Esta guía es para quien tiene que decidir dónde va el primer presupuesto de IA en una empresa mediana y necesita llegar al comité con tres proyectos defendibles, no con una lista de deseos. Entrega un método de dos sesiones para inventariar procesos sin consultora, los seis patrones de tarea que explican casi todos los casos de uso, una matriz de impacto contra esfuerzo con el esfuerzo medido en semanas reales, cinco criterios de descarte, la ficha de una página que sobrevive a la reunión y el checklist de arranque de los tres elegidos.
Fuente principal: la guía de OpenAI Identifying and scaling AI use cases, construida sobre 300 implementaciones, más de 4.000 encuestas de adopción y 600 casos de uso de sus clientes. De ahí salen los seis patrones, la matriz y los casos de BBVA y Estée Lauder. Lo que esa guía no cubre, y aquí sí, es la empresa de 80 a 500 personas de la región: sin equipo de datos, con procesos que viven en la cabeza de tres personas y con un comité que quiere un caso de negocio antes de aprobar. Todo lo que dice "recomendamos" es criterio de Saphia Labs. Las fuentes van al final.
1. Por qué la lista de veinte casos es el problema, no el punto de partida
La decisión: ¿se vota la lista que ya existe o se la pasa por un embudo antes de discutirla?
Casi toda empresa que lleva más de seis meses hablando de IA tiene una lista. La armó alguien de tecnología, la engordó una sesión de ideas con gerentes y hoy tiene entre quince y treinta ítems. El problema no es que sea larga. Es que mezcla cosas que no son comparables: tareas personales que una persona resolvería sola con una cuenta de ChatGPT, proyectos de plataforma que exigen integrar sistemas, y deseos sin dueño del tipo "usar IA en ventas". Votar esa lista produce un ganador por carisma, no por valor.
OpenAI abre su guía con tres principios que vale la pena repetir porque son contraintuitivos para un comité. Primero, la adopción la lidera la dirección, no un entusiasta de un área. Segundo, los casos complejos impresionan, pero frenan: dejar que la gente encuentre los casos que le sirven en su trabajo diario suele ser más rápido que el proyecto grande. Tercero, los talleres, las hackatones y el aprendizaje entre pares son el catalizador que más se repite en sus clientes. Dicho en términos de la lista: la mayoría de sus ítems no debería competir por presupuesto, debería resolverse con capacitación y una licencia.
| Lo que hay en la lista | Qué es en realidad | Qué hacer con eso |
|---|---|---|
| "Redactar correos y propuestas más rápido" | Tarea personal. La resuelve cada persona con un asistente y veinte minutos de entrenamiento. | Sale de la lista de proyectos. Entra en el plan de capacitación. |
| "Chatbot para atención al cliente" | Proyecto de plataforma. Necesita base de conocimiento, integración con el sistema de tickets y evaluaciones. | Se queda, pero se estima en semanas reales (sección 4) antes de ilusionarse. |
| "Usar IA en ventas" | Un deseo. No dice qué tarea, quién la hace ni cuántas veces. | Vuelve a la sesión de inventario hasta que tenga tarea, dueño y frecuencia. |
| "Predecir la demanda con IA" | Proyecto de datos. Sin historial limpio de ventas por referencia no existe. | Pasa por el criterio de dato inexistente (sección 5). Casi siempre se descarta por ahora. |
| "Resumir las llamadas de servicio y clasificar el motivo" | Un caso de uso de verdad: tarea concreta, recurrente, con dato disponible y resultado verificable. | Candidato. Pasa a la ficha de una página (sección 6). |
La guía de OpenAI propone buscar oportunidades en tres lugares, y son un buen filtro para releer la lista: tareas repetitivas de bajo valor que nadie aprecia, cuellos de botella de habilidad donde el trabajo se detiene hasta que otro equipo ayuda, y ambigüedad, los momentos en que alguien no sabe por dónde empezar. Si un ítem de la lista no cae en ninguna de las tres, probablemente es un deseo.
