Antes de hablar de qué modelo usar, de qué proveedor contratar o de cuánto cuesta, hay una pregunta más básica que casi nadie se hace: ¿mi empresa está en condiciones de que esto funcione? La respuesta no depende del presupuesto ni de las ganas. Depende de tres cosas que se pueden revisar en una tarde, sin contratar a nadie todavía.

1. El proceso que quiere automatizar no está definido, está en la cabeza de alguien

Si la única forma de explicar cómo se hace algo hoy es "pregúntale a Marcela, ella sabe", ese proceso todavía no está listo para automatizarse. No porque Marcela haga mal su trabajo, sino porque un sistema (de IA o de cualquier tipo) necesita reglas explícitas, y las reglas que solo existen en la experiencia de una persona no se pueden copiar a un sistema sin antes ponerlas por escrito.

Esto se nota rápido en la primera conversación: si nadie en la empresa puede describir el proceso paso a paso, sin decir "depende del caso" más de dos veces, lo que hace falta primero es documentar, no automatizar. Y documentar un proceso desordenado no lo hace bueno, solo lo hace visible: a veces ese ejercicio solo revela que el proceso en sí necesita cambiar antes de que valga la pena sistematizarlo.

2. Los datos existen, pero nadie confía en ellos

Casi toda empresa tiene datos. Muy pocas tienen datos en los que confíen lo suficiente como para dejar que una máquina decida algo con ellos. La señal no es "no tenemos suficientes datos" (eso casi nunca es el problema real), es "tenemos tres versiones distintas de la misma cifra y no sabemos cuál es la correcta". Un modelo entrenado o alimentado con datos inconsistentes no produce resultados inciertos: produce resultados equivocados con la misma confianza que si fueran correctos, que es peor.

Antes de invertir en IA, vale más invertir en saber qué datos existen de verdad, dónde viven, y por qué tres reportes distintos dan tres números distintos para la misma pregunta. Eso no es un proyecto de IA. Es el paso anterior, y sin él, cualquier proyecto de IA hereda el mismo problema con una capa de sofisticación encima que lo hace más difícil de detectar.

3. Nadie en la empresa va a ser dueño del sistema después de que se entregue

Esta, la verdad, es la señal que menos se ve venir. Un sistema de IA en producción no es un proyecto que termina: es algo que hay que vigilar, ajustar y corregir mientras exista, porque los datos cambian, el negocio cambia y el modelo empieza a equivocarse de formas nuevas con el tiempo. Si al preguntar "¿quién de su equipo va a revisar esto cada mes cuando ya no estemos nosotros ahí?" la respuesta es un silencio, ese es el problema más serio de los tres, y el más fácil de ignorar porque no se ve hasta seis meses después del lanzamiento.

Un sistema sin dueño interno no falla por mala tecnología. Falla porque nadie se dio cuenta a tiempo de que empezó a fallar.

Ninguna de estas tres es un "no" definitivo

Nada de esto significa que la IA no le sirva a una empresa. Significa que hay trabajo por hacer antes de escribir la primera línea de un contrato, y ese trabajo (documentar el proceso real, entender qué tan confiables son los datos, decidir quién va a ser el responsable interno) vale la pena hacerlo exista o no exista después un proyecto de IA. Es, de hecho, exactamente lo que revisa un diagnóstico serio antes de recomendar nada: no para decidir qué vender, sino para decidir si hay algo que valga la pena construir todavía.