Qué automatizar primero con inteligencia artificial en una pyme: matriz de impacto y riesgo
Una matriz práctica para priorizar procesos de una pyme por impacto, repetición, datos, reversibilidad, riesgo y facilidad de medición antes de elegir herramientas de IA.
Respuesta corta
Una pyme debería automatizar primero un proceso frecuente, acotado, medible y reversible, que cuente con datos suficientes y cuyo error pueda detectarse antes de afectar a un cliente, un pago o una decisión importante. Buenos candidatos iniciales suelen ser clasificar solicitudes, resumir documentos, preparar borradores o detectar información faltante. No conviene partir por decisiones de contratación, crédito, precios, pagos, salud, asuntos legales o comunicaciones públicas sin revisión.
La prioridad no se decide por la herramienta más conocida. Se decide comparando procesos.
Resumen
- Haz un inventario de procesos, no de aplicaciones de IA.
- Evalúa seis criterios: impacto, repetición, datos, reversibilidad, riesgo y medición.
- Empieza con IA que propone o prepara; agrega ejecución sólo después de observar su desempeño.
- Mantén revisión humana en decisiones sensibles, excepciones y acciones externas.
- Ejecuta un piloto con una línea base, un responsable, muestras revisadas y una forma de volver al proceso anterior.
- Escala únicamente cuando el resultado sea útil y los errores sean visibles y manejables.
El error más común: empezar por la herramienta
“Necesitamos usar IA” no define un problema. Tampoco lo hacen “instalar un chatbot” o “automatizar ventas”. Esas frases saltan a una solución antes de entender el trabajo.
El punto de partida es más concreto:
¿Qué proceso se repite, dónde se atasca, qué entrada recibe, qué resultado debe producir y qué ocurre si se equivoca?
Esta forma de decidir coincide con el enfoque del AI Risk Management Framework (AI RMF) de NIST: primero se establece el contexto y se identifican los riesgos; luego se miden y gestionan. El marco organiza el trabajo en cuatro funciones —Govern, Map, Measure y Manage— y no prescribe una marca ni una tecnología específica.
Para una pyme chilena, eso evita dos costos frecuentes: automatizar un proceso mal definido y contratar una plataforma que después nadie integra al trabajo semanal.
Antes de usar la matriz: define el proceso
Escribe cada candidato como una unidad observable. En vez de “atención al cliente”, usa algo como:
- clasificar consultas recibidas por tema;
- buscar una respuesta en documentación aprobada;
- preparar un borrador de respuesta;
- derivar el caso a la persona correcta;
- registrar el motivo de contacto.
Cada línea puede tener riesgos y controles distintos. Clasificar una consulta puede ser reversible; prometer una devolución o cambiar un contrato no lo es en la misma medida.
Para cada proceso, registra cinco elementos:
- Entrada: correo, formulario, planilla, documento o dato del sistema.
- Transformación: resumir, clasificar, comparar, redactar o recomendar.
- Salida: etiqueta, borrador, alerta, informe o acción.
- Responsable: persona que responde por el resultado.
- Consecuencia del error: retrabajo, molestia, pérdida de dinero, exposición de datos o daño mayor.
Si no puedes describirlos, todavía no estás eligiendo una automatización: estás intentando automatizar una ambigüedad.
Matriz de impacto y riesgo para priorizar IA
Puntúa cada criterio del 1 al 3. La escala es una ayuda interna para comparar procesos, no una certificación ni una medición universal.
| Criterio | 1 punto | 2 puntos | 3 puntos |
|---|---|---|---|
| Impacto útil | Mejora marginal | Reduce una fricción visible | Desbloquea capacidad o una demora importante |
| Repetición | Ocasional | Semanal | Diaria o de alto volumen |
| Datos disponibles | Dispersos o poco confiables | Parciales, corregibles | Suficientes, accesibles y con ejemplos buenos |
| Reversibilidad | Difícil de deshacer | Requiere corrección relevante | Se revisa o revierte antes de causar efecto |
| Riesgo | Bajo: error visible y acotado | Medio: puede afectar a una persona o proceso | Alto: dinero, derechos, privacidad, seguridad o reputación |
| Medición | Resultado subjetivo | Hay indicadores indirectos | Calidad y resultado pueden comprobarse |
Cómo leerla
No sumes todo sin pensar. Usa dos ejes:
- Valor y preparación: impacto + repetición + datos + reversibilidad + medición.
