Hay una desconexión gigante entre lo que se vende en conferencias de IA y lo que realmente funciona cuando lo implementas en una empresa con procesos reales, datos reales y presupuestos reales.

No estoy diciendo que la IA no funcione. Estoy diciendo que funciona para cosas específicas, de formas específicas, y que la mayoría de las empresas están comprando la promesa equivocada.

Lo que se vende

En los últimos dos años he asistido a decenas de eventos, webinars y demos. El patrón es siempre el mismo:

Los casos de uso siempre son genéricos: agentes, chatbots, análisis predictivo, personalización. Los números siempre son impresionantes. Y casi nunca incluyen el contexto de implementación, el tiempo real de despliegue, o lo que tuvo que pasar antes de que la IA funcionara.

Lo que realmente funciona

Después de implementar soluciones de IA en contextos reales —Falabella Seguros, Amarilo, Despegar, y mis propias ideas — esto es lo que he visto que genera valor:

1. Clasificación y enrutamiento inteligente

No es sexy. No es "IA generativa". Pero clasificar automáticamente contactos, documentos o solicitudes y enviarlos al lugar correcto reduce tiempos de resolución entre un 30% y un 50%. Es aburrido. Funciona.

2. Perfilación predictiva de clientes

En Amarilo usamos modelos para perfilar clientes según su probabilidad de compra y su comportamiento post-venta. No es magia: es datos históricos bien etiquetados más un modelo relativamente simple. El resultado: la tasa de cierre del equipo comercial subió un 22% porque dejaron de perseguir leads fríos.

3. Automatización de documentos repetitivos

Procesos donde alguien lee un documento, extrae información y la ingresa en un sistema. Eso lo hace la IA hoy mejor que un humano, en una fracción del tiempo. De todos los casos, es el que mejor equilibra riesgo y retorno: reglas claras, mucho volumen y un resultado que se mide fácil en horas liberadas y errores evitados.

4. Análisis de sentimiento a escala

Procesar miles de interacciones (llamadas, chats, correos) para identificar patrones de insatisfacción antes de que se conviertan en deserción. Esto sí es relativamente nuevo y sí es poderoso.

Lo que NO funciona (o no aún)

Chatbots conversacionales "para todo"

A menos que tengas un volumen masivo de consultas simples y bien categorizadas, un chatbot generativo sin control te va a generar más problemas de los que resuelve. Lo he visto una y otra vez. Sobre todo que siempre debe ir acompañado de un humano que ayude a tomar decisiones.

"Vamos a usar IA" como estrategia

La IA no es una estrategia. Es una herramienta. Si no tienes claro qué problema estás resolviendo, la IA no te va a ayudar a encontrarlo.

Implementar sin datos limpios

Este es el silencioso asesino de proyectos de IA. Si tus datos están sucios, incompletos o mal etiquetados, ningún modelo los va a arreglar. He visto proyectos de 6 meses frenarse completamente porque nadie validó la calidad del dato antes de empezar.

La regla que uso

Antes de cualquier proyecto de IA, me hago tres preguntas:

  1. ¿Tengo datos suficientes y suficientemente limpios?
  2. ¿El proceso base funciona bien de forma manual?
  3. ¿Puedo medir el impacto en términos que el negocio entienda?
Si alguna respuesta es no, no es momento de IA. Es momento de preparar el terreno.

La IA no es el destino. Es el vehículo. Y necesitas saber a dónde vas antes de encender el motor.