Una empresa no se vuelve inteligente porque su gente empiece a usar ChatGPT.
Con esto, se vuelve un poco más rápida escribiendo correos. Y oye, eso ya es algo. Pero no es suficiente para una transformación del negocio.
Mucho de lo que hoy se vende como “implementación de IA” en pymes es un intento de maquillar la fragilidad de muchos de los procesos de estas compañías. Un chatbot aquí, un asistente allí. En resumen, una herramienta más en una empresa que ya tiene demasiadas herramientas.
La realidad, por dura que sea, es que todo eso no arregla una empresa desordenada.
La empresa frágil y la IA
Una empresa frágil depende de que todo vaya bien.
Depende de que alguien se acuerde de llamar al cliente, de que alguien sepa dónde está cada documento, de que los correos importantes se lean, de que la persona que “sabe cómo se hace esto” no se vaya de vacaciones (o se vaya a secas).
Eso es una empresa sostenida por memoria humana, no una empresa preparada para IA.
Y la memoria humana es útil, pero ni escala, ni deja trazabilidad, ni es fácil de delegar. Tampoco sirve para que una máquina entienda qué está pasando, a menos que hagas el esfuerzo de traspasarle esos conocimientos.
Luego llega la pregunta: “¿Podemos aplicar IA?”
Sí, pero no encima de una estructura que se rompe cuando falta una persona.
Primero hay que quitar fragilidad.
El error de añadir otra herramienta
El reflejo habitual de cualquier empresario ahora mismo con la IA es añadir.
Añadir un chatbot, una automatización, o un asistente que promete responder emails, resumir reuniones, generar presupuestos y hacer el café si se le pide con educación.
Ese reflejo es peligroso, porque cada herramienta nueva añade costes ocultos: configuración, mantenimiento, permisos, errores, dependencia, etc.
En muchas pymes, la primera intervención seria consiste en poner orden y quitar ruido, no “añadir IA”.
Documentar pasos que nadie entiende. Quitar Excels duplicados. Estructurar carpetas con criterio. Eliminar tareas que existen solo porque dos sistemas no se hablan. Ordenar la información acorde a una estructura consistente y coherente.
Vía negativa.
Antes de preguntar “qué IA podemos poner”, conviene preguntar “qué desorden debemos eliminar para que una IA no empeore esto”.
Es menos sexy y requiere cierto trabajo pesado inicial, pero funciona mejor a largo plazo.
La IA necesita una empresa legible
Una IA, al igual que un nuevo empleado humano, necesita poder captar cómo funciona la empresa.
Eso significa que pueda entender cosas básicas:
- quiénes son los clientes
- qué documentos existen y dónde están
- qué procesos se llevan a cabo diariamente
- cuáles son los valores y reglas internas de la empresa
- qué tono se usa en las comunicaciones
- qué decisión necesita ser tomada por una persona
Si lo piensas, esto es obvio. Nadie contrataría a una persona y le diría que se las arregle. Pero muchas empresas no se dan cuenta de que lo mismo aplica al contratar un “empleado IA”.
Una empresa en la que los clientes están en el programa de facturación, las conversaciones están en Gmail o WhatsApp, los documentos están en Google Drive, y muchas decisiones dependen de cómo la persona responsable haya dormido la noche anterior puede usar IA, pero la IA no puede trabajar dentro del negocio porque el negocio no se deja leer.
Un ejemplo: la gestoría que cree que tiene un problema de IA
Una gestoría pequeña recibe documentos todos los días.
Facturas, nóminas, justificantes, certificados, recibos, PDFs escaneados. Unos llegan por email. Otros por WhatsApp. Otros por paloma mensajera. Algunos llegan tarde. Otros llegan sin nombre. Otros vienen mezclados en un mismo mensaje.
El dueño piensa: “Necesito IA para clasificar documentos”.
Puede ser.
Pero si no existe una regla clara para saber qué documentos se esperan, dónde se guardan, o cómo se nombran y clasifican, el problema no es de IA sino de procesos.
La IA puede clasificar mejor que una persona cansada a las 18:40. Pero no puede adivinar una política que no se le ha enseñado.
Primero hay que definir el sistema. Una vez hecho eso, la IA puede hacer una primera pasada: leer documentos, detectar el cliente, clasificar archivos, extraer datos, señalar faltantes y preparar un mensaje para pedir lo que falta.
La persona revisa y se van haciendo ajustes progresivamente para afinar el resultado.
Otro ejemplo: ventas sin memoria
Una empresa de servicios recibe leads por todas partes: página web, email, llamadas, WhatsApps directos al dueño, recomendaciones de clientes antiguos.
