Implantación de inteligencia artificial

Implantar IA — significa incorporar un modelo a un proceso que ya funciona y no lanzar a su lado un sistema aparte. El modelo lee los datos de la empresa, encuentra en ellos un patrón y produce una decisión; la acción derivada la ejecuta el sistema en el que vive el proceso: CRM, ERP, el programa de almacén, la caja, el portal, la mensajería.

Por eso un proyecto no empieza eligiendo un modelo, sino con cuatro respuestas: qué datos hay y en qué estado están; qué decisión hay que tomar; quién ejecuta esa decisión y con qué; y qué cifra mostrará que ha mejorado. Si falta una de las cuatro, un modelo solo añade otra fuente de datos de la que nadie responde.

Dónde no hace falta IA. Si una regla se puede escribir en una línea —«existencias por debajo de cinco unidades, avisar a compras»— se escribe como regla: más barata, previsible y comprobable línea a línea. La IA va allí donde hay decenas de señales, cambian con el tiempo y hasta ahora decidía una persona a ojo: clasificar una consulta, estimar la demanda, detectar una operación atípica, extraer campos de un documento libre.

Los datos recogidos no están listos para usarse: la misma posición se llama de tres formas, las unidades de medida están mezcladas, a la mitad de los registros les falta un atributo obligatorio y una parte de las filas son duplicados de una operación. Un modelo entrenado con ese conjunto reproducirá el desorden en lugar de encontrar un patrón.

Procesamiento con IA cubre aquí tres tareas: llevar los registros a una forma única, poner atributos donde faltan y repartir los objetos en categorías que no existían en los datos de origen.

• Normalización — un formato único para fechas, números, unidades de medida, teléfonos, direcciones y datos registrales
• Cotejo de denominaciones — «cable RV-K 3x2,5», «RV-K 3*2,5» y «cable rvk 3x2,5 según norma» se reducen a una posición del catálogo
• Relleno de huecos — una categoría, marca o unidad de medida que falta se predice a partir de los demás campos de la ficha
• Clasificación — una mercancía se asigna a un grupo, una consulta a un tema, un pago a una partida de gasto, una contraparte a un segmento
• Extracción de características — de la descripción se sacan propiedades: volumen, peso, potencia, composición, caducidad
• Detección de duplicados — dos fichas de una contraparte o dos documentos de una entrega se encuentran con una combinación de campos y no con una coincidencia exacta de cadenas
• Comprobaciones de coherencia — existencias negativas, una fecha de envío anterior a la del pedido, posiciones que no suman el importe del documento

Acción: Las correcciones seguras se aplican automáticamente y se anotan con el valor original; las dudosas van como una sola lista al propietario del catálogo para su confirmación y no como correos sueltos.

Por qué esto es una tarea en sí misma

La calidad de los datos no es una limpieza puntual antes de un proyecto, sino un proceso continuo: los catálogos crecen cada día, los proveedores cambian los formatos de sus listas de precios y los gestores crean fichas nuevas en lugar de buscar la existente. Por eso las reglas y los modelos de limpieza viven en el sistema junto a los datos y se aplican en cada carga.

Cada corrección tiene un autor —una regla o un modelo—, una hora y un valor antiguo y uno nuevo. No es burocracia: sin el historial es imposible averiguar por qué el informe del mes pasado muestra hoy otras cifras.

Resultado

Los catálogos dejan de ramificarse, los informes por grupo de mercancía y partida de gasto coinciden entre sí y la preparación de datos deja de comerse la mayor parte del calendario de cada proyecto de analítica.

Un informe corriente responde a la pregunta que se le hizo: ingresos por mes, ventas por sucursal, existencias por almacén. Las preguntas las hace una persona, por eso se ve exactamente aquello en lo que alguien pensó.

Procesamiento con IA cambia aquí la dirección: el modelo revisa los desgloses por sí mismo y trae aquellos en los que un indicador se comporta de forma distinta a lo esperado. No «dibújame un gráfico», sino «aquí hay tres sitios donde pasa algo que no es lo habitual, y esto es con lo que se relaciona».

Qué hace la analítica inteligente:

• Segmentación — clientes, puntos de venta y mercancía se agrupan por comportamiento real y no por categorías pensadas de antemano
• Descomposición de un indicador — una caída de ingresos se descompone en las aportaciones de categorías, sucursales, canales e importe medio: queda claro qué ha caído exactamente
• Relaciones entre eventos — qué atributos de un pedido, un cliente o un punto acompañan más a menudo a un rechazo, una devolución, un impago o la marcha de un cliente
• Valoración de riesgos — la probabilidad de que un pedido se cancele, de que una factura no se pague a tiempo, de que un cliente deje de comprar
• Priorización de la atención — una lista de objetos que hay que aclarar, ordenada por pérdidas posibles y no alfabéticamente
• Consultas en lenguaje natural — una pregunta a los datos hecha con palabras, cuya respuesta indica obligatoriamente la fuente y el periodo

Acción: un hallazgo no se queda en un panel: se convierte en una tarea con destinatario y plazo: revisar el punto con la caída, contactar con el cliente del grupo de riesgo, comprobar la categoría con devoluciones al alza.

