Consultoría estratégica de inteligencia artificial

El diagnóstico responde una sola pregunta: dónde tiene sentido meter inteligencia artificial en esta empresa y dónde no. Se hace sobre los procesos que existen hoy, con las personas que los ejecutan, no sobre el organigrama ni sobre la documentación oficial.

Se recorren las cuatro áreas donde suele acumularse el trabajo manual (marketing, ventas, delivery y administración) y se levanta el mapa real: quién hace qué, con qué herramienta, cuántas veces y en qué punto se atasca. De ahí salen dos listas incómodas y necesarias: los procesos que no hay que automatizar porque hay que eliminarlos, y los que parecen candidatos evidentes pero tienen un volumen demasiado bajo para justificar la inversión.

El roadmap convierte el diagnóstico en un calendario de decisiones. No es una lista de deseos tecnológicos: es qué se acomete, en qué orden, con qué dependencias y qué queda fuera del ejercicio en curso, con el argumento de por qué queda fuera.

Cada iniciativa entra con su alcance, su responsable interno, el criterio con el que se decide comprar o construir y la señal que dirá si funciona. El primer bloque siempre es pequeño, medible y visible para el equipo: la adopción de IA se pierde casi siempre en el segundo proyecto, cuando el primero fue tan ambicioso que nadie llegó a ver el resultado.

Priorizar es decidir qué no se hace este año. Cada oportunidad se sitúa frente a dos ejes: el impacto que tendría en la cuenta de resultados o en la capacidad del equipo, y el riesgo de ejecución (dependencia de datos, resistencia interna, coste de mantenimiento).

El resultado no es una nota media, es una conversación con la dirección delante del mismo cuadro. Las iniciativas de alto impacto y alto riesgo no se descartan: se parten en una prueba acotada que resuelve la incertidumbre antes de comprometer presupuesto. Y las de bajo impacto salen del plan aunque sean las más vistosas de enseñar.

La IA se apoya en datos que ya tienes, y ahí es donde aparecen las preguntas que un comité no puede dejar sin respuesta: qué información entra en un modelo, quién puede consultarla, dónde se procesa y qué queda registrado de cada decisión automática.

Se define qué categorías de dato pueden salir de la organización y cuáles no, qué se anonimiza antes de procesarse, qué proveedores tocan qué información y con qué condiciones contractuales. También se fija la trazabilidad: si un agente toma una decisión, tiene que quedar constancia de con qué información la tomó. Esto se decide antes de implantar, no cuando alguien pregunta en una auditoría.

El cuello de botella de la adopción rara vez es técnico. Es que el comité no comparte criterio: unos piden pilotos, otros temen el riesgo reputacional y nadie sabe qué preguntas hacerle a un proveedor. La formación a dirección iguala ese criterio.

No son sesiones de herramientas ni demostraciones de prompts. Se trabaja sobre qué puede y qué no puede hacer hoy un modelo, cómo se lee una propuesta técnica sin ser técnico, qué preguntas revelan a un proveedor que promete de más y cómo se mide un proyecto de IA para que la conversación de seguimiento no dependa de la opinión de quien lo presenta.