Según McKinsey, el 88% de las organizaciones que implementan IA no reporta impactos significativos en sus resultados.
No es un problema de tecnología. Es un problema de punto de partida.
El supuesto que nadie cuestiona
Cuando una empresa decide implementar IA, el movimiento natural es identificar las tareas que más tiempo consumen y automatizarlas.
El problema es que esa lógica asume que lo que ya existe está bien diseñado y solo necesita ser más rápido. En la mayoría de los casos, no es así.
Automatizar procesos mal diseñados no mejora la operación. La congela en su estado actual, pero más rápido.
Un caso concreto
Miguel era coordinador de logística en una distribuidora de alimentos. Persona capaz, con criterio para la mejora continua. Pasaba entre el 40% y el 60% de su tiempo cargando datos manualmente en una planilla de Excel: guías de transporte, estados de entrega, montos de facturación. Todos los días.
La solución obvia era automatizar la planilla.
Pero cuando recorrí el flujo de valor completo, apareció algo diferente: la información que Miguel cargaba a mano ya existía en dos sistemas que nadie había integrado. La planilla era la consecuencia del problema, no el problema en sí.
La solución no era automatizar la planilla. Era eliminarla.
Hoy Miguel recibe notificaciones cuando hay un desvío. El resto del tiempo lo dedica a mejorar la operación.
Por qué esto se repite
Cuando cada área trabaja en sus propios objetivos y le pasa el resultado a la siguiente, nadie es dueño del flujo completo. La información viaja por lotes, los sistemas quedan fragmentados y las ineficiencias se acumulan donde nadie mira.
Implementar IA sobre esa base no resuelve el problema. Lo automatiza.
El punto de partida correcto
Antes de elegir cualquier herramienta, hay tres preguntas que toda empresa debería responder:
- ¿Tenemos claro el flujo de valor de punta a punta?
- ¿Los datos que vamos a usar están completos y consolidados?
- ¿Lo que queremos automatizar debería existir en primer lugar?
Sin esas respuestas, la inversión en IA es cara y predecible: genera eficiencias individuales que no se ven en los resultados finales.
Desarrollé este caso en detalle en una conversación con Pocho Costa, creador del primer podcast de IA en español. Podés escuchar el episodio completo aquí.
Comentarios
Publicar un comentario