Rutina significa operaciones que se repiten decenas de veces al día, exigen atención y no exigen cualificación: copiar datos de un correo a una ficha, asignar un pago a una partida de gasto, designar un ejecutor, comprobar que un documento está completo, poner un estado.

Procesamiento con IA hace falta allí donde la entrada no está formalizada: el correo está escrito con palabras, el documento llegó en un formato ajeno, la solicitud la formula cada cliente de otra manera. El modelo convierte esa entrada en una estructura y a partir de ahí del proceso se ocupan reglas corrientes, previsibles y comprobables.

Operaciones que pasan a ser automáticas:

• Clasificación de correos y solicitudes entrantes
• Determinación del tema y la urgencia de una consulta
• Asignación de ejecutor y plazo
• Creación de una ficha de cliente y de una oportunidad
• Extracción de datos de documentos
• Cotejo de un documento con el pedido y la factura
• Asignación de un pago a una partida de gasto y a un contrato
• Comprobación de que un paquete de documentos está completo
• Borrador de respuesta a una solicitud estándar
• Traducción de textos y unificación de su forma
• Preparación de relaciones y certificados a partir de una plantilla
• Relleno de los campos de una ficha de producto a partir de la descripción
• Comprobación de que una solicitud está completa antes de lanzarla
• Priorización de una cola de tareas
• Resúmenes por turno, día y centro
• Avisos a los responsables ante determinados eventos

Acción y resultado: la operación la ejecuta el sistema y queda anotada con autor, hora y valor original. El empleado pasa de introducir datos a tratar excepciones: los casos en que el modelo duda o en que el coste de un error es alto.

Datos: albaranes, facturas, actas, contratos, especificaciones, órdenes de pago, solicitudes, fichas técnicas de equipos, correos con adjuntos. Los formatos son distintos: PDF, una foto de móvil, un escaneo, un archivo de exportación, un original en papel.

Procesamiento con IA: reconocimiento del texto, determinación del tipo de documento, extracción de campos y de partes tabulares, cotejo de las posiciones con la lista de artículos y vinculación del documento con un pedido, un contrato o una contraparte. De cada campo se devuelven un valor y una confianza.

Qué se extrae:

• Los datos de las partes — nombre, números de registro, dirección, datos bancarios
• Número y fecha del documento y referencias al contrato, la factura y el pedido
• La parte tabular — posiciones, cantidad, precio, importe, tipo impositivo
• Totales — base imponible, impuesto, total a pagar, moneda
• Condiciones y plazos — condiciones de pago, de entrega, garantía, penalizaciones
• Firmas y sellos — la presencia, no la autenticidad: la autenticidad es asunto de la firma electrónica con valor legal

Acción: el documento se coteja con el pedido y la factura, las discrepancias se sacan en una lista y el documento o se contabiliza o pasa a revisión de un empleado concreto. Resultado: introducir documentos deja de ser una función propia y las discrepancias se encuentran antes del pago y no en el cierre del mes.

Dónde está el límite

El reconocimiento no da el cien por cien de precisión con ningún conjunto de documentos, y no debe darlo. El sentido está en otra cosa: el sistema muestra a qué campos confía y cuáles pide confirmar. El operador comprueba unos pocos campos marcados en lugar de teclear todo el documento.

La mala calidad del original no es excusa para un error silencioso: una foto borrosa, una página cortada o una segunda página de una especificación que falta se señalan de forma explícita y se devuelven al remitente indicando el motivo.

Resultado

La velocidad de procesamiento deja de depender del volumen del flujo entrante y la contabilidad y las compras ven el estado de los documentos en una lista y no en los buzones de empleados sueltos.

Datos: correos, solicitudes de la web, mensajes en mensajerías, transcripciones de llamadas, correspondencia del chat de soporte, reseñas y valoraciones. Todo ello es texto de forma libre que hasta ahora leía y clasificaba una persona.

Procesamiento con IA: la consulta se asigna a un tema y un subtema, se determinan la urgencia y el tono, del texto se extraen el número de pedido, la denominación del producto, la dirección y otras entidades, y la consulta se vincula al historial del cliente. Las consultas repetidas por un mismo motivo se unen en un solo caso.

Acción: la solicitud entra con los campos ya rellenos en la cola del grupo correspondiente, el plazo de respuesta se calcula por la urgencia, una consulta repetida sube de prioridad y el cliente recibe una confirmación con número y plazo previsto.

