¿Cuándo tiene sentido utilizar inteligencia artificial?
En el ámbito empresarial, la inteligencia artificial no debe entenderse como una tecnología más, sino como una forma distinta de resolver tareas que hasta ahora exigían que una persona leyera, interpretara y decidiera. Esta distinción es la que permite determinar qué procesos conviene automatizar con IA y cuáles no.
Conviene partir de las cuatro capas que conviven hoy en la mayoría de las organizaciones.
Modelos entrenados con datos históricos que estiman un valor o una probabilidad: previsión de demanda, riesgo de impago, probabilidad de cierre de una oportunidad comercial. Responde a preguntas del tipo ¿cuánto? o ¿con qué probabilidad?
Modelos de lenguaje que interpretan texto y producen texto: resumen un contrato, clasifican un correo, redactan una respuesta o extraen datos de una factura. Responde a preguntas del tipo ¿qué dice este documento? o ¿qué respuesta procede?
Tareas en las que la IA generativa aporta valor
Un error frecuente al iniciar un proyecto consiste en buscar "un caso de IA" en abstracto. El planteamiento correcto es el inverso: identificar tareas de lectura, interpretación y redacción que hoy consumen un volumen relevante de horas y comprobar si encajan en alguno de los cinco patrones siguientes, que son los que aparecen de forma recurrente en proyectos reales.
- Clasificar: Asignar una categoría a un texto libre.
Soporte de TI: clasificar los tickets recibidos por correo en hardware, acceso, software o red. - Extraer: Obtener datos estructurados de un documento que no lo está.
Finanzas: extraer proveedor, base imponible, IVA y vencimiento de una factura en PDF. - Resumir: Reducir un volumen amplio de texto a la información relevante.
Jurídico: extraer duración, penalizaciones y condiciones de rescisión de un contrato extenso. - Responder: Contestar consultas a partir de documentación propia, no del conocimiento general del modelo.
RRHH: responder sobre días de teletrabajo citando el manual del empleado. - Actuar: Ejecutar una operación en un sistema real.
Comercial: registrar en el CRM la oportunidad con los datos recogidos en la conversación.
El modelo de lenguaje no es el sistema de registro
Un modelo de lenguaje no es una base de datos. No almacena el manual del empleado ni el catálogo de productos: los consulta en el momento de responder. El dato sigue residiendo en SharePoint, en Dataverse, en el ERP o en el CRM, y esa es precisamente la arquitectura correcta.
La consecuencia práctica es directa: si la fuente está desactualizada, el agente responderá de forma incorrecta por muy bien configurado que esté. La calidad de un agente nunca supera la calidad de la documentación de la que depende.
Criterios para decidir si un caso requiere IA
Antes de iniciar cualquier desarrollo conviene aplicar un filtro previo. La IA tiene coste, introduce variabilidad en las respuestas y requiere gobierno. Si el problema puede resolverse con un formulario y un flujo de trabajo, esa es la solución adecuada. Los tres criterios siguientes son los que mejor discriminan.
¿La entrada es texto libre o está estructurada?
Si el usuario selecciona valores de una lista y completa tres campos, el caso corresponde a una aplicación, no a un agente. Si el usuario escribe "voy a ausentarme dos semanas en agosto y desconozco cuántos días me quedan", el caso sí corresponde al lenguaje natural.
¿La respuesta correcta es única y calculable?
"¿Cuántos días de vacaciones me quedan?" tiene una respuesta exacta que procede de un sistema: se trata de una consulta, y el agente debe delegarla en una herramienta, no generarla. "¿Es posible encadenar teletrabajo y vacaciones según la política vigente?" exige interpretar un texto normativo, y ahí sí interviene el modelo.
¿Cuál es el coste de un error?
Un error al recomendar un artículo de la intranet tiene consecuencias menores. Un error al calcular una nómina o al interpretar una cláusula sancionadora tiene consecuencias graves. A mayor coste del error, mayores deben ser los controles: respuestas ancladas a documentos, confirmación explícita antes de ejecutar cualquier acción y derivación a una persona.
NorthWind Solutions: punto de partida del agente Nova
A lo largo del curso construirás Nova, el agente de RRHH de NorthWind Solutions, empresa ficticia de 200 empleados. El departamento de RRHH está formado por tres personas y estima que el 60 % de su tiempo se dedica a responder consultas repetitivas: dietas, teletrabajo, permisos y procedimiento de solicitud de vacaciones.
Aplicando los criterios anteriores:
- Caso adecuado para IA: "¿cuál es el importe de la dieta de cena?". Existe un manual, la consulta llega en lenguaje natural y el coste del error es asumible.
- Caso adecuado para un agente con herramienta: "deseo solicitar vacaciones para la primera semana de agosto". Requiere actuar sobre un sistema, no únicamente responder.
- Caso no adecuado para IA: "¿cuál es el importe de mi nómina de junio?". Se trata de un dato sensible y exacto: el agente debe remitir al portal del empleado.