Probamos ChatGPT en la empresa y no pasó nada: qué hacer distinto

Es una historia que escuchamos seguido: la empresa pagó las licencias, alguien hizo una demostración en la reunión de equipo, hubo entusiasmo dos semanas, y hoy nadie la abre. La conclusión que queda flotando es que “la IA todavía no está lista”.

Casi nunca es eso. El problema no fue la herramienta, fue que la prueba estaba mal diseñada.

Las tres razones por las que se abandona

1. Está al lado del trabajo, no dentro

Esta es la grande. Si para aprovechar la IA hay que abrir otra pestaña, escribir lo que necesitas, esperar, copiar el resultado y pegarlo donde corresponde, entonces usar la herramienta es trabajo adicional. Puede ser más rápido que hacerlo a mano, pero requiere acordarse y decidir usarla cada vez.

Los procesos que sobreviven son los que no requieren acordarse de nada. El correo ya llega con el resumen. El documento ya llega con los datos extraídos. El borrador ya está esperando ser revisado. La adopción deja de ser un tema de disciplina cuando no hay nada que recordar.

2. Nunca se definió qué significaba que funcionara

“Probemos IA” no es un objetivo, es una actividad. Sin una medida, a las tres semanas nadie puede decir si sirvió, y en ausencia de datos gana la inercia.

Una prueba bien planteada suena así: “Hoy clasificar los correos que entran nos toma 40 minutos diarios entre dos personas. En tres semanas queremos que tome menos de 10.” Eso se puede evaluar y se puede defender.

3. Se eligió el caso equivocado

El primer caso importa más que la herramienta. Los que fallan tienen algo en común: mucho criterio, poca repetición, o consecuencias caras si sale mal.

Los que funcionan son aburridos. Y eso es exactamente lo que los hace funcionar.

Qué hacer distinto

Elige un proceso, no una herramienta. La pregunta no es “¿qué IA usamos?” sino “¿qué trabajo repetitivo nos está costando horas?”. La herramienta se decide después, y a veces la respuesta es que no hace falta IA.

Que la IA quede dentro del flujo. Si el resultado no llega solo a donde tiene que llegar, el proyecto no está terminado. Este es el punto donde se separan las pruebas que prenden de las que se abandonan.

Define el número antes de empezar. Minutos, cantidad de errores, tiempo de respuesta. Uno solo, medido antes y después.

Deja la revisión humana explícita. Quién revisa, qué revisa y qué hace cuando algo está mal. No es un parche, es parte del diseño.

Empieza por algo aburrido. El caso más rentable en una pyme suele ser leer documentos y extraer datos. No impresiona en una reunión y es el que se paga más rápido.

Una prueba que sí funciona

Un ejemplo del tipo de prueba que recomendamos, sobre un proceso real:

Cada día llegan entre 20 y 40 correos de clientes. Alguien los lee, decide de qué se trata y los deriva. Toma cerca de 40 minutos diarios.

La prueba: durante tres semanas, un proceso automático lee cada correo que llega, lo clasifica en una de seis categorías, extrae los datos clave y lo deriva al responsable con un resumen de dos líneas. La persona que antes clasificaba ahora solo revisa los casos que el sistema marcó como dudosos.

La medida: minutos diarios dedicados a clasificar, y cuántos correos quedaron mal derivados.

Eso tiene un límite de tiempo, un número y un responsable. A las tres semanas hay una respuesta, cualquiera que sea — y si el resultado es que no sirvió, también aprendiste algo por poca plata.

Lo que no hay que concluir

Si la primera prueba falló, la conclusión correcta no es que la IA no sirve para tu empresa. Es que el caso, el diseño de la prueba o la integración estaban mal. Son tres cosas corregibles.

La conclusión incorrecta es la más caras de las dos: te deja fuera de una herramienta que tus competidores sí van a terminar usando, por una mala experiencia de tres semanas.

Si quieres que revisemos qué caso te conviene probar primero, es de lo que hablamos en implementación de IA. Treinta minutos, sin costo, y salimos con un caso concreto y una medida.