Saltar al contenido

Cuándo la IA compensa y cuándo no.

Somos una agencia de desarrollo, así que lo que montamos tiene que funcionar en producción y sobrevivir a que le cambien el CRM. Estas son las situaciones donde hemos visto que sale a cuenta.

  • Alguien busca a mano información que ya está escrita.

    Manuales, contratos, tickets antiguos, la política de devoluciones que nadie encuentra. El coste no es la búsqueda, es que la gente deja de buscar y contesta de memoria. Un asistente que responde citando el documento original corta eso de raíz.

  • Recibes la misma consulta trescientas veces al mes.

    Estado del pedido, horarios, si un producto encaja con lo que el cliente tiene. Son preguntas con respuesta cerrada que hoy consumen tiempo de una persona que podría estar resolviendo las difíciles.

  • Hay un proceso con criterio que se repite igual cada vez.

    Clasificar facturas, leer correos y sacar los datos, decidir a qué comercial va cada lead. Si una persona nueva aprendería a hacerlo en dos semanas leyendo ejemplos, probablemente un modelo también.

  • Los datos llegan en veinte formatos y alguien los unifica.

    PDF del proveedor, Excel de ventas, exportación del ERP. Es el trabajo que se hace los lunes por la mañana y que nadie quiere documentar porque cambia cada trimestre.

  • Y una que decimos antes de cobrar nada, aunque nos quite trabajo, si el problema se resuelve con un formulario bien hecho o con una consulta a base de datos, se resuelve con eso. Meter un modelo de lenguaje donde bastaba una regla añade coste por consulta, latencia y una forma nueva de equivocarse.

Lo que construimos.

Todo lo de aquí abajo lo hemos montado ya. Lo que no aparece es porque no lo hemos hecho todavía, y preferimos decirlo.

  • Agentes que ejecutan

    No solo redactan, tienen permisos sobre tus herramientas. Crean el ticket, actualizan la ficha del cliente, envían el presupuesto, y paran a preguntar cuando la decisión tiene consecuencias.

  • Asistentes sobre tu documentación

    Preguntas en lenguaje normal y responde con la cita del documento del que ha sacado la respuesta. Es lo que en el sector se llama RAG. Sin la cita no lo damos por terminado, porque una respuesta que no se puede verificar no se puede usar.

  • Clasificación y extracción

    Correos, facturas, formularios y contratos que entran sin estructura y salen como campos ordenados en tu sistema. Es el uso más aburrido de la IA y casi siempre el que más horas ahorra.

  • Chatbots de atención

    Para web o WhatsApp, con acceso a tu catálogo y a tus pedidos. Configurados para derivar a una persona en cuanto la conversación se sale de lo que saben responder.

  • Pipelines de procesamiento

    El circuito completo, desde que el dato entra hasta que aterriza donde se consulta. Con reintentos, registro de qué pasó y aviso cuando algo falla, que es la parte que distingue una prueba de concepto de algo que funciona un martes de agosto.

  • Integración con lo que ya tienes

    n8n, Make, Zapier o API propia según el caso. Tu CRM, tu ERP y tus hojas de cálculo siguen siendo el sitio donde vive el dato.

Qué entra en un proyecto de IA.

El reparto de horas sorprende a casi todo el mundo, porque la parte de modelo es la más pequeña.

Antes de escribir nada

  • Sesión con quien hace hoy el trabajo a mano, no solo con dirección
  • Medición de cuánto tiempo consume el proceso ahora
  • Revisión de en qué estado están los datos que hacen falta
  • Criterio explícito de qué se considera una respuesta correcta
  • Presupuesto cerrado por fases, con la primera acotada a un caso

La construcción

  • Elección de modelo según el caso, con la opción de cambiarlo después
  • Conexión con tus sistemas por API, con permisos acotados
  • Evaluación contra un conjunto de casos reales tuyos, no de ejemplo
  • Barreras para lo que el sistema no debe hacer nunca
  • Registro de cada consulta, su respuesta y su coste

Puesta en producción

  • Salida progresiva, primero con una persona revisando
  • Panel con aciertos, fallos y gasto mensual en tokens
  • Documentación de cómo funciona y de cómo se apaga
  • Formación al equipo que lo va a usar cada día
  • Código y prompts en tu repositorio, no en el nuestro

Cómo empezamos.