Recomendamos: no votar la lista. Devolverla a las áreas con una plantilla de fila (sección 2) y una fecha. Lo que no vuelve con tarea, dueño, frecuencia y dato, no se discute en el comité. Esa sola regla elimina la mitad.
2. Inventario de procesos en dos sesiones, sin consultora
La decisión: ¿quién levanta el inventario, con qué formato y en cuánto tiempo?
Una empresa mediana no tiene procesos documentados y no va a tenerlos antes de empezar con IA. No hace falta. Lo que hace falta es un inventario de tareas, no de procesos: qué hace cada persona de forma repetida, cuánto le toma y de dónde saca la información. Eso se levanta en dos sesiones por área, sin consultora, con una hoja de cálculo compartida.
Sesión 1: la lista de lo que molesta (90 minutos por área)
Cuatro a seis personas del área, incluido quien la dirige. Cada una llega con tres listas preparadas en los días previos. La primera es lo que Claire Vo, directora de producto y tecnología de LaunchDarkly, llama la lista anti-pendientes: todo lo que hace y preferiría no volver a hacer. Su regla es simple: "cada vez que hago algo que me molesta, me pregunto cómo no tener que hacerlo de nuevo". La segunda lista son los cuellos de botella: tareas que se detienen hasta que otra área ayuda, con datos, diseño, redacción o un reporte. La tercera, los bloqueos: trabajos que no arrancan porque nadie sabe cómo empezar.
En la sesión, cada tarea se vuelve una fila con este formato. No se discute si la IA puede hacerla; eso viene después.
| Campo | Qué se anota | Ejemplo |
|---|---|---|
| Tarea | Un verbo y un objeto. Nada de "gestionar". | Responder solicitudes de cotización por correo |
| Quién | Nombres, no cargos. Cuántas personas la hacen. | Tres asesoras comerciales |
| Frecuencia | Veces por día, semana o mes, por persona. | Ocho a doce por día cada una |
| Minutos por vez | Estimación honesta, de principio a fin. | Quince a veinticinco |
| Insumo | Con qué información se hace y dónde vive. | Correo del cliente, lista de precios en Excel, catálogo en PDF |
| Salida | Qué produce y a quién se lo entrega. | Correo con cotización adjunta |
| Qué sale mal | El error típico y qué cuesta cuando pasa. | Precio desactualizado; se pierde margen o se reprocesa |
Sesión 2: consolidar y poner números (60 minutos, quien lidera la iniciativa)
Con las hojas de todas las áreas, una persona consolida: elimina duplicados, agrupa tareas que son la misma con otro nombre y calcula horas por mes de cada fila (personas por frecuencia por minutos). Luego clasifica cada fila en uno de los seis patrones de la sección 3. En nuestra experiencia, una empresa de 100 a 300 personas termina con 30 a 60 filas, y las diez primeras por horas al mes concentran más de la mitad del tiempo total. Eso ya ordena la conversación: no se habla de ideas, se habla de horas.
Dos detalles que hacen la diferencia. El primero, incluir a quien dirige el área en la sesión 1; si no está, las filas que aparecen son las que la gente cree que puede decir. El segundo, no permitir que tecnología llene las filas por las áreas. El inventario es de quien hace la tarea.
Qué exigir al final de las dos sesiones: una hoja con todas las filas, horas por mes calculadas, un patrón asignado a cada una y el campo "insumo" lleno con el sistema o archivo donde vive el dato. Una fila sin insumo identificado no es candidata a nada.
3. Los seis patrones de tarea y cómo reconocerlos en tu operación
La decisión: ¿a qué patrón pertenece cada fila del inventario, y por tanto qué tan maduro y barato es resolverla?
