Automatización tradicional o inteligencia artificial: cómo elegir

Muchas automatizaciones nacen hoy al revés: se decide usar la inteligencia artificial y luego se busca dónde ponerla. El resultado son procesos que antes funcionaban con tres reglas y ahora dan respuestas casi siempre acertadas, lo que en un proceso de empresa suele ser peor. Esta guía sirve para decidir, para una actividad concreta, si hace falta una regla explícita, un modelo que interprete, o un flujo que use ambos.

La distinción no es tecnológica sino práctica, y se reduce a una pregunta: en el paso que queréis automatizar, ¿hay algo que entender, o solo algo que ejecutar?

La pregunta que lo divide: ¿hay una interpretación que hacer?

Mirad qué entra en el paso, no qué sale. Es la naturaleza de la entrada la que determina el mecanismo.

• Si en la entrada hay campos estructurados —un importe, una fecha, un estado, una categoría elegida de una lista— y la decisión se puede escribir como «si ocurre esto, haz aquello», hace falta una regla. Será más rápida, más económica y siempre explicable.
• Si en la entrada hay texto libre, una voz, un documento escrito por otra persona, o un contenido que cada vez llega en una forma distinta, antes de ejecutar hay que entender. Ahí la inteligencia artificial añade algo que las reglas no dan.
• Si la decisión debe ser idéntica cada vez con los mismos datos —un cálculo, una aplicación de tarifa, una comprobación de umbral—, no se la confiéis a un modelo, ni siquiera si sabe hacerla. Un resultado que puede variar no es aceptable donde hace falta determinismo.

La confusión nace de los procesos mixtos, que son la mayoría. Un correo de un cliente contiene texto libre (que interpretar) y produce un pedido (que ejecutar con reglas). No es un proceso que asignar a un solo mecanismo: es un proceso que dividir en dos.

Tres procesos, tres respuestas distintas

Tres casos ilustrativos en una pequeña empresa. Las soluciones no dependen del sector sino de la forma de lo que llega.

En el segundo caso vale la pena notar dónde termina la tarea del modelo: clasifica, no responde y no decide. Cuanto más acotada esté la tarea confiada a la inteligencia artificial, más controlable queda el flujo y más fácil es entender, cuando algo sale mal, en qué punto ha salido mal.

Controlabilidad y mantenimiento: dos costes distintos

Los dos caminos no cuestan solo importes distintos: cuestan esfuerzos distintos, y repartidos en momentos distintos de la vida del sistema.

• Una regla equivocada se encuentra leyéndola. Se abre, se ve la condición, se corrige. El defecto es que las reglas se multiplican: al cabo de unos años ya nadie recuerda por qué existe una y nadie se atreve a quitarla.
• Un modelo que se equivoca no se lee: se observa. Para entender por qué ha clasificado mal hace falta recoger los casos y compararlos, y la corrección nunca está garantizada al primer intento.
• El mantenimiento de las reglas es ocasional y previsible: se interviene cuando cambia una condición de la empresa. El de un flujo con IA es continuo: hay que mirar los casos límite, hay que comprobar que la calidad no empeore cuando cambia el tipo de solicitudes entrantes.
• Preguntad siempre quién pondrá mano en el sistema dentro de un año. Si la respuesta es «una persona interna», esto pesa mucho en la elección del mecanismo.

Hay además un aspecto que afecta más a la organización que a la técnica: un flujo con inteligencia artificial necesita que alguien mire periódicamente lo que ha hecho. Si en la empresa esa persona no existe, el flujo funcionará mientras nadie se dé cuenta.

Cuando la acción tiene consecuencias: las aprobaciones

La pregunta decisiva no es lo bueno que sea el sistema, sino qué ocurre cuando se equivoca. De esta respuesta depende el nivel de control, y vale tanto para las reglas como para la inteligencia artificial.

1. Si el error es invisible y reversible —una etiqueta interna, un mensaje clasificado en el buzón equivocado—, el sistema puede actuar solo y el control es por muestreo.
2. Si el error es visible para el cliente pero remediable —una respuesta imprecisa, un aviso inútil—, hace falta una revisión humana en los casos en los que el propio sistema señala incertidumbre.
3. Si el error tiene consecuencias económicas o contractuales —un pedido introducido, un precio aplicado, un pago, una comunicación oficial—, la acción debe proponerse y no ejecutarse: una persona confirma, y el sistema registra quién ha confirmado y cuándo.
4. En todos los casos definid antes qué ocurre cuando falta la información. Un flujo que, al no encontrar un dato, sigue adelante igualmente es más peligroso que uno que se detiene.

Lo que esta guía no cubre

Aquí se elige el mecanismo: reglas, inteligencia artificial o una combinación de ambos. La comparación comercial entre las herramientas disponibles en el mercado —qué conviene comprar, qué componer y qué construir— se trata en una guía aparte, porque sigue criterios distintos y cambia más deprisa. Por qué actividad conviene empezar con la IA en la empresa tiene su propia guía.