La respuesta corta
Para saber si la IA mejora un proceso, compara una muestra de tareas equivalentes antes y durante el piloto. Mide el tiempo completo desde que entra la solicitud hasta que la salida queda aprobada, incluye las correcciones humanas y aplica el mismo criterio de calidad en ambos grupos.
La unidad de análisis no debe ser la licencia ni el número de mensajes enviados. Debe ser una tarea empresarial reconocible: preparar una ficha de producto, clasificar una consulta, resumir un expediente, redactar un primer borrador o localizar información en una base documental. Si la tarea no está definida, cualquier ahorro será difícil de comprobar.
Por qué una demostración rápida no basta
Una demostración suele partir de un ejemplo limpio, una persona motivada y una salida que no atraviesa todo el proceso real. En producción aparecen datos incompletos, políticas internas, revisiones, excepciones y entregas a otros equipos. El valor solo existe si la mejora sobrevive a ese recorrido.
Un estudio de NBER con responsables de empresa publicado en 2026 encontró resultados heterogéneos y una distancia entre las mejoras percibidas y las medidas. Otro trabajo de NBER con empresas de varios países describe una adopción amplia, pero un impacto realizado todavía limitado y expectativas mayores para los próximos años. La lectura práctica es sencilla: conviene medir lo que ocurre en el proceso propio y no trasladar una promesa general a una decisión de compra.
- No uses una única tarea elegida por quien vende o implanta la herramienta.
- No confundas rapidez de generación con tiempo total hasta la aprobación.
- No excluyas del cálculo la preparación de datos, los reintentos y la revisión.
- No amplíes licencias solo porque el equipo ha usado mucho la aplicación.
Paso 1: escoger una tarea repetida y verificable
Elige una tarea que aparezca varias veces por semana y tenga una salida observable. Debe contar con un responsable que conozca el proceso y pueda distinguir una respuesta correcta de una que solo parece convincente.
Stanford HAI resume en su AI Index 2026 que las ganancias de productividad tienden a ser mayores en trabajos estructurados y medibles. Eso no significa que la IA deba limitarse a tareas simples, pero sí que un primer piloto necesita criterios de evaluación claros.
- Entrada definida: qué información recibe la persona o la herramienta.
- Salida definida: qué documento, clasificación o decisión preparatoria se espera.
- Criterio de aceptación: qué debe cumplir la salida para avanzar.
- Condición de escalado: cuándo debe intervenir otra persona.
- Volumen suficiente: una muestra que incluya casos normales y excepciones.
Paso 2: registrar una línea base
Antes de introducir IA, registra durante varios días cómo funciona la tarea. No hace falta construir un sistema analítico complejo. Una hoja con identificador anónimo, tipo de caso, hora de inicio, hora de aprobación, número de correcciones y resultado aceptado puede ser suficiente.
La línea base debe cubrir el proceso completo. Si una persona redacta en veinte minutos pero otra tarda dos horas en comprobar datos y adaptar el formato, el tiempo relevante no son veinte minutos. También conviene separar la espera de la actividad para saber si el cuello de botella está en la ejecución o en una aprobación.
- Tiempo activo de preparación.
- Tiempo total hasta la aprobación.
- Número y tipo de correcciones.
- Porcentaje de salidas aceptadas a la primera.
- Incidencias, devoluciones o escalados.
- Coste estimado por tarea.
Paso 3: diseñar un piloto comparable
Durante el piloto, reparte tareas equivalentes entre el método habitual y el método asistido por IA. Mantén la misma definición de calidad y evita que un grupo reciba casos sencillos mientras el otro absorbe las excepciones. Si el volumen es pequeño, alterna semanas o tipos de caso y deja constancia de las diferencias.
La herramienta debe trabajar con el mínimo acceso necesario. El NIST AI Risk Management Framework propone gestionar los riesgos de la IA en contexto. En un piloto empresarial esto se traduce en limitar datos y permisos, identificar quién revisa y registrar los errores que podrían afectar al cliente o al proceso.
- Un responsable funcional y un responsable técnico.
- Usuarios concretos, no toda la plantilla.
- Datos y conectores limitados al caso de uso.
- Plantilla de instrucciones y fuentes autorizadas.
- Revisión humana definida antes de empezar.
- Fecha de cierre y criterio de decisión.
Las seis métricas que deben viajar juntas
Ninguna métrica aislada decide el piloto. Ahorrar tiempo con una caída de calidad puede trasladar trabajo a otra persona. Mejorar la primera versión, pero exigir más comprobaciones, puede aumentar el coste total. Y una herramienta precisa que nadie incorpora al flujo tampoco crea valor sostenido.
Compara los resultados por tipo de tarea y revisa los casos extremos. La media puede ocultar que la IA funciona muy bien en solicitudes estándar y falla en una categoría concreta. Esa segmentación permite reducir el alcance sin descartar todo el piloto.
- Tiempo total: desde la entrada hasta la aprobación.
- Calidad: cumplimiento de una rúbrica común.
- Corrección: minutos y cambios necesarios para aceptar la salida.
- Coste: licencia, integración, operación y supervisión por tarea.
- Adopción: uso correcto dentro del flujo, no actividad superficial.
- Riesgo: errores relevantes, datos expuestos, acciones no autorizadas y escalados.
Cómo decidir al terminar los treinta días
Escalar tiene sentido cuando la mejora aparece de forma repetida, el coste total es razonable y el equipo puede mantener los controles. Corregir y repetir es mejor cuando el problema está en una fuente incompleta, una instrucción inestable o una categoría de casos demasiado amplia. Retirar también es una decisión útil si la revisión consume el ahorro o la calidad no alcanza el mínimo.
Documenta la decisión en una página: tarea, muestra, método, resultados, incidencias, límites y siguiente paso. Esa ficha permite comparar pilotos diferentes y evita que cada compra empiece de cero.
- Escalar: mejora consistente, calidad estable y riesgos controlados.
- Repetir: señal positiva, pero proceso, datos o formación necesitan ajustes.
- Reducir alcance: funciona solo en una categoría bien delimitada.
- Retirar: no mejora el resultado total o introduce riesgos desproporcionados.
Siguiente paso recomendado
Empieza con una reunión de sesenta minutos entre la persona responsable del proceso, un usuario habitual y quien gestiona tecnología o datos. El objetivo es elegir una tarea, definir la línea base y acordar una rúbrica corta antes de probar ninguna herramienta.
AUTOINTELLIA puede ayudar a convertir esa definición en un piloto medible: selección del caso de uso, control de datos, formación, cuadro de métricas y decisión de escalado. La meta no es demostrar que la IA siempre funciona, sino saber con evidencia dónde aporta valor y dónde todavía no.