OpenAI analizó 600 casos de uso de sus clientes y encontró que casi todos caen en seis tipos fundamentales, que llama primitivos: creación de contenido, investigación, código, análisis de datos, ideación y estrategia, y automatización. Son útiles por una razón práctica: cada patrón tiene una madurez distinta, una forma de trabajo distinta y un tipo de dato que necesita. Saber el patrón de una fila dice mucho de su esfuerzo antes de estimar nada.
| Patrón | Señal en el inventario | Qué dato necesita | Cómo se empieza |
|---|---|---|---|
| Creación de contenido | La salida es un texto: correo, propuesta, acta, descripción, política. | Tres a cinco ejemplos buenos y la guía de tono si existe. | Un asistente con instrucciones fijas y los ejemplos cargados. Promega ahorró 135 horas en seis meses solo en borradores de campañas de correo. |
| Investigación | Alguien lee mucho para extraer poco: normas, contratos, proveedores, competencia. | Los documentos, o acceso a la web. | Pedir el formato de salida (tabla, secciones, cruce) desde el primer prompt. |
| Código | Una tarea manual sobre hojas de cálculo que se repite igual cada vez. | Una muestra del archivo con su estructura. | Pedir el script y que alguien técnico lo revise. Poshmark genera así el código que concilia millones de filas. |
| Análisis de datos | Cruzar fuentes, buscar tendencias, armar el reporte del lunes. | Extractos limpios de los sistemas. Es el patrón que más se descarta por dato. | Primero con archivos exportados; conectar sistemas después. |
| Ideación y estrategia | Arrancar algo desde cero, revisar un plan, ensayar una conversación. | Contexto: objetivos, restricciones, el borrador actual. | Útil de inmediato, pero difícil de medir. No suele ir entre los tres primeros. |
| Automatización | Lo mismo, con los mismos insumos, en el mismo formato, cada semana. | Acceso al sistema de origen y al de destino. | Empieza como asistente con instrucciones fijas; se automatiza cuando el resultado ya es confiable. BBVA lo hizo con el análisis de crédito. |
Un matiz que la guía de OpenAI señala y que conviene tener en cuenta desde el inicio: los usuarios avanzados terminan encadenando patrones en un flujo de varios pasos, por ejemplo investigar un mercado, analizar los datos de clientes, idear la campaña, redactar las piezas y automatizar la distribución. Ese es el destino, no el punto de partida. Para los primeros tres casos, recomendamos un solo patrón por caso. Un flujo encadenado multiplica los puntos de falla y hace imposible saber qué parte funcionó.
Recomendamos: que los tres primeros casos salgan de los patrones 1, 2 o 6. Contenido e investigación porque son los más maduros y se miden fácil; automatización porque es donde está el impacto real, siempre que el dato de origen ya exista y alguien lo controle.
4. La matriz de impacto contra esfuerzo, con el esfuerzo medido en semanas reales
La decisión: ¿cómo se compara una cotización automática con un chatbot de servicio sin que gane el que mejor suena?
La herramienta que los equipos de éxito de cliente de OpenAI usan para priorizar es un cuadrante de impacto contra esfuerzo. Es deliberadamente simple. El valor está en lo que define cada eje, y ahí es donde la mayoría de las empresas se engaña: el impacto lo infla el entusiasmo y el esfuerzo lo encoge el proveedor.
Para el impacto, la base son las horas por mes del inventario multiplicadas por el costo de esa hora, más dos cosas que las horas no capturan: ingresos que hoy se pierden por lentitud (la cotización que llega tarde) y riesgo que hoy se paga (el precio desactualizado, la multa). Para el esfuerzo, recomendamos una sola unidad: semanas hasta que la primera versión está en uso real por las personas de la fila. Y contar lo que los proveedores no cuentan.
