Empiece por un proceso costoso, no por una implementación en toda la empresa

Qué es

Elija un único proceso en el que el costo sea fácil de ver: responder consultas rutinarias, preparar presupuestos, procesar facturas. Mídalo, aplique una herramienta de IA con una persona que revise el resultado, y vuelva a medir. Pase al siguiente proceso solo cuando el primero muestre un resultado.

Qué muestra la evidencia

Cuatro estudios explican por qué este consejo es tan habitual.

• Las mejoras aparecen en tareas concretas. En un estudio con 5172 agentes de atención al cliente en su trabajo real, un asistente de IA aumentó un 15 % las consultas resueltas por hora. La tarea era frecuente, estaba bien definida y era fácil de medir.
• Ponerla a disposición de todos cambia poco. Un estudio sobre el mercado laboral danés encontró que los chatbots de IA se adoptaron de forma generalizada, y aun así los ingresos y las horas no cambiaron. Una versión anterior del estudio situaba el ahorro medio de tiempo en el 2,8 % de las horas de trabajo. En un experimento de campo con 7137 trabajadores de 66 empresas, los trabajadores que recibieron al azar un asistente de IA de oficina dedicaron unas dos horas menos a la semana al correo electrónico, y la cantidad y la combinación del resto de su trabajo no cambiaron. Tres de los cuatro autores trabajaban para Microsoft, que vende el asistente.
• El trabajo que nadie hacía puede ser el que más gana. En experimentos aleatorizados en una gran plataforma de comercio minorista en línea, la mayor mejora, un 16,3 % más de ventas, vino de un chatbot que respondía a compradores que antes no tenían ninguna ayuda en directo. Las descripciones de producto escritas por la IA solo aumentaron las ventas de productos que antes tenían menos de 50 palabras de descripción.

Muchos proyectos, además, se abandonan. En una encuesta de S&P Global publicada en 2025, el 42 % de las empresas dijo haber abandonado la mayoría de sus iniciativas de IA. Un solo proceso con una medida clara es barato de detener si no funciona.

Cómo hacerlo

1. Haga una lista de tres a cinco procesos que se lleven más tiempo del personal o causen más retrasos.
2. Elija el más frecuente y con el criterio más claro de lo que es un buen resultado. Un proceso que hoy no cubre, como las consultas sin respuesta o las descripciones de producto que faltan, puede ser el que más gane.
3. Anote las cifras actuales durante dos a cuatro semanas: tiempo por caso, tasa de errores, costo.
4. Aplique una herramienta de IA comercial. Al principio, mantenga a una persona revisando cada resultado.
5. Hágala funcionar durante un periodo fijado y después compare con las cifras de partida.
6. Decida: mantener, cambiar o detener. Anote por qué.
7. Solo entonces elija el segundo proceso.

Qué medir

• El tiempo por caso, antes y después.
• La tasa de errores o de trabajo rehecho, antes y después.
• El tiempo que dedica a revisar la persona que revisa. Forma parte del costo.

Para ver qué significan estas cifras en dinero, introdúzcalas en ¿Será rentable la IA?. La herramienta compara un proceso elegido con una implementación para todo el mundo.

Dónde falla

• El proceso es poco frecuente o difuso. Si ocurre unas pocas veces al mes, hay muy poco que medir.
• El proceso no funciona bien. La IA encima de un mal proceso da un mal proceso más rápido. Arréglelo o rediséñelo antes.
• El piloto no termina nunca. Fije la fecha de decisión antes de empezar.
• No está claro si conviene empezar en pequeño o en grande. En una encuesta de la OECD a 2018 pequeñas y medianas empresas, solo el 2 % de las empresas que usaban la IA para tareas aisladas declaró un efecto transformador, frente al 23 % de las que la usaban en todo el negocio. Los efectos son lo que dijeron las empresas, la OECD dice que la encuesta no es representativa, y alrededor de tres cuartas partes de las respuestas sobre IA vinieron de Japón. Otras dos fuentes apuntan en otra dirección. Un análisis de la Federal Reserve encontró que las pequeñas empresas de Estados Unidos que habían integrado la IA en sus procesos no tenían mejores expectativas de contratación que las que aún estaban experimentando. En los datos de nóminas de Gusto, que vende software de nóminas, las empresas que usaban la IA para tareas cotidianas mostraron el mismo aumento de contratación que las que la habían integrado a fondo en sus operaciones. No está claro si empezar en pequeño o ir a lo grande da más.

Según el tamaño de la empresa

• Micro y pequeña: un solo proceso es todo el programa durante los primeros meses. Está bien así.
• Mediana y mediana-grande: lleve dos o tres en departamentos distintos, cada uno con su propia medición de partida y su responsable.
• Gran empresa: las grandes empresas suelen tener ya pilotos. Su problema es convertir esos pilotos en procesos de trabajo rediseñados, así que esta práctica importa menos.