Resultado: las consultas dejan de estar en un buzón común hasta la mañana y la dirección ve no «muchas quejas», sino una estructura: en qué temas crece el flujo, dónde sube el tiempo de respuesta y qué productos generan consultas repetidas.

Qué aporta examinar todo el flujo

Una consulta aislada habla de un caso; todo el flujo habla del producto y del proceso. La clasificación por temas durante un periodo muestra qué provoca preguntas exactamente: una instrucción poco clara, un error en la descripción de un producto, un fallo en un paso concreto de la compra, un retraso de un servicio de entrega.

Por eso los temas no se inventan: primero las consultas se agrupan por significado de forma automática, después los grupos resultantes se editan a mano y se fijan como catálogo. A partir de ahí vive junto al producto y el sistema propone los grupos nuevos.

Un bot no es un modelo, sino varias partes conectadas. La separación cuenta en la práctica: cada parte tiene su forma de fallar, sus métricas y su vía de arreglo.

• Comprensión de la petición — qué quiere hacer la persona y qué parámetros ha dado: número de pedido, fecha, producto, dirección
• Búsqueda en el conocimiento — selección de los fragmentos de documentos y registros con los que se construirá la respuesta
• Acceso a los sistemas — el conjunto de operaciones permitidas: ver un pedido, crear una solicitud, cambiar una fecha de entrega. Cada una está descrita de forma explícita; el bot no tiene acciones arbitrarias
• Formulación de la respuesta — el modelo compone la respuesta estrictamente con lo hallado y con lo que devolvieron los sistemas; lo que no está en las fuentes no aparece en la respuesta
• Una comprobación antes de enviar — la respuesta se coteja con las fuentes y la acción con los permisos y límites del usuario
• Traspaso a una persona — reglas de escalado: confianza baja, una pregunta repetida, una reacción negativa, un tema de una lista restringida
• Registro — qué se preguntó, qué se encontró, qué hizo el bot y con qué fundamento. Sin eso no se puede aclarar una reclamación

Los canales de conexión: la web y el área de cliente, mensajerías, correo, una línea telefónica con reconocimiento de voz, el portal interno y los puestos de trabajo de los empleados. La lógica es la misma en todos: el canal cambia la forma de entrada, no lo que el bot puede hacer.

De dónde sale la respuesta

El bot no memoriza sus documentos: los busca en el momento de la pregunta y responde con lo que encuentra. Por eso una política actualizada rige en cuanto se sube y no tras reentrenar el modelo, y por eso cada respuesta tiene una fuente.

Cómo se lanza un bot

Lo primero que se reúne es un conjunto de preguntas reales, sacadas de la correspondencia, las consultas y los chats internos. Con él se comprueba el bot antes del lanzamiento: las respuestas se cotejan con las fuentes y los errores se examinan por causas. Solo después se abre el bot a los usuarios, normalmente primero a un grupo.

Un asistente interno se diferencia de un bot para clientes en sus datos de origen: trabaja con información corporativa y dentro de los permisos de un empleado concreto. La misma pregunta de un operario de almacén y de un director financiero da respuestas distintas, porque tienen acceso a documentos distintos.

Qué hace un asistente en un puesto de trabajo:

• Responde a partir de las políticas — cómo presentar algo, quién lo aprueba, qué plazo hay, qué formulario usar, con referencia al punto
• Compone un resumen sobre un objeto — cliente, oportunidad, contrato, pedido, dispositivo: historial, cuestiones abiertas, plazos próximos
• Prepara borradores — un correo, una oferta, una respuesta a una consulta, la descripción de una tarea, un acta de reunión
• Lleva el registro por el empleado — el resultado de una llamada o una reunión se convierte en tareas, plazos y una ficha actualizada
• Crea solicitudes — a recursos humanos, a compras, al soporte técnico: los campos se rellenan con la conversación y no con un formulario de veinte campos
• Prepara un resumen del turno — qué ha pasado en el centro durante el periodo, qué queda abierto, qué exige una decisión

Resultado: el empleado dedica el tiempo al trabajo y no a buscar el documento correcto, recordar una política y rellenar formularios. El asistente no decide por la persona: le quita la parte preparatoria.

El conocimiento corporativo rara vez está en un solo sitio: las políticas en una carpeta, los contratos en otra, la documentación técnica en una tercera y la mitad de las respuestas en la correspondencia. Buscar por nombre de archivo no sirve aquí, porque una persona no busca un documento, sino una respuesta.

Datos: políticas y órdenes, contratos y anexos, documentación técnica y de proyecto, instrucciones, la base de consultas resueltas, actas, catálogos y el archivo de correspondencia, cada uno con propietario y nivel de acceso.

