Diagnóstico técnico antes de implementar IA

La pregunta no es “qué IA usamos”

La mayoría de proyectos empiezan por la herramienta: modelo, framework, agente, proveedor. Es comprensible, pero suele ser el orden equivocado.

Antes de meter IA hay que saber qué pieza del negocio está atascada. Si el proceso no está entendido, si los datos son dudosos o si nadie sabe quién decide, la IA no arregla nada. Solo hace que el desorden vaya más rápido.

Qué debería mirar un diagnóstico

Un diagnóstico técnico serio no es una auditoría infinita. Es una lectura rápida y accionable de cinco capas:

1. proceso: qué ocurre hoy y dónde se pierde tiempo;
2. datos: qué existe, en qué formato y con qué calidad;
3. sistemas: qué herramientas ya hay y cómo se conectan;
4. decisión: quién valida, aprueba o corrige;
5. riesgo: qué pasa si la IA se equivoca.

Con esto puedes decidir si necesitas IA, automatización clásica, rediseño de proceso o simplemente quitar deuda técnica.

Datos antes que prompts

Muchos equipos piden “un prompt bueno” cuando en realidad tienen un problema de datos. Documentos duplicados, campos inconsistentes, exports manuales, CRMs sin disciplina, hojas de cálculo que nadie gobierna.

Si la base está así, un LLM puede parecer brillante en la demo y fallar en producción. No porque el modelo sea malo, sino porque el contexto que recibe es basura.

En proyectos de modernización de sistemas legacy, la IA suele ser útil después de ordenar el flujo, no antes.

Decisiones antes que automatizaciones

Otra pregunta crítica: ¿qué decisión queremos mejorar?

No basta con decir “queremos automatizar soporte” o “queremos un agente comercial”. Hay que bajar a decisiones:

• qué ticket se escala;
• qué lead merece seguimiento;
• qué factura parece anómala;
• qué documento bloquea una operación;
• qué cliente necesita una respuesta humana.

Cuando la decisión está clara, puedes diseñar un human-in-the-loop razonable. Cuando no, acabas revisando todo o automatizando demasiado.

El entregable útil

Un buen diagnóstico debería terminar con algo concreto:

• mapa del proceso actual;
• oportunidades priorizadas por impacto y riesgo;
• datos necesarios;
• quick wins sin IA;
• piezas candidatas a IA;
• arquitectura mínima;
• estimación de esfuerzo;
• riesgos que no conviene asumir.

Eso permite tomar una decisión ejecutiva. No hace falta un informe de 80 páginas. Hace falta saber qué mover primero.

Señales de que necesitas diagnóstico

Necesitas esta fase si:

• hay varias herramientas que no hablan entre sí;
• el equipo usa Excel como sistema nervioso central;
• nadie confía del todo en los datos;
• hay mucho trabajo manual “porque siempre se hizo así”;
• se quiere IA pero no está claro para qué;
• un error puede afectar dinero, clientes o compliance.

Si todo está claro, se puede construir directamente un MVP AI-native. Pero muchas veces el mayor ROI aparece antes: descubriendo que el problema no era el modelo, era el proceso.

La tesis

La IA no sustituye el criterio técnico. Lo hace más necesario. Cuanto más potente es la herramienta, más caro sale apuntarla al sitio equivocado.

Si quieres meter IA en un proceso real, primero lo diagnosticamos.