Seis meses de estrategia de IA, cero líneas de código
- IA en producción en 4 semanas
- Backlog de excepciones eliminado
- Una demo ante el consejo sustituyó al deck
- 4 semanas Tiempo desde el encargo hasta la IA en producción
- 78% Precisión del enrutamiento de excepciones al lanzar
- 260 a 80 Horas-persona semanales (antes/después)
Qué cambió
- Tiempo desde el encargo hasta la IA en producción
- 4 semanas
- Precisión del enrutamiento de excepciones al lanzar
- 78%
- Horas-persona semanales (antes/después)
- 260 a 80
- Tiempo medio de gestión de excepciones
- 8 min a 2 min
- Plantilla adicional requerida
- 0 $
- Demo en vivo que sustituyó al deck de 40 páginas
- 1
La situación
Una empresa logística del Reino Unido con 400 empleados y un presupuesto de IA aprobado por el consejo de 500.000 $ había pasado seis meses intentando implantar IA. Habían contratado a un consultor de estrategia de IA, evaluado 12 proveedores, preseleccionado 3, iniciado dos pruebas de concepto, abandonado ambas y producido un deck de estrategia de 40 páginas. Nada funcionaba en producción. Esta es la regla, no la excepción: una encuesta de 2025 de S&P Global a más de 1.000 empresas concluyó que el 42% había abandonado la mayoría de sus iniciativas de IA, frente al 17% del año anterior, y que la organización media descartó el 46% de sus pruebas de concepto antes de que llegaran a producción. El consejo estaba perdiendo la paciencia. El equipo de operaciones, que se suponía debía beneficiarse de la inversión en IA, había dejado de asistir a las reuniones del comité de IA porque no creía que nada llegara a salir nunca.
Lo que realmente fallaba
El problema fundamental era el alcance. El deck de estrategia de IA cubría siete casos de uso en cuatro departamentos. Cada caso de uso tenía una justificación de negocio, una recomendación de proveedor y un calendario. Pero nadie había planteado la pregunta más importante: ¿cuál construimos primero y qué significa "terminado" para esa única cosa? La estrategia trataba los siete casos de uso como una cartera a entregar en paralelo. En la práctica, esto significaba que cada reunión se convertía en un debate sobre prioridad relativa, selección de proveedores y asignación de recursos entre siete iniciativas. Ninguna iniciativa tenía suficiente foco ni recursos para llegar a producción. La encuesta de IA de 2025 de McKinsey concluyó que las organizaciones que reportaban retornos financieros significativos tenían el doble de probabilidades de haber rediseñado un flujo de trabajo de extremo a extremo antes de elegir una técnica de modelado. Este deck había invertido ese orden: eligió proveedores y arquitecturas para siete flujos de trabajo que nunca había rediseñado realmente.
Las dos pruebas de concepto abandonadas ilustraban el problema con claridad. La primera era un modelo de previsión de demanda que requería limpiar y normalizar 18 meses de datos históricos antes de poder iniciar el entrenamiento. El equipo de datos estimó tres meses solo para la preparación de los datos. El proyecto se archivó en el mes dos, cuando la limpieza de datos resultó más compleja de lo previsto. La segunda era un chatbot de atención al cliente que requería integración con siete sistemas internos. El trabajo de integración se estimó en cuatro meses. El proyecto se archivó en el mes uno, cuando la primera integración tardó tres semanas en lugar de los tres días estimados. Ambos siguieron el patrón de fallo de manual: una demo construida sobre datos de muestra limpios que se rompe en el momento en que se enfrenta a sistemas en tiempo real y a registros de producción desordenados. La investigación del sector es contundente sobre esa brecha. De las pruebas de concepto de IA que sí llegan a producción, el trayecto medio desde el prototipo hasta el sistema en vivo dura unos ocho meses, y la mayoría nunca llega a hacer ese viaje.
El equipo de operaciones tenía el dolor más agudo. Procesaba aproximadamente 2.000 excepciones de entrega por semana: paquetes retrasados, mal enrutados o dañados. Cada excepción requería que un operador humano revisara los detalles, determinara el flujo de resolución adecuado y la enrutara manualmente al equipo correcto. El proceso tardaba una media de 8 minutos por excepción, consumiendo unas 260 horas-persona por semana. El director de operaciones llevaba dos años pidiendo automatización. El trabajo era exactamente el tipo de clasificación estructurada y repetitiva que el aprendizaje automático maneja bien: leer un puñado de atributos de la excepción y asignarlos al flujo de resolución correcto, el mismo triaje que las plataformas logísticas de 2026 ya automatizan para pasar de apagar fuegos de forma reactiva a un enrutamiento proactivo. El deck de estrategia de IA lo listaba como caso de uso número cinco de siete, programado para el cuarto trimestre. El equipo de operaciones había dejado de esperar.
Paso a paso
Sesión de un único caso de uso
Realizamos una sesión de dos horas con el director de operaciones, el responsable del equipo de datos y el CTO. El objetivo era identificar un caso de uso que cumpliera tres criterios: alto impacto de negocio, datos de entrenamiento disponibles y alcanzable en cuatro semanas. El enrutamiento de excepciones de entrega obtuvo la puntuación más alta en los tres. Los datos ya estaban estructurados en la base de datos de operaciones, el impacto de negocio era cuantificable (260 horas-persona por semana) y la lógica de emparejamiento era basada en patrones más que generativa, lo que significaba que bastaba con una arquitectura de modelo más simple. El límite de cuatro semanas fue deliberado. Un caso de uso que no puedes entregar en un mes suele ser un caso de uso que no se ha acotado lo suficiente, y un piloto estancado no enseña nada a la organización salvo que la IA no funciona aquí.