- Riesgo: se mantiene separado. Un puntaje alto de valor no compensa automáticamente un riesgo alto.
Prioriza procesos con valor/preparación alto y riesgo bajo. Los de riesgo medio pueden entrar como pilotos de apoyo, con revisión antes de actuar. Los de riesgo alto requieren controles más exigentes, conocimientos especializados y, muchas veces, no son un buen primer caso.
NIST recomienda tratar la gestión del riesgo como un ciclo continuo. Su Playbook propone acciones para gobernar, mapear, medir y gestionar, en lugar de considerar la evaluación como un trámite de una sola vez. La OCDE, por su parte, vincula la IA confiable con robustez, seguridad, transparencia y rendición de cuentas. En términos prácticos: alguien debe saber qué hace el sistema, qué límites tiene y quién responde cuando falla.
Ejemplo hipotético de una pyme chilena
Ejemplo hipotético, no resultado real: una distribuidora B2B recibe solicitudes por correo, prepara cotizaciones, revisa órdenes de compra y hace seguimiento comercial. Su equipo compara cinco procesos.
| Proceso hipotético | Impacto | Repetición | Datos | Reversibilidad | Riesgo | Medición | Decisión inicial |
|---|---|---|---|---|---|---|---|
| Clasificar correos y derivarlos | 2 | 3 | 3 | 3 | 1 | 3 | Buen primer piloto |
| Extraer campos de órdenes para revisión | 3 | 3 | 2 | 3 | 2 | 3 | Pilotar sin registrar automáticamente |
| Preparar borradores de cotización | 3 | 3 | 2 | 3 | 2 | 3 | IA prepara; persona valida precio y condiciones |
| Responder reclamos sin revisión | 2 | 2 | 2 | 1 | 3 | 2 | No partir aquí |
| Autorizar descuentos y condiciones | 3 | 2 | 2 | 1 | 3 | 3 | Mantener decisión humana |
La clasificación de correos gana no porque sea espectacular, sino porque se repite, tiene ejemplos, se puede corregir y deja una señal medible: clasificación correcta, derivación correcta y tiempo hasta que alguien toma el caso.
La extracción de órdenes también parece atractiva, pero la salida no debería entrar directamente al sistema durante la primera etapa. La IA puede marcar proveedor, fecha, productos y montos; una persona compara esos campos con el documento antes de confirmar. Así se separa preparar de ejecutar.
Qué procesos suelen ser buenos candidatos iniciales
1. Clasificación y enrutamiento
Etiquetar correos, formularios, tickets o documentos por tema suele tener una salida verificable. El control clave es incluir una categoría “no sé” o “requiere revisión”, en vez de obligar al sistema a elegir siempre.
2. Resumen con referencia a la fuente
Resumir reuniones, contratos, investigaciones o conversaciones puede reducir lectura repetida. El resumen debe conservar un enlace o referencia al original y no reemplazar la revisión profesional cuando el documento determina obligaciones o decisiones sensibles.
3. Extracción de datos para revisión
La IA puede ubicar campos en órdenes, facturas, formularios o fichas. Empieza con una bandeja de validación: dato original, dato extraído y confirmación humana. Evita escribir en sistemas críticos hasta conocer los errores más frecuentes.
4. Preparación de borradores
Correos, descripciones, propuestas, contenidos y respuestas frecuentes son reversibles mientras sigan siendo borradores. Define fuentes aprobadas, afirmaciones prohibidas y una persona que revise antes de enviar o publicar.
5. Detección de faltantes y excepciones
Comparar un expediente con una checklist puede ser más útil que pedir a la IA una decisión final. El sistema señala documentos ausentes, inconsistencias o casos fuera de regla; una persona resuelve la excepción.
Si el foco está en marketing, revisa también Agentes de IA para marketing: qué tareas pueden asumir realmente y Qué es un agente de marketing y cómo puede trabajar para tu empresa.
Qué no automatizar primero
Evita comenzar con procesos donde un error sea difícil de detectar o revertir, especialmente si involucran:
- pagos, transferencias o modificación de datos bancarios;
- selección, rechazo o evaluación de personas;
- crédito, seguros o acceso a servicios esenciales;
- diagnósticos o recomendaciones de salud;
- interpretación legal definitiva;
- cambios autónomos de precios, contratos o presupuesto;
- publicación de mensajes sensibles;
- datos personales o información confidencial sin controles claros;
- acciones con permisos amplios en sistemas internos.
