Cuándo NO usar IA en tu negocio
Cinco situaciones en las que meter inteligencia artificial en tu empresa es tirar el dinero. Una guía honesta para decidir cuándo la IA no es la respuesta y qué hacer en su lugar.
Me dedico a montar IA para empresas, así que escribir un post sobre cuándo no usarla parece ir contra mi propio negocio. No lo es. La mitad de las conversaciones que tengo terminan conmigo diciendo “esto que quieres no necesita IA” o “esto todavía no toca”. Decirlo a tiempo es lo que separa a un proveedor que te resuelve un problema de uno que te coloca lo que vende.
La IA bien aplicada ahorra horas reales y quita trabajo aburrido de encima. Mal aplicada es una factura mensual por algo que funciona peor que lo que tenías. Estas son las cinco situaciones en las que, por experiencia, conviene parar antes de meter un modelo en medio.
1. Cuando el proceso no está definido
La IA automatiza un proceso, no lo inventa. Si tú mismo no sabes explicar paso a paso cómo se hace hoy una tarea, qué decisiones se toman y con qué criterio, no hay nada que automatizar todavía. Lo que tienes es un proceso que vive en la cabeza de una persona y cambia según el día.
Si no lo puedes explicar a un becario nuevo en cinco minutos, tampoco se lo puedes explicar a una IA.
El orden correcto es primero ordenar el proceso, luego automatizar. Saltarse el primer paso produce una IA que ejecuta rápido un desorden, y un desorden rápido sigue siendo un desorden.
2. Cuando el volumen no da
La IA tiene un coste de montaje y un coste de mantenimiento. Para que salga a cuenta, el tiempo que ahorra tiene que superar lo que cuesta tenerla. Eso depende de dos números: cuánto tiempo cuesta hoy la tarea y cuántas veces a la semana se repite.
Si una gestión te lleva diez minutos y la haces una vez al mes, automatizarla no se amortiza nunca. Esos diez minutos al mes no justifican el montaje ni el mantenimiento. La IA brilla en lo repetitivo y frecuente, no en lo esporádico. En el caso del despacho de cálculo estructural tienes los dos números que importan: una búsqueda de normativa costaba entre 20 y 40 minutos y se repetía varias veces al día, y ahí sí compensa.
3. Cuando el error sale caro y no hay nadie supervisando
Un modelo de lenguaje acierta mucho, pero no acierta siempre. En tareas donde un fallo se corrige sin drama, eso es perfectamente asumible. En tareas donde un fallo tiene consecuencias serias y nadie revisa la salida, es un riesgo que no compensa.
Mandar automáticamente y sin supervisión humana un diagnóstico, un importe a cobrar, un texto legal vinculante o una decisión que afecta a la seguridad de alguien es buscarse un problema. La regla sana: cuanto más caro es el error, más cerca tiene que estar una persona validando antes de que salga. La IA prepara, propone y acelera. En lo crítico, una persona firma.
4. Cuando una automatización simple ya lo resuelve
Esta es la más frecuente y la que más dinero ahorra detectar a tiempo. Mucha gente pide “IA” cuando lo que necesita es conectar dos herramientas que ya tiene. Si tu problema es “cada vez que entra un pedido copio los datos a mano a otra hoja”, eso no necesita inteligencia artificial. Necesita una automatización clásica de reglas fijas, que es más barata, más predecible y no se equivoca nunca porque no improvisa.
Meter un modelo de lenguaje donde basta una regla es pagar de más por menos fiabilidad. La diferencia entre las dos cosas, y cuándo toca cada una, la desgloso en agentes, chatbots y automatizaciones.
5. Cuando tus datos son un caos
Si la IA va a trabajar sobre tu información, esa información tiene que existir y ser localizable. Documentos dispersos entre el ordenador de uno, el correo de otra y un cajón con papeles no son una base sobre la que montar nada útil todavía. La IA no ordena tu caos, lo hereda.
Esto no significa que necesites datos perfectos. El caso del despacho de cálculo estructural funcionaba sobre 10 GB de PDFs sin ordenar, y salió bien porque los archivos existían y se podían indexar. La frontera no es “datos impecables”, es “datos que existen en formato digital y se pueden encontrar”. Si todavía estás en papel o en la cabeza de la gente, el primer paso es digitalizar, no automatizar.
Qué hacer en lugar de forzar la IA
Si te reconoces en alguno de los cinco puntos, la respuesta no es “olvídate de la IA para siempre”. Es ordenar primero lo que toque. Define el proceso. Mide el volumen. Decide dónde hace falta supervisión. Comprueba si una automatización simple basta. Pon tus datos en digital. Con eso hecho, la conversación sobre IA pasa de ser una apuesta a ser una decisión con números encima de la mesa.
Y si no estás seguro de en cuál de los dos lados cae tu caso, esa es exactamente la pregunta que respondemos antes de proponerte nada. Si toca IA, te decimos cómo. Si no toca, te lo decimos igual.