Véala aplicada

• Ejemplo práctico Un plan piloto de 90 días para una empresa de 118 personas Tres etapas, empezando por unas pocas tareas digitales sencillas. Cada etapa tiene sus propias medidas y una decisión al final.

Casos de empresas

Empresas que lo hicieron

• Duolingo El primer objetivo fue la creación de cursos, donde un solo curso nuevo podía llevar años a un equipo pequeño. Resultado declarado por la empresa
• eBay eBay dirigió la traducción automática a un solo obstáculo: los compradores de América Latina no podían leer los anuncios de los vendedores de Estados Unidos. Resultado medido
• EIST El propietario eligió una sola tarea: presupuestar piezas a medida, que podía llevar horas por solicitud y estaba haciendo perder pedidos a la empresa. Resultado declarado por la empresa
• Herges Stahl- und Blechbau El proyecto se limitó a un solo proceso, el curvado de chapa, con un diseño que se puede ampliar a la soldadura y el montaje. Resultado medido
• Hitachi Energy El trabajo se dirigió a un solo producto y a un solo costo: los chips de transistores que no superan la prueba final se desechan. Resultado medido
• META-Regalbau El análisis cubrió un solo proceso: reunir en el almacén las muchas piezas sueltas de un sistema de estanterías pedido. Resultado declarado por la empresa
• Milkforbubs La tienda dirigió la herramienta a una sola tarea: responder una y otra vez a las mismas preguntas de los clientes, muchas de ellas de noche. Resultado declarado por la empresa
• Ministry of Clean El software se dirigió a un solo problema: una lista de clientes cada vez más grande que se gestionaba en hojas de cálculo. Resultado declarado por la empresa
• Rue La La El trabajo se dirigió a una sola decisión: el primer precio de los productos que el minorista no había vendido nunca, que aportan la mayor parte de sus ingresos. Resultado medido
• Temple & Webster Las primeras cifras que publicó la empresa eran de un solo proceso: atender a los clientes antes y después de una venta. Resultado declarado por la empresa
• Walmart Walmart dirigió la IA a un solo trabajo: completar y corregir los datos de producto, que según su consejero delegado “affects nearly everything we do” [“afecta a casi todo lo que hacemos”]. Resultado declarado por la empresa

Fuentes

1. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Qué hizo y qué encontró este estudio
2. Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). Qué hizo y qué encontró este estudio
3. Dillon, Jaffe, Immorlica and Stanton (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795; arXiv 2504.11436, version 4 (November 2025). Qué hizo y qué encontró este estudio
4. Fang, Yuan, Zhang, Donati and Sarvary (2025). Generative AI and Sales Productivity: Field Experiments in Online Retail. arXiv 2510.12049, version 6 (29 June 2026). Qué hizo y qué encontró este estudio
5. Gartner (2024). Prediction that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025. gartner.com
6. CIO Dive (2025), reporting an S&P Global Market Intelligence survey: 42% of companies abandoned most of their AI initiatives. ciodive.com
7. OECD (April 2026). Empowering SMEs in the age of AI. Includes the D4SME survey of 2,018 small and medium-sized firms; the OECD says it is not representative. oecd.org
8. Aarons and Sarkar (October 2026). Federal Reserve Bank of New York, Liberty Street Economics. Analysis of AI use and hiring expectations in the Small Business Credit Survey. libertystreeteconomics.newyorkfed.org

Prácticas relacionadas

• Mida el tiempo ahorrado por tarea frente a una medición de partida Anote cuánto tarda una tarea y lo bueno que es el resultado antes de añadir la IA. Sin esa cifra de partida no podrá distinguir una mejora real de una esperanza. Hacer primero · Esfuerzo: bajo (días, una persona) Evidencia: Práctica habitual Medición · Adoptar
• Haga un mapa de las tareas antes de decidir qué automatizar Divida los puestos en tareas y examine cada una. Hay puntuaciones publicadas que miden cuánto de un puesto podría hacer la IA, su “exposición”. Trate una puntuación alta como un lugar donde mirar, no como una decisión de automatizar. Hacer primero · Esfuerzo: bajo (días, una persona) Evidencia: Moderada Controvertida Rediseño de procesos · Explorar
• Rediseñe el proceso de trabajo en lugar de añadirle una herramienta Dar a las personas una herramienta de IA dentro de un proceso que no cambia cambia poco. Vuelva a decidir quién hace cada paso, en qué orden y dónde revisa una persona. Hacer después · Esfuerzo: alto (meses, varios equipos) Evidencia: Moderada Rediseño de procesos · Rediseñar