| Esfuerzo | Semanas | Qué implica | Ejemplo |
|---|---|---|---|
| S | Menos de 2 | Un asistente con instrucciones fijas y documentos cargados. Sin integración. Lo arma alguien del área con apoyo. | Borrador de respuesta a reclamos con las políticas cargadas. |
| M | 2 a 6 | Conectar una fuente de datos (una exportación programada, una API sencilla), definir evaluaciones, formar a un grupo. | Clasificar y resumir llamadas de servicio desde la grabación. |
| L | Más de 6 | Integración con sistemas de registro, dato que hay que construir o limpiar, aprobación legal o de seguridad, evaluaciones formales. | Asistente de crédito que lee estados financieros y cruza con el historial interno. |
Al estimar, cuatro cosas suman semanas y rara vez aparecen en la propuesta: el acceso al dato (quién lo exporta, con qué permiso), la aprobación (legal, seguridad, el cliente final si es regulado), la evaluación (cómo se sabe que el resultado es correcto antes de confiar) y la adopción (formar a las personas de la fila y cambiar su rutina). Una cotización automática es S si la lista de precios está en un archivo que alguien mantiene; es L si los precios viven en la cabeza de dos asesores.
Los cuatro cuadrantes, en palabras de la guía: el superior izquierdo es el foco de retorno rápido, donde se construye el impulso. El inferior izquierdo es autoservicio, proyectos tan baratos que una persona se los arma sola como asistente personal; muchos empiezan ahí y luego se vuelven valiosos para el equipo. El superior derecho es alto valor y alto esfuerzo, el territorio de los casos transformadores, como Indeed, que tardó meses de pruebas en explicar a cada candidato por qué le recomendaba una vacante y obtuvo un 20 % más de postulaciones iniciadas. Y el inferior derecho se deja para después sin culpa. OpenAI recomienda volver a puntuar todo cada trimestre, porque lo que hoy es alto esfuerzo deja de serlo a medida que los modelos mejoran.
Qué exigir: que cada candidato tenga el impacto en horas al mes y pesos, el esfuerzo en semanas con las cuatro partidas ocultas contadas, y el cuadrante asignado. Si un proveedor dice "dos semanas" para algo que toca un sistema de registro, pide que desglose acceso, aprobación, evaluación y adopción.
5. Criterios de descarte: dato inexistente, proceso que va a cambiar, dueño ausente
La decisión: ¿con qué reglas se dice que no, de forma que el no sea defendible y reversible?
La matriz ordena. Lo que reduce son los criterios de descarte, y conviene aplicarlos antes de ubicar nada en el cuadrante, porque un caso que no pasa el descarte no merece estimación. Recomendamos cinco, en este orden. Los tres primeros eliminan más que los otros dos juntos.
| Criterio | La pregunta | Se descarta si | Cómo vuelve |
|---|---|---|---|
| 1. Dato inexistente | ¿El insumo de la fila existe hoy, en un sistema o archivo, con alguien que lo mantiene? | El dato hay que construirlo, limpiarlo o pedirlo a alguien que no lo tiene como prioridad. "Lo tenemos en el ERP" sin haberlo exportado no cuenta. | Cuando exista una exportación mensual que alguien revise. Es un proyecto de datos, no de IA. |
| 2. Proceso que va a cambiar | ¿Esta tarea va a hacerse igual dentro de seis meses? | Hay un cambio de sistema, una reorganización o una norma nueva en camino. Automatizar un proceso que va a cambiar es pagar dos veces. | Después del cambio, con el inventario actualizado. |
| 3. Dueño ausente | ¿Hay una persona, con nombre, que hace la tarea, va a usar la herramienta y responde por el resultado? | El dueño es un área, un comité o alguien que "apoya". Si nadie sufre el problema, nadie adopta la solución. | Cuando aparezca el nombre. Suele aparecer en la sesión 1 si se hace bien. |
| 4. Resultado no verificable | ¿Alguien puede decir en minutos si la salida es correcta? | Verificar cuesta lo mismo que hacer la tarea, o el acierto solo se conoce meses después. | Cuando se defina una muestra de control y un criterio de corrección. |
| 5. Riesgo sin control | ¿Qué pasa si la salida está mal y nadie lo ve a tiempo? | El error llega al cliente, a un regulador o a un pago sin que una persona revise antes, y no hay forma de ponerle una revisión. | Con un punto de revisión humana diseñado, o acotando el caso a borradores. |
Dos aclaraciones. Descartar no es "nunca": OpenAI insiste en que un caso de alto esfuerzo hoy puede ser barato en seis meses, y la lista descartada con sus razones es el insumo de la siguiente ronda. Y el criterio 3 es el que más incomoda, porque suele dejar afuera el caso favorito de la dirección. Ese caso vuelve cuando la dirección le pone un nombre que no sea el propio.
