Todas las semanas hablamos con empresas que ya hicieron “algo con IA”. Un chatbot interno, un copiloto para el equipo comercial, un piloto con un proveedor grande. Casi todas cuentan la misma historia: la demo fue impresionante, el piloto prometía — y seis meses después nadie lo usa.
El problema nunca fue el modelo
Los modelos actuales alcanzan y sobran para la mayoría de las tareas operativas. Lo que falta es todo lo demás: acceso real a los sistemas donde vive el trabajo, reglas claras sobre qué puede tocar la IA, y alguien que responda cuando algo sale distinto de lo esperado.
Un piloto que corre en un sandbox con datos de prueba no demuestra nada. La pregunta correcta no es “¿puede el modelo hacer esto?” sino “¿puede hacerlo dentro de nuestro ERP, con nuestros permisos, y dejando una traza que auditoría acepte?”.
La demo mide la capacidad del modelo. Producción mide la capacidad de la organización para gobernarlo.
Qué hacen distinto los que llegan
En los proyectos que sí llegan a producción vemos tres decisiones repetidas:
- Eligen un proceso crítico, no una curiosidad. Donde hay volumen, horas de personas y un resultado medible. Si el proceso no importa, el piloto tampoco.
- Conectan los sistemas reales desde el día uno. El agente trabaja contra el ERP verdadero con permisos de solo-lectura al principio, y va ganando capacidades a medida que demuestra criterio.
- Definen la gobernanza antes que la funcionalidad. Roles, límites, aprobaciones humanas para acciones sensibles y trazas de cada acción. Eso es lo que convierte una demo en una herramienta de trabajo.
La medida del éxito: que se vuelva invisible
Un agente en producción no se nota. Los turnos aparecen agendados, las cotizaciones salen en minutos, el resumen del día llega a las 19:00. Nadie habla de IA: hablan del trabajo que ya no tienen que hacer.
Esa es la vara. Si a los tres meses el equipo sigue “probando el piloto”, algo de las tres decisiones anteriores faltó. Si nadie se acuerda de que hay un agente en el medio, llegó a producción.