De los prompts sueltos a un proceso que funciona
Cómo convertir una tarea resuelta con IA en un flujo de trabajo con datos, reglas, responsables y resultados que el equipo pueda comprobar.
Una empresa puede usar inteligencia artificial todos los días y seguir dependiendo de que alguien copie archivos, explique el contexto y revise cada respuesta desde cero. Para convertir ese uso en un proceso útil, hace falta organizar cómo entra la información, qué se hace con ella y quién responde por el resultado.
El cambio empieza cuando el equipo puede repetir el trabajo con criterios compartidos. Cada ejecución debe tener una entrada reconocible, una salida verificable y una forma de tratar lo que se sale del camino previsto.
En STRTGY organizamos este recorrido en tres momentos: entender y priorizar; diseñar y construir; implementar y evaluar. Así se aplican al paso de una tarea aislada a un flujo de trabajo con IA.
1. Entender y priorizar: dibuja el trabajo completo
“Usamos IA para resumir solicitudes” describe una tarea. Para entender el proceso completo hay que seguir la solicitud desde que llega hasta que el equipo puede atenderla: cómo se identifica al cliente, dónde se buscan antecedentes, quién revisa la información y qué sucede después.
Documenta el evento que inicia el trabajo, las fuentes utilizadas, las tareas, la salida esperada y la persona responsable. Añade las excepciones habituales y señala qué sistemas intervienen. Este mapa permite distinguir el trabajo de la IA de las validaciones, integraciones y decisiones humanas.
Pregunta a quienes operan dónde se detiene el flujo. Puede ser la lectura de documentos distintos, la búsqueda de información dispersa o una autorización pendiente. Acelerar el resumen sirve de poco si el caso seguirá detenido porque nadie sabe a quién corresponde revisarlo.
Comprueba qué parte necesita IA
Una regla puede bastar para trasladar campos entre sistemas, verificar que un formulario esté completo o asignar un caso según un criterio fijo. Conviene probar esa opción antes de introducir un modelo.
La IA puede ser candidata cuando hace falta interpretar texto variable, clasificar solicitudes escritas de formas distintas o preparar un resumen a partir de documentos. Su utilidad debe comprobarse con ejemplos del proceso. A veces la solución combina reglas para las validaciones e IA para interpretar información.
Esta elección coincide con la recomendación de Anthropic de empezar por la solución más simple y añadir complejidad cuando mejore el resultado. Su guía distingue los flujos con pasos predefinidos de los agentes que deciden dinámicamente cómo avanzar. [1]
El contexto y las reglas también son parte del diseño
El contexto necesario debe poder recuperarse y comprobarse en cada ejecución. Antes de construir, acuerda estas cinco condiciones con quienes operan el proceso:
Fuentes. Qué sistema o documento aporta cada dato y cuál prevalece si dos registros discrepan.
Definiciones. Qué significan los campos, a qué periodo corresponden y qué unidades utilizan.
Permisos. Qué información puede consultar la solución y qué acciones tiene autorizadas.
Salida. Qué información debe entregar, en qué formato y con qué referencias para verificarla.
Excepciones. Quién recibe los casos incompletos, contradictorios o fuera de alcance y cómo continúa el trabajo.
Una buena instrucción puede ayudar a producir la salida. La integración debe asegurar además que la fuente correcta esté disponible, que el resultado llegue a su destino y que una acción no se repita por un reintento. Conviene resolver estas condiciones de forma explícita.
2. Diseñar y construir: acuerda cómo comprobar la mejora
Antes de construir, documenta una línea base del proceso actual. Observa casos de distinta complejidad y conserva las mismas definiciones para evaluar después. Registra tiempo de trabajo activo, tiempo total hasta la resolución, correcciones, solicitudes incompletas y casos que requieren intervención especial.
Incluye la calidad de la salida. Un resumen puede sonar convincente y omitir el dato que necesita quien aprueba. Define qué información es obligatoria, cómo se verifica contra la fuente y qué errores impedirían aceptar un resultado.
La supervisión también necesita diseño: qué puede preparar el sistema, qué debe autorizar una persona, qué información verá al revisar y a dónde se envían las excepciones. El marco AI RMF de NIST incluye definir, evaluar y documentar la supervisión humana, así como valorar los riesgos y beneficios de los componentes del sistema. [2]
Un ejemplo ilustrativo: preparar solicitudes de servicio
Imaginemos una empresa que recibe solicitudes por correo con descripciones y archivos adjuntos. El equipo busca antecedentes en su sistema, identifica la información faltante y prepara el caso para un responsable. Es un ejemplo ficticio; no describe un cliente ni resultados de STRTGY.
El piloto podría reunir antecedentes autorizados, proponer una categoría y preparar un resumen con referencias a los documentos. Las reglas comprobarían campos obligatorios y duplicados. Una persona revisaría la propuesta antes de asignar trabajo o comunicar compromisos al cliente.
Las pruebas incluirían solicitudes incompletas, documentos contradictorios, casos fuera de alcance y fallos de conexión. Ante una fuente faltante, la salida esperada sería señalar el bloqueo y enviarlo a revisión. Completar el dato por suposición sería un error.
3. Implementar y evaluar: decide con el resultado completo
Empieza evaluando resultados sobre casos históricos autorizados o en paralelo al proceso habitual, sin ejecutar acciones que comprometan la operación. Compara casos equivalentes y registra tanto los aciertos como las correcciones y excepciones.
Mide el tiempo total que necesita el equipo, incluida la revisión. Añade el costo de ejecutar y mantener la solución. Distingue una mejora observada de un beneficio esperado: el tiempo liberado todavía necesita un destino para convertirse en capacidad útil.
Acuerda antes del piloto las condiciones para continuar, ajustar o detenerse. Por ejemplo: información obligatoria comprobable, calidad aceptable para el responsable, excepciones bien encaminadas y una carga de revisión sostenible. Una exposición de información o una acción fuera de permisos exige detener el flujo afectado y corregir el control.
El paso a producción incluye responsables, accesos, instrucciones de uso, seguimiento y una alternativa manual cuando algo falle. Los criterios y umbrales deben responder al proceso y sus consecuencias; no existe un porcentaje universal que vuelva segura una automatización.
Una ficha para pasar del uso individual al trabajo compartido
Reúne a quien utiliza IA con quien recibe su resultado. Elijan una tarea habitual y dejen por escrito qué la inicia, qué información necesita, cómo se valida, quién la aprueba y qué pasa cuando falla. Después añadan la línea base y el indicador que permitiría comprobar una mejora.
Esa ficha ayuda a encontrar el siguiente paso: conectar una fuente, acordar una regla, aclarar una responsabilidad o construir una automatización. Es un punto de partida concreto para diseñar con STRTGY una implementación que el equipo pueda utilizar y evaluar.