Recomendamos: aplicar los cinco criterios en la sesión 2, en voz alta y con la razón escrita en una columna de la hoja. El comité recibe la lista completa con las razones, no solo los tres finalistas. Eso evita la pregunta "¿y por qué no está el mío?" y la vuelve una respuesta de una línea.
6. La ficha de caso de uso de una página que aprueba un comité
La decisión: ¿qué tiene que decir una página para que el comité apruebe sin pedir otra reunión?
El caso de Estée Lauder es el mejor modelo que conocemos de proceso repetible en una empresa grande, y se traslada bien a una mediana. Su laboratorio de GPTs arma cada caso con tres personas: un usuario de negocio, un experto en el tema y un líder técnico. El usuario de negocio escribe un brief de dos páginas con propósito, alcance y audiencia; el experto reúne los datos; el técnico construye y prueba; el equipo completo lanza con una guía de uso y luego itera con la retroalimentación. Charmaine Pek, su directora de adopción, lo resume en tres preguntas: por qué queremos construir esto, qué problema resuelve y qué impacto tendrá.
Para una empresa mediana recomendamos una página, no dos, y que la escriba el dueño de la fila, no tecnología. Si el dueño no puede escribirla, ya sabes algo sobre el caso. La ficha tiene nueve campos y ninguno es opcional.
El campo que más fichas rompe es el tercero, la línea base, y por eso tiene sección propia. El segundo que más rompe es el octavo, el criterio de parada: casi nadie quiere escribir en qué condición abandona el proyecto. Escribirlo antes es lo que vuelve defendible el proyecto después, porque convierte un fracaso en una decisión tomada a tiempo y no en una historia.
Qué exigir: una página por caso, firmada por el dueño, con los nueve campos. La ficha de un proveedor no sustituye la del dueño: si el proveedor la escribe, el campo de línea base queda en blanco y el de resultado esperado queda en promesa.
7. Línea base antes de empezar: qué medir y cómo
La decisión: ¿cuánto tiempo se invierte en medir antes de construir, y qué se mide?
Sin línea base no hay resultado, hay anécdota. Y la línea base no se puede tomar después: una vez que la herramienta existe, nadie recuerda cuánto tardaba antes. Recomendamos dos semanas de medición manual por caso, en paralelo con la construcción, con una muestra pequeña y un método que cualquiera pueda repetir en ocho semanas.
| Qué medir | Cómo | Muestra | Sirve para |
|---|---|---|---|
| Tiempo por unidad | Cronómetro, de abrir el insumo a entregar la salida. Lo registra quien hace la tarea en una hoja con fecha. | 20 a 30 unidades, en días distintos. | Contenido, investigación, código. |
| Tasa de error o retrabajo | Una segunda persona revisa una muestra y marca qué habría que corregir. | 30 a 60 unidades. | Automatización, análisis de datos. |
| Tiempo de respuesta | Del momento en que entra la solicitud al momento en que sale la respuesta. Sale del correo o del sistema de tickets. | Todo el mes anterior. | Servicio, comercial, compras. |
| Volumen que se deja de hacer | Lo que no se responde, no se revisa o se atiende tarde por falta de tiempo. | Conteo de un mes. | Casos donde el valor es capacidad, no velocidad. |
| Calidad percibida | Una pregunta de 1 a 5 a quien recibe la salida, interna o cliente. | Todas las unidades de la muestra. | Contenido e ideación, donde el tiempo no lo dice todo. |
Tres reglas que evitan los errores comunes. La misma persona que mide antes mide después, con la misma hoja. La muestra se guarda, porque a las ocho semanas se vuelve a correr la misma muestra con la herramienta y se comparan las dos lecturas; no se compara un mes bueno contra un mes malo. Y se anota lo que no cambia: si la herramienta ahorra tiempo pero el proceso de aprobación sigue tardando tres días, el cliente no nota nada y el comité tampoco. Cómo convertir esas lecturas en un retorno que un director financiero acepte está en nuestro artículo sobre el ROI de la IA.