  1. Sesión de diagnóstico

    Dos horas con vosotros para poner sobre la mesa los procesos candidatos y descartar los que no compensan. Salimos con uno elegido, el dato de cuánto cuesta hoy y una estimación cerrada. Si de la sesión sale que no hay caso, te lo decimos y ahí se queda.

  2. Prueba sobre un caso real

    Cuatro a seis semanas para construirlo sobre vuestros datos, no sobre un ejemplo. Al final hay un número: cuántos casos resuelve bien, cuántos falla y cuánto cuesta al mes mantenerlo funcionando.

  3. Producción y siguiente proceso

    Si el número sale, entra en producción y se mide. Si no sale, sabes por qué y te has gastado una fase, no un proyecto entero. Cuando el primero funciona, el segundo cuesta bastante menos porque la conexión con tus sistemas ya está hecha.

Por qué con una agencia de desarrollo.

  • Sabemos dónde vive tu dato

    Llevamos años montando webs y tiendas conectadas a CRM y a ERP. Un proyecto de IA es sobre todo un problema de integración, y esa parte ya la hemos hecho muchas veces.

  • Te queda tuyo

    Código, prompts y configuración en tu repositorio. Sin plataforma propia que te obligue a seguir con nosotros para que siga encendido.

  • Presupuesto cerrado

    Por fases, con el alcance escrito. Nada de bolsas de horas abiertas contra un objetivo que se va moviendo.

Lo que pasa a los seis meses.

Un sistema de IA se degrada de formas que un desarrollo normal no conoce. Cambia el modelo que usabas y las respuestas se mueven. Entra documentación nueva y el asistente empieza a citar la versión vieja. Sube el volumen y la factura de tokens deja de ser anecdótica.

Por eso montamos desde el primer día el registro de consultas y el conjunto de casos de evaluación. Cuando toca cambiar de modelo, se pasan los casos por el nuevo y se compara con lo que daba el anterior, en lugar de fiarse de que parece que va bien.

El mantenimiento de estos proyectos va aparte del de la web, porque lo que se vigila no tiene nada que ver.

Ver mantenimiento

Lo que nos preguntan sobre la IA.

¿Cuánto cuesta un proyecto de inteligencia artificial?

La primera fase, con un caso acotado y funcionando sobre vuestros datos, parte de 3.000 €. A eso se le suma el gasto mensual en llamadas al modelo, que depende del volumen y que se estima en el diagnóstico. En los proyectos que hemos hecho está por debajo de lo que cuesta la licencia del CRM.

¿Mis datos acaban entrenando el modelo de otro?

En las condiciones de empresa de OpenAI, Anthropic y Google, no, lo que se envía por API no se usa para entrenar. Se firma en el contrato. Si aun así hay información que no puede salir de vuestros servidores, se monta con un modelo alojado por vosotros, que rinde algo menos y cuesta más de mantener.

¿Hace falta tener los datos ordenados antes de empezar?

Ordenados no, localizables sí. Si nadie sabe dónde está la versión buena de un documento, el asistente tampoco lo sabrá. Cuando el diagnóstico detecta que ese es el problema real, lo decimos: hay proyectos que empiezan por poner orden y no por montar un modelo.

¿Qué pasa cuando se equivoca?

Se equivoca, eso es un hecho del que se parte. La pregunta útil es cuánto cuesta cada error. Donde el error es caro, el sistema propone y una persona aprueba. Donde es barato, va solo. Esa frontera se decide contigo en el diagnóstico y queda escrita.

¿Podéis conectarlo con el software que ya usamos?

Si tiene API, sí. Si no la tiene, se mira si hay exportación programada o base de datos accesible. Hemos conectado con Holded, Odoo, HubSpot, Salesforce y unos cuantos ERP de los que solo conoce quien los sufre.

¿Cuánto tarda?

De la sesión de diagnóstico a tener el primer caso funcionando, entre cuatro y seis semanas. Lo que alarga los plazos casi nunca es el desarrollo, son los permisos de acceso a los sistemas.

¿Trabajáis con pymes o solo con empresas grandes?

Con pymes sobre todo, y ahí el criterio de por dónde empezar importa más, porque no hay presupuesto para equivocarse dos veces. Un equipo de diez personas con un proceso manual claro suele sacar más de un proyecto de IA que una empresa grande sin un dueño claro del proceso.

Contacto

Cuéntanos tu reto y te diremos cómo podemos ayudarte.