La industria ha encontrado su nuevo mantra: AI-first. Aparece en las estrategias, en los pitch de ventas, en la home de cualquier web que quiera parecer moderna. Y yo, que me dedico a esto a diario, estoy convencido de que es el orden equivocado.
En mi artículo anterior describí los tres niveles de dominio de la IA y terminé con una pregunta que dejé deliberadamente abierta: ¿por qué tan pocos profesionales llegan al nivel más alto, el de integrar la IA en procesos reales? Le he dado muchas vueltas desde entonces, y la respuesta no es técnica.
El obstáculo no es la herramienta. Nunca ha sido tan fácil acceder a ella.
El verdadero cuello de botella de la adopción de la IA no está en dominar la herramienta. Está en no haber aprendido a pensar en procesos.
El espejismo de la herramienta
Detente a pensarlo un momento. Si el problema de la adopción fuera el acceso a la tecnología, la adopción ya sería universal. Cualquiera puede abrir ChatGPT, Claude o Gemini en