Validación de datos y arquitectura del modelo
Dedicamos tres días a validar los datos de excepciones: 18 meses de excepciones resueltas con notas de los operadores, códigos de resolución y decisiones de enrutamiento. Los datos estaban lo bastante limpios para el entrenamiento sin un preprocesamiento extenso. Elegimos un modelo de clasificación que mapeaba los atributos de la excepción (tipo, transportista, origen, destino, valor) a los flujos de resolución. Sin LLM, sin ingeniería de prompts, sin costes de tokens que escalan con el volumen. Es un patrón que el sector vuelve a aprender una y otra vez: los mejores resultados en logística surgen de combinar métodos clásicos de operaciones con datos históricos y un modelo enfocado, no de recurrir al sistema más grande disponible. El modelo tenía que ser preciso, no creativo.
Construcción de la integración en funcionamiento
La integración se construyó para funcionar junto al proceso manual existente en lugar de reemplazarlo. Cuando llegaba una nueva excepción, el modelo predecía el flujo de resolución y prerrellenaba los campos de enrutamiento. El operador podía aceptar la sugerencia con un clic o anularla. Este es el diseño humano-en-el-bucle que los equipos de IA en producción tratan ahora como predeterminado: el modelo propone, una persona dispone, y cada anulación se captura como una señal de entrenamiento etiquetada en lugar de perderse en el flujo de trabajo. Significaba que el modelo podía desplegarse sin ningún riesgo para las operaciones existentes. Las predicciones erróneas simplemente se corregían, y las correcciones realimentaban directamente al modelo con el tiempo.
Despliegue en producción y medición
La integración se desplegó en producción en la semana tres. Para la semana cuatro, el modelo enrutaba correctamente el 78% de las excepciones sin intervención del operador. El 22% restante requería revisión manual, pero los campos prerrellenados seguían ahorrando tiempo incluso cuando el operador cambiaba el enrutamiento. El equipo de operaciones pasó de 8 minutos por excepción a menos de 2 minutos de media. Las horas-persona semanales cayeron de 260 a aproximadamente 80, liberando unas 180 horas a la semana para las excepciones que realmente necesitaban juicio humano. El director de operaciones presentó una demo en vivo ante el consejo en lugar del habitual deck de diapositivas.
En sus palabras
Pasamos ocho meses hablando de IA. Vosotros entregasteis algo en tres semanas. El equipo de operaciones se puso de pie y aplaudió cuando vio funcionar las predicciones de enrutamiento. Nunca había visto que eso ocurriera en una reunión del comité.
Todo lo que preguntaría en la primera reunión
¿Siempre recomendáis empezar con un único caso de uso?
Sí. Todas las iniciativas de IA que hemos visto triunfar empezaron con un único caso de uso bien definido que llegó rápido a producción. Las estrategias amplias que intentan cubrir varios casos de uso de forma simultánea se estancan sistemáticamente, lo cual es una de las razones por las que las tasas de fallo empresariales publicadas son tan altas. Entrega una sola cosa, demuestra su valor en operaciones reales y luego expándete desde una base que funciona en lugar de desde una diapositiva.
¿Mejoró la precisión con el tiempo?
Sí. La precisión del modelo pasó del 78% en el lanzamiento al 89% tras 8 semanas, a medida que las correcciones de los operadores aportaban datos de entrenamiento adicionales. El bucle de retroalimentación estaba integrado en el flujo de trabajo desde el primer día, así que cada aceptación y cada anulación mejoraban la siguiente predicción. Los modelos sin ese bucle tienden a desviarse en el sentido contrario a medida que cambian los datos del mundo real; este mejoró precisamente porque las correcciones tenían un camino de vuelta al entrenamiento.
¿Y si no tenemos datos históricos limpios?
La calidad de los datos es el bloqueador más común en los proyectos de IA. Si los datos no están limpios, primero planificamos un sprint de preparación de datos. Somos honestos con los plazos: si la preparación de datos lleva 8 semanas, decimos 8 semanas, no 2. La mala preparación de los datos es la razón más citada para abandonar iniciativas de IA, así que preferimos estimarla con precisión antes que descubrirla en la semana tres. La empresa logística tenía 18 meses de datos de excepciones limpios y estructurados, que es lo que hizo posible el plazo de 4 semanas.
¿Construís modelos a medida o usáis IA estándar?
Depende del caso de uso. Para este proyecto, un modelo de clasificación a medida era la opción correcta porque el problema estaba bien definido y los datos estaban estructurados. Para otros proyectos usamos OpenAI, Anthropic o modelos de código abierto cuando encajan mejor. Un modelo generativo habría sido más lento, más caro y menos preciso para una tarea de enrutamiento de categorías fijas como esta. La elección de la tecnología sigue a la definición del problema, no al revés.
4 semanas Tiempo desde el encargo hasta la IA en producción
Contáctanos
Cuéntanos qué quieres construir. Te decimos por dónde empezar y qué hace falta.
PorKostadin StambolievFundador e Imaginator
Publicado