Procesamiento con IA: los documentos se dividen en fragmentos y cada fragmento se indexa por significado; la pregunta se coteja con fragmentos y no con títulos. La respuesta se compone con lo hallado y llega con una cita y una referencia al documento, la página y la versión.

Acción y resultado: un empleado obtiene en segundos una respuesta con fuente en lugar de ir preguntando a sus compañeros; los casos límite se comprueban con la cita; los documentos obsoletos se ven enseguida: si la respuesta salió de una versión de hace dos años, eso se indica en la propia respuesta.

Qué hace que una base de conocimiento funcione

• Un punto de entrada — las fuentes se conectan al índice y no se copian a mano a un almacenamiento nuevo
• Versiones y fechas — de cada fragmento se conoce la versión del documento; la vigente está separada del archivo
• Los permisos se heredan — de los sistemas de origen, para que el índice nunca se convierta en una vía para saltarse las restricciones de acceso
• Actualización por evento — un documento modificado se reindexa al instante y no según un plan mensual
• Retroalimentación — «esta respuesta no ha ayudado» se marca en la interfaz y va a revisión junto con la pregunta
• Los huecos se ven — las preguntas para las que no se encontró fuente se reúnen en una lista: ese es el encargo para escribir la política que falta

Qué no hace una base de conocimiento

No sustituye a la gestión documental ni se convierte en la fuente de verdad: un documento con valor legal se queda donde se firmó y se conserva. El índice es una forma de encontrarlo y citarlo y no una copia aparte con vida propia.

Una solicitud llega en forma libre y por cualquier canal: un correo, un mensaje, un formulario de la web, una llamada, un archivo adjunto. Antes de la implantación una persona la lee, pasa los datos al sistema, determina el tipo y asigna un ejecutor, y eso lleva desde unos minutos hasta unas horas de espera en la cola.

Procesamiento con IA: se determina el tipo de solicitud, se extraen los campos —objeto, dirección, plazo, contacto, número de contrato—, se comprueba que esté completa, se valora la urgencia y se vincula la solicitud al cliente y a su historial. Lo que falte se pide automáticamente por el mismo canal.

Acción: la solicitud se crea en el sistema con los campos rellenos, se asigna un grupo o un ejecutor según las reglas, se fija un plazo y se envía una confirmación con número. Los duplicados por el mismo motivo se enlazan en lugar de generar una segunda solicitud.

Resultado: el ejecutor recibe una solicitud completa y empieza por el trabajo y no por las aclaraciones. El tiempo desde la llegada hasta la asignación deja de depender de quién abrió el buzón común y cuándo.

El recorrido de una solicitud

Qué hay que configurar

• Un catálogo de tipos de solicitud y las reglas de asignación de ejecutores
• Campos obligatorios de cada tipo; de lo contrario la petición complementaria no funciona
• Plazos de respuesta por contrato y prioridad
• Una regla para unir consultas repetidas por el mismo motivo

Un modelo siempre se equivoca: la cuestión es con qué frecuencia, dónde exactamente y cuánto cuesta. Por eso cada implantación tiene dos conjuntos de cifras: la calidad del propio modelo y el cambio en el proceso. El primero le interesa al ingeniero y el segundo al negocio, y no coinciden automáticamente.

• Precisión y exhaustividad — de cada clase por separado y no como una media única: una clase rara pero cara pesa más que una frecuente
• Porcentaje de decisiones automáticas — cuántas operaciones pasaron sin persona con el umbral de confianza dado
• Porcentaje de correcciones — cuántas decisiones automáticas canceló o cambió una persona
• Duración de una operación — de la llegada al cierre, comparada con el valor de partida antes de la implantación
• El coste de un error — cuánto cuesta un fallo y cuánto una falsa alarma; el umbral se ajusta a esa relación y no a la elegancia de una métrica
• Deriva de los datos — un cambio en la composición de los datos de entrada que hace caer la calidad sin que se haya tocado el sistema

El umbral de confianza es un mando y no una constante. Si se sube, la empresa obtiene menos automatización y menos errores; si se baja, lo contrario. El valor se elige según el coste de un error en el proceso concreto.

Qué muestra el panel

Explotación después del arranque

Un modelo no es una entrega única. Los datos cambian: aparecen productos nuevos, temas nuevos de consultas, formatos nuevos de documentos, proveedores nuevos. Por eso el proyecto prevé comprobaciones periódicas de la calidad con datos frescos, reentrenamiento según calendario o al cruzar un umbral y revisión de los casos en que una persona corrigió la decisión.

Las correcciones de los operadores son el material de entrenamiento más valioso: se reúnen en un conjunto aparte y se usan en la siguiente vuelta de entrenamiento. Así el sistema mejora con su propio trabajo y no con datos ajenos.