IA
IA generativa en la operación: 6 usos prácticos más allá del chatbot
Cuando se habla de IA en la empresa, la primera imagen es el chatbot en el sitio web. Tiene su lugar, pero es solo una de las aplicaciones, y no siempre la más útil. Las ganancias más consistentes suelen estar en tareas internas, sin glamour, que consumen horas del equipo todos los días.
Lo que la IA generativa hace bien
Los modelos de lenguaje son buenos en un tipo específico de trabajo: leer texto, entender lo que hay ahí y producir otro texto a partir de eso. Resumir, clasificar, extraer, reescribir, responder con base en un material. Antes de ellos, estas tareas exigían a una persona, porque ninguna regla fija daba abasto con la variedad del lenguaje.
Esto amplía lo que se puede automatizar. El McKinsey Global Institute estimó en 2017, en el informe "A Future That Works", que cerca del 60% de las ocupaciones tenían al menos un 30% de sus actividades automatizables con la tecnología de la época, y que menos del 5% podían automatizarse por completo. El estudio es anterior a los modelos actuales, así que sirve como piso de referencia, no como medida del presente. La conclusión que sigue vigente es la segunda: la tecnología cambia partes del trabajo, y casi nunca el puesto completo.
Lo que la IA no hace bien: garantizar que un hecho es correcto sin tener la fuente, hacer cuentas con precisión sin una herramienta de apoyo y decidir casos sensibles. Los usos de abajo respetan esos límites.
1. Clasificación de lo que llega
Correos, mensajes y formularios llegan mezclados: solicitud de presupuesto, reclamo, duda, currículum, cobranza. Alguien lee todo y lo deriva. Un modelo lee cada mensaje, lo clasifica por tema y urgencia y lo entrega a la fila correcta, ya con un resumen de una línea.
Es un buen primer proyecto. El error sale barato, porque un mensaje en la fila equivocada se corrige en segundos, y la ganancia aparece en el tiempo de primera respuesta.
2. Resumen de conversaciones y reuniones
Después de una llamada de ventas o de una reunión con un cliente, alguien debería registrar lo que se acordó. Rara vez lo registra bien. La transcripción y el resumen automáticos generan el registro en el CRM: qué quiere el cliente, objeciones, próximos pasos y responsables.
La investigación State of Sales, de Salesforce (2022), señala que los vendedores pasan cerca del 28% de la semana vendiendo. Parte del resto es registro. Es el tipo de tarea que vale la pena sacarles de las manos, como comentamos en Cómo armar un CRM que el equipo usa de verdad.
Cuidado necesario: avisa a los participantes sobre la grabación y define qué se guarda. En muchos casos basta con guardar el resumen, no el audio.
3. Extracción de datos de documentos
Facturas, contratos, comprobantes, fichas llenadas a mano. Alguien lee y digita los campos en un sistema. Un modelo extrae los datos en formato estructurado, y la persona revisa solo lo que llegó con baja confianza o fuera del patrón.
La regla aquí es no prescindir nunca de la revisión en valores y fechas hasta haber medido la tasa de acierto con tu propio material. La ganancia viene de cambiar la digitación por la revisión, que es más rápida y cansa menos.
4. Borradores de respuestas y documentos
Propuestas, respuestas a clientes, descripciones de producto, actas. El modelo escribe la primera versión a partir de los datos del caso y de una plantilla aprobada por la empresa. La persona la revisa y la envía.
Funciona bien cuando el texto sigue un patrón y mal cuando exige posicionamiento o negociación. Nunca dejes que el modelo invente precio, plazo o condición: esos datos deben venir del sistema, y no de su "memoria".
5. Búsqueda en la base de conocimiento interna
¿Dónde está la política de reembolso? ¿Cuál es el procedimiento para cambiar un plan? En lugar de preguntarle al compañero más antiguo, la persona le pregunta a un asistente que responde con base en los documentos de la empresa y muestra de dónde sacó la respuesta.
Este uso reduce las interrupciones y acelera la capacitación de quien llega. Depende por completo de la calidad del material, que es el tema de Cómo entrenar a un agente de IA con la base de conocimiento de la empresa.
6. Verificación y revisión
El modelo como un segundo par de ojos: compara un contrato con la plantilla estándar y señala las diferencias, verifica que un pedido tenga todos los datos antes de seguir, comprueba que un texto respete la guía de lenguaje de la marca. No decide. Señala lo que merece atención humana.
Cómo elegir por dónde empezar
Los mismos criterios de cualquier automatización valen aquí, con uno más.
- Volumen: ¿la tarea se repite muchas veces por semana?
- Costo del error: si la IA se equivoca, ¿qué pasa y quién lo nota?
- Material disponible: ¿existen ejemplos, documentos y reglas para orientar al modelo?
- Revisión humana: ¿se puede mantener a una persona revisando al comienzo?
La clasificación y el resumen casi siempre puntúan bien en los cuatro. Para la visión general de priorización, mira Qué automatizar primero.
El mejor primer uso de IA es aquel en el que un error se convierte en una corrección de diez segundos, no en una disculpa al cliente.
Cuidados que valen para todos los usos
- Datos personales. Sabe qué se envía al modelo, con qué finalidad y por cuánto tiempo se guarda. Usa las versiones de las herramientas orientadas a empresas y lee las condiciones de uso de los datos.
- Los hechos vienen de una fuente. Precio, plazo, inventario y reglas salen del sistema o de un documento oficial. El modelo redacta, no inventa.
- Prueba antes de soltarlo. Arma un conjunto de casos reales con la respuesta esperada y corre el modelo en ellos con cada cambio.
- Costo bajo control. Cada uso tiene un costo por ejecución. En volumen, eso tiene que medirse, como mostramos en Cuánto cuesta correr un agente de IA.
- Una persona en el circuito. Al comienzo, alguien revisa. La autonomía aumenta a medida que se mide el acierto.
Por dónde empezar
Elige una tarea de lectura y clasificación que hoy te quite tiempo, separa cincuenta ejemplos reales y pruébalo. En una semana sabrás si funciona en tu contexto, sin haber comprado ninguna plataforma.
Si la duda es anterior, sobre dónde está perdiendo tiempo la operación, el Diagnóstico de Madurez Operativa de delpra™ responde en 4 minutos.
Escrito por el equipo delpra™Procesos, automatización e IA para que la operación escale con eficiencia.