IA empresarial: los casos de uso que realmente crean valor.

Rara vez una tecnología se ha adoptado tan rápido en los discursos y tan despacio en los procesos. Todas las direcciones han visto demostraciones impresionantes. Muchas han lanzado pilotos. Muy pocas pueden señalar un proceso completo cuyo rendimiento haya cambiado de forma duradera. Ese desfase debe poco a la madurez de los modelos; se explica por la manera en que las empresas eligen sus casos de uso. O, más exactamente, por la manera en que no los eligen.

Por qué «la IA en todas partes» fracasa

Espolvorear IA sobre todos los temas a la vez produce invariablemente el mismo resultado: una colección de pilotos huérfanos. Los mecanismos son siempre los mismos.

• La demostración sustituye al proceso. Un asistente que brilla en comité y un tratamiento que cumple su promesa sobre miles de operaciones reales, con sus excepciones, sus litigios y sus documentos mal escaneados, son dos objetos distintos. El primero se obtiene en unas semanas. El segundo exige rehacer el proceso que lo rodea.
• Nadie es dueño del resultado. Cuando el caso de uso nace en un laboratorio y no en manos de un responsable de proceso, nadie responde de la distancia entre la promesa y la producción. El piloto tiene éxito, el despliegue queda huérfano, el tema se apaga.
• Los datos se descubren demasiado tarde. La IA empresarial no razona sobre internet, sino sobre sus pedidos, sus facturas, sus contratos, sus históricos de contactos. Si están incompletos o son contradictorios, el modelo industrializa la confusión. Muchos proyectos de IA mueren por un problema de datos que un encuadre honesto habría revelado desde el primer día.

Lo que distingue un buen caso de uso

Nuestra parrilla de lectura es deliberadamente austera. Cinco condiciones, todas necesarias.

• Un proceso frecuente y costoso en atención humana. El valor de la IA se cuenta en ocurrencias; desconfíe de los temas prestigiosos de bajo volumen.
• Un resultado medible en los términos del negocio: plazo, tasa de error, carga evitada, tiempo de respuesta al cliente. Definido antes del proyecto. Los indicadores reconstruidos a posteriori no demuestran nada.
• Datos accesibles y suficientemente fiables, o un proyecto de fiabilización explícitamente incluido en el perímetro.
• Un propietario de negocio que quiere el resultado hasta el punto de aceptar modificar su propio proceso para obtenerlo.
• Un camino hacia la producción: integración en el sistema, gestión de excepciones, supervisión. Sin plan de industrialización, un caso de uso sigue siendo un prototipo, sea cual sea su presupuesto.

Sustituya «¿dónde podemos poner IA?» por «¿qué proceso queremos ver funcionar de otra manera dentro de un año?»: la mitad de la criba ya está hecha.

En SAP y Salesforce, lo que supera la barrera de la producción

Los casos de uso que llegan a producción se parecen entre sí. Los vemos agruparse en torno a cinco terrenos, de los cuales dos viven sobre todo en el núcleo de gestión y dos sobre todo en la relación con el cliente.

La extracción documental

Facturas de proveedores, pedidos de compra, conocimientos de embarque, declaraciones aduaneras, documentos de identidad al abrir una cuenta: una parte considerable del trabajo administrativo consiste en leer documentos para volver a introducir su contenido en SAP o en el CRM. La extracción, la conciliación y la contabilización asistidas forman el terreno más seguro de la IA empresarial. Los volúmenes son altos, el resultado se verifica, y las ganancias son visibles para los propios equipos, lo que lo cambia todo para la adopción. En una economía donde muchos documentos todavía circulan en papel o en foto de teléfono, la calidad de la captura lo condiciona todo: forma parte del proyecto.

El servicio al cliente aumentado

En Salesforce Service Cloud, la IA resume el histórico de un cliente antes de la llamada, propone una respuesta al asesor, clasifica y enruta las solicitudes entrantes, lleguen por correo electrónico, por WhatsApp o por la agencia. El valor es real cuando el asesor sigue siendo dueño de la respuesta y el sistema aprende de sus correcciones. Desaparece cuando se intenta sustituir al asesor en solicitudes que comprometen al cliente, un litigio o un reembolso.

La previsión anclada en las operaciones

Previsión de la demanda, anticipación de retrasos de aprovisionamiento, proyección de tesorería: la previsión crea valor cuando su salida alimenta una decisión recurrente y equipada, un plan de aprovisionamiento o una revisión de tesorería, en lugar de un cuadro de mando adicional. El criterio decisivo no tiene nada que ver con la sofisticación del modelo. Hace falta que un gesto de negocio cambie gracias a él.

El scoring

Prioridad de los prospectos, riesgo de abandono de un abonado, propensión a contratar una oferta: el scoring en Salesforce Sales Cloud o Marketing Cloud es útil si está explicado, es rebatible y se revisa. Un score que nadie sabe justificar acaba ignorado por los comerciales o, peor, aplicado sin discernimiento a clientes que clasifica mal. Y en cuanto afecta a personas, entra en el ámbito de la ley n.º 2008-12: finalidad declarada, información a las personas, derecho de oposición.

Los agentes

Asistentes que responden con el conocimiento de la empresa, agentes que preparan o ejecutan transacciones bajo control humano, tanto en SAP como en Salesforce: la familia más prometedora es también la más exigente. Supone un marco estricto. Perímetro de acción delimitado, trazabilidad de cada gesto, validación humana de todo lo que compromete a la empresa. Un agente sin gobernanza no es más que un riesgo operativo con una buena interfaz.

Tres condiciones que el entusiasmo no sustituye

Ninguna de estas familias se sostiene sin tres cimientos. Datos limpios, primero: datos maestros compartidos entre el ERP y el CRM, definiciones comunes, accesos gobernados. Es el trabajo ingrato que condiciona todos los demás, y la razón por la que nuestra oferta Data & Analytics trata los datos y sus usos de forma conjunta. Una supervisión humana, después: alguien mira lo que produce el modelo, corrige, y sus correcciones vuelven al modelo. Una gobernanza, por último: quién decide lo que la IA tiene derecho a hacer, quién responde de sus errores, cómo se informa a las personas afectadas. Nos negamos a ver en ello frenos a la innovación. Es lo que separa una capacidad de empresa de una experimentación permanente.

Lo que el oficio nos ha enseñado

Algunas lecciones, extraídas de nuestros proyectos sin nombrar ninguno. El umbral de confianza de una extracción se ajusta con los equipos que verifican, no en un despacho de arquitecto: demasiado bajo, dejan de confiar; demasiado alto, vuelven a teclearlo todo. Un modelo deriva: lo que funcionaba con los documentos de enero se degrada con los de junio cuando un proveedor cambia de formato, y nadie lo ve si nadie lo mide. Los equipos adoptan lo que les quita una tarea tediosa y rechazan lo que les añade una, por mínima que sea. Por último, el mejor caso de uso es casi siempre menos espectacular que el presentado en comité, y es ese el que hay que financiar.

Como esos cimientos viven en el núcleo del sistema y en el CRM, la trayectoria de IA no se piensa con independencia de la trayectoria ERP ni de la trayectoria de relación con el cliente. Un núcleo SAP S/4HANA limpio, con procesos armonizados y datos fiables, y un Salesforce donde la vista del cliente es única, siguen siendo a nuestro juicio las mejores inversiones en IA que la mayoría de las empresas pueden hacer. Lo explicamos en nuestra lectura del vencimiento ECC 2027 y en nuestro punto de vista sobre la relación con el cliente en bancos y telecomunicaciones. Nuestra oferta IA y automatización parte de ahí.