Recomendamos: que ningún caso arranque sin la primera lectura en la ficha. Si el dueño no tiene dos semanas para medir, no va a tener ocho para adoptar. Es el filtro más barato y el más honesto.
8. Checklist de arranque de los tres elegidos
Lo que pediríamos ver, con evidencia, antes de dar por iniciado cada uno de los tres casos. Cada punto se demuestra, no se describe. Los primeros siete son del dueño; los últimos cinco, de quien lidera la iniciativa.
- La ficha de una página está completa y firmada por el dueño.Mostrada con los nueve campos, incluido el criterio de parada.
- La línea base tiene valor, unidad, muestra y fechas.Con la hoja de medición original, no un promedio de memoria.
- El dato de origen se exportó al menos una vez y alguien lo revisó.Archivo o consulta a la vista, con la fecha y el nombre de quien lo sacó.
- Hay entre tres y cinco ejemplos de salida correcta, elegidos por el dueño.Son el material de instrucciones y la primera evaluación.
- Está definido quién revisa la salida antes de que llegue al cliente, al pago o al registro.Nombre y momento del flujo. Si no hay revisión, el caso se acota a borradores.
- Las personas de la fila saben que empieza y tienen una hora de formación agendada.Con fecha en el calendario, no "la semana que viene".
- El dueño tiene bloqueadas dos horas semanales durante ocho semanas.Visible en su calendario. Sin eso, el caso se adopta a medias.
- Los tres casos pertenecen a patrones distintos o áreas distintas.Para que el aprendizaje de la primera ronda sea amplio y no dependa de un solo equipo.
- Ninguno de los tres toca un sistema de registro en la primera versión.Exportaciones y archivos primero; integración cuando el resultado ya sea confiable.
- Existe un canal donde se recogen los casos nuevos que aparezcan en el camino.Una hoja o un canal de chat con dueño. OpenAI lo pide explícitamente: los casos se multiplican una vez que la gente entiende los patrones.
- Hay una fecha de lectura a las ocho semanas en la agenda del comité.Con el formato de la lectura acordado: misma métrica, misma muestra.
- La lista de descartados está guardada con sus razones y una fecha de revisión en el trimestre siguiente.Es el insumo de la segunda ronda.
Cierre
La diferencia entre las empresas que a los seis meses tienen tres herramientas en uso y las que tienen un piloto eterno no está en el modelo ni en el proveedor. Está en que las primeras eligieron tareas aburridas, con dato disponible, con alguien que las sufría y con una medición hecha antes de empezar. Lo transformador llega después y llega mejor, porque la organización ya aprendió a medir, a revisar y a parar. Si tu lista tiene veinte ítems, el trabajo de las próximas tres semanas no es elegir el mejor. Es pasar los veinte por el inventario, los patrones, la matriz y los cinco criterios, y escribir tres fichas que el comité pueda aprobar en una sola reunión.
Fuentes
- OpenAI, Identifying and scaling AI use cases: how early adopters focus their AI efforts. Los tres principios, las tres áreas de oportunidad, los seis primitivos, la matriz de impacto y esfuerzo con sus cuatro cuadrantes, el mapeo de flujos por departamento, y los casos de Promega, Poshmark, Tinder, Indeed, BBVA y Estée Lauder salen de ahí.
- La escala de esfuerzo en semanas, los cinco criterios de descarte, la ficha de nueve campos, el método de línea base y las proporciones del embudo son criterio de Saphia Labs a partir de nuestro trabajo con empresas medianas de la región.
¿Tienes la lista y te falta el embudo?
Podemos facilitar las dos sesiones de inventario con tus áreas y dejarte las tres fichas listas para el comité. Una llamada de 30 minutos para ver si tiene sentido.
Agendar llamada gratuita
