Quieres implementar IA en tu empresa, pero no sabes por dónde empezar
Hay una conversación que se repite cada vez que una organización decide “meterse en IA”. No ocurre en un comité de tecnología. Ocurre en un pasillo, en un WhatsApp de gerencia o al final de una reunión que iba de otra cosa.
“Vamos a implementar IA. ¿Qué herramienta nos recomiendas? ¿ChatGPT, Claude, Gemini… o algo más específico?”
La pregunta suena razonable. El mercado la refuerza todos los días: comparativos, rankings, demos de cinco minutos. El problema es que esa pregunta llega demasiado temprano. Elegir el modelo antes de entender el punto de partida es como comprar maquinaria sin saber qué produce la planta.
Implementar IA no es instalar una suscripción. Es un proceso que empieza mucho antes de la herramienta: con un mapa honesto de sistemas, datos, procesos y capacidad del equipo. Sin ese mapa, lo que se compra es actividad. Lo que se necesita es valor.
Cinco preguntas que casi nadie tiene respondidas
La mayoría de las organizaciones no llega vacía de tecnología. Llega con un CRM a medias, un ERP que “alguien administra”, correos que son el verdadero sistema de gestión y planillas que nadie se atreve a tocar. El diagnóstico no busca culpables. Busca evidencia.
No en el discurso, en la operación. Cuántos procesos siguen en papel, en Excel suelto o en la cabeza de una persona.
CRM, ERP, correo, repositorios, chats internos. Lo que aparece en el inventario de TI y lo que la gente abre cada mañana no siempre coinciden.
Si la información se copia a mano de un lado a otro, un agente de IA va a heredar el mismo cuello de botella, solo que más rápido y más caro.
Sin una base confiable no hay contexto. Y sin contexto la IA alucina con seguridad, que es peor que no tener IA.
No los más “innovadores”. Los repetitivos, medibles y que hoy consumen tiempo de gente que podría estar decidiendo.
La conversación pública sobre IA casi siempre habla de herramientas. Casi nunca habla de lo que hay que entender antes de elegirlas. Por eso tantas implementaciones se sienten ocupadas y, al mismo tiempo, vacías de resultado.
Lo que cambia cuando se diagnostica primero
Un diagnóstico bien hecho no produce un informe para el archivo. Produce tres salidas concretas: qué no hay que tocar todavía, dónde hay un quick win en semanas, y qué capacidad hay que construir para que el equipo no dependa del consultor ni de un solo proveedor.
Esa es la diferencia entre “ya usamos ChatGPT” y “ya sabemos en qué proceso la IA nos ahorra tiempo, con qué dato y con quién se sostiene”. El primero es uso. El segundo es implementación.
El problema de la IA no es la IA. Es que decidimos sobre ella sin entender de dónde partimos.
Antes de la herramienta está el diagnóstico.
Si tu organización está en ese punto —convencida de que hay que avanzar, insegura de por dónde—, el siguiente paso no es otra demo. Es una conversación corta para mapear el punto de partida.