Esto no significa que la IA nunca pueda apoyar esos ámbitos. Significa que el primer diseño debería limitarla a buscar, ordenar, comparar o preparar evidencia, sin entregarle la decisión ni la ejecución.
El perfil de NIST para IA generativa identifica riesgos como la confabulación —contenido falso presentado con seguridad—, privacidad de datos, integridad de la información, seguridad e integración de componentes. Una respuesta fluida no demuestra que sea correcta. Por eso, cuanto más costoso sea el error, más importante es exigir fuente, validación y posibilidad de detener el sistema.
Diseña el primer piloto en tres niveles
Nivel 1: observar
La IA procesa una copia o un conjunto histórico y no afecta el trabajo real. El equipo compara sus resultados con decisiones ya conocidas. Esto permite descubrir categorías ambiguas y datos faltantes.
Nivel 2: recomendar o preparar
La IA trabaja con casos reales, pero entrega una sugerencia, un borrador o campos por confirmar. Una persona acepta, corrige o rechaza. Registra esas correcciones; son evidencia para decidir, no sólo “feedback”.
Nivel 3: ejecutar dentro de límites
Sólo después de comprobar el nivel anterior, algunas salidas de bajo riesgo pueden ejecutarse automáticamente. Mantén límites de volumen, permisos mínimos, registro de acciones, alertas y un mecanismo de pausa.
Anthropic recomienda comenzar con la solución más simple que funcione y distinguir entre flujos predefinidos y agentes que eligen dinámicamente cómo avanzar. Para una pyme, una regla o un flujo con revisión puede ser mejor primer paso que un agente autónomo con acceso a varios sistemas.
Cómo medir sin inventar ahorro o productividad
No prometas un porcentaje antes del piloto. Construye una línea base propia durante un periodo comparable y mide al menos:
- volumen de casos recibidos;
- tiempo desde entrada hasta salida revisable;
- proporción aceptada sin cambios;
- tipo y severidad de las correcciones;
- casos derivados a una persona;
- incidentes o acciones que debieron revertirse;
- costo de operación del piloto;
- efecto en la métrica del proceso, si puede observarse.
Medir “textos generados” o “tareas automatizadas” no demuestra valor. Para clasificar solicitudes, importa si llegaron al responsable correcto. Para extraer datos, importa si los campos confirmados coinciden con el documento. Para preparar borradores, importa cuánto retrabajo requieren y si cumplen las reglas definidas.
Antes de comparar, fija qué significa “correcto”. Una muestra revisada por la persona responsable es más útil que una impresión general de que “se ve bien”.
Checklist para decidir esta semana
- Lista entre cinco y diez procesos repetitivos.
- Divide los procesos amplios en tareas observables.
- Puntúa impacto, repetición, datos, reversibilidad, riesgo y medición.
- Descarta como primer piloto los casos de riesgo alto.
- Elige un proceso con salida verificable y responsable definido.
- Documenta fuentes permitidas y datos que no deben usarse.
- Define una línea base y criterios de aceptación.
- Ejecuta primero en modo observar o preparar.
- Revisa errores, excepciones y experiencia del equipo.
- Decide si escalar, corregir o volver al proceso anterior.
Límites honestos
La matriz no reemplaza una evaluación de privacidad, seguridad, cumplimiento, relaciones laborales o impacto sectorial. Tampoco determina por sí sola qué obligaciones aplican en Chile. Si el proceso utiliza datos personales, afecta derechos o toma decisiones relevantes sobre personas, la pyme debería obtener revisión especializada para su caso.
Además, un piloto exitoso no garantiza que el sistema mantenga el mismo desempeño cuando cambian los datos, proveedores, documentos o instrucciones. La revisión debe continuar después del lanzamiento.
Próximo paso
No compres primero la herramienta. Lleva a una reunión tres procesos reales, completa la matriz y elige uno donde la IA pueda preparar trabajo útil sin ocultar la decisión importante.
Si quieres convertir ese diagnóstico en un ciclo operable, conoce cómo HORO instala y administra un agente de marketing propio o solicita una demostración. La primera conversación debería definir el proceso, los datos, los límites y la medición antes de hablar de automatización.
Fuentes consultadas
- NIST — AI Risk Management Framework
- NIST — AI RMF Playbook
- NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
- OECD.AI — OECD AI Principles
- Anthropic — Building effective agents
Nota editorial: artículo en borrador, no publicado. Los ejemplos son hipotéticos y la matriz es una herramienta de priorización propia, no un estándar oficial.