Cuando el volumen es alto, uno de esos leads se queda sin respuesta, o recibe una respuesta tarde, o se pierde porque nadie hizo seguimiento.
Aquí la IA puede ayudar bastante, porque puede leer solicitudes, extraer información, preparar una respuesta, actualizar un contacto, crear una tarea y avisar si algo merece atención rápida.
La venta la sigue haciendo una persona, pero esa persona no empieza cada conversación desde el barro.
Skin in the game: cuidado con quién vende IA sin consecuencias
Hay un problema de incentivos en este mercado.
Mucha gente gana dinero vendiendo IA aunque al cliente no le mejore el negocio.
Si el proveedor cobra por instalar una herramienta, su incentivo es instalar una herramienta. Si cobra por horas, su incentivo es alargar horas. Si cobra por complejidad, la complejidad le viene bien.
El cliente, en cambio, se queda con el sistema final.
Eso significa también que se queda con los errores, con la herramienta que nadie usa, con el empleado que no entiende qué cambió, y con el proceso igual de roto que antes, pero ahora con una capa de IA encima.
Por eso hay que desconfiar de cualquier implementación de IA que no empiece por entender el trabajo real: los procesos, sistemas, valores, métodos y la estructura de la empresa.
El proveedor que no quiera hablar de eso probablemente no quiere cargar con las consecuencias.
La estrategia sensata: muchas apuestas pequeñas
No hace falta convertir toda la empresa en “AI-first” o cualquier otra etiqueta de moda.
Eso es lo típico de gente que pasa demasiado tiempo en LinkedIn.
Lo que una pyme necesita es hacer pequeñas “apuestas” con pérdida limitada y beneficios posibles enormes.
Por ejemplo:
- clasificar emails entrantes durante 30 días
- preparar borradores de respuesta para solicitudes comerciales
- extraer datos de facturas antes de revisión humana
- detectar documentos faltantes en expedientes
- resumir llamadas y crear tareas automáticamente
- preparar informes internos desde datos ya existentes
Cada experimento debe tener el daño limitado.
Si falla, no rompe el negocio.
Si funciona, abre una puerta.
Eso es opcionalidad.
Qué no debería automatizarse
Hay una pregunta que casi nadie hace al principio y que nosotros hacemos pronto:
¿Qué no se debe automatizar?
No todo debe pasar a una IA.
No hay que delegar decisiones delicadas con clientes, aprobaciones económicas importantes, acciones irreversibles sin revisión, o cualquier cosa que pueda generar un problema serio si sale mal.
La buena implementación consiste en saber dónde la IA hace una primera pasada útil y dónde una persona debe conservar el control.
Cómo construir una empresa donde la IA pueda trabajar
Una empresa donde la IA puede trabajar no tiene por qué ser grande ni especialmente sofisticada. Tiene que ser clara.
El proceso básico suele ser este:
- Elegir un flujo de trabajo con volumen y repetición.
- Dibujar cómo ocurre hoy, sin embellecerlo.
- Eliminar pasos inútiles, duplicados y fuentes de confusión.
- Definir la fuente de verdad para clientes, documentos, tareas, procesos.
- Escribir las reglas que ahora viven en la cabeza de alguien.
- Decidir qué puede preparar la IA y qué debe revisar una persona.
- Probar con un alcance pequeño.
- Medir si mejora tiempo, errores, seguimiento o calidad.
La parte difícil es aceptar que la empresa quizá funciona peor de lo que parecía. La IA no es tan difícil de implementar.
Cómo lo vemos en Veltas
En Veltas empezamos mirando dónde pierde tiempo la empresa, dónde se repite el mismo trabajo, dónde se atascan clientes, dónde una persona concreta se ha convertido en el pegamento del negocio, y cómo mejorar la estructura de los datos.
Nuestro trabajo es convertir parte de esa memoria informal en procesos que una máquina pueda leer y una persona pueda supervisar. No tenemos como objetivo hacer una empresa sin humanos.
La ventaja será parecer más pequeña de lo que eres
Una empresa bien preparada para IA no necesariamente parecerá futurista, pero parecerá muy eficiente.
Responde antes. Pierde menos cosas. Tiene menos tareas colgadas. Sabe qué falta. Sabe quién tiene que revisar algo. Tiene clientes mejor informados. Tiene menos trabajo repetitivo encima de personas que podrían estar haciendo algo mejor.
En resumen, la pregunta importante no es “qué IA puedo usar”.
La pregunta es más incómoda:
“¿Está mi empresa construida de forma que una IA pueda trabajar dentro sin romper nada?”
Si la respuesta es no, ahí empieza el trabajo.