún lugar antes de que se produzca el incidente.
La tercera señal está en el presupuesto. Las horas liberadas en un lugar no se convierten automáticamente en ahorro; a menudo aparecen como capacidad adicional en otro lugar, por ejemplo en control, en contacto con clientes en los momentos en que la IA no es suficiente, o en el mantenimiento de los propios sistemas. Lo que eso significa en balance para el presupuesto está relacionado con cómo se ha construido la resiliencia financiera y qué margen existe para absorber ese cambio antes de que genere rendimiento.
Esta evaluación no dice nada sobre a quién una organización mantiene en plantilla o deja ir. Esa es una decisión con requisitos legales propios, fuera de lo que aquí se describe. Lo que aquí se describe es capacidad: qué horas quedan libres, qué horas adicionales se necesitan, y qué tecnología debe sustentarlo. Esto se aplica igualmente a las colaboraciones con otras partes: lo que prepara a una alianza para la IA determina en parte si un cambio interno funciona también en la cadena.
También afecta al cumplimiento normativo. Un sistema que asume una parte de un proceso cambia quién es demostrablemente responsable de qué, y eso merece una evaluación propia sobre el cumplimiento normativo y el riesgo que deben prepararse para la IA.
No existe un porcentaje válido para todas las organizaciones. Depende de cuántos datos ya sean utilizables, cuántos procesos ya estén documentados, y cuánta capacidad haya para acompañar el primer período. Las empresas con muchos datos no estructurados y poca documentación empiezan con más trabajo que las que ya lo tienen resuelto. Esa diferencia es precisamente la razón por la que una estimación previa dice poco sin antes examinar el trabajo mismo, tarea por tarea; eso es lo que el [escaneo de trabajo de FTE TO AI](/) identifica tarea por tarea.
Para ver dónde su organización está más avanzada y dónde menos, existe una evaluación de preparación gratuita: ocho preguntas breves, una por dimensión, con una imagen de dónde ya está la preparación y dónde aún queda trabajo por hacer. La evaluación completa de ambición, con las cuatro capas y cinco puertas de confianza, está en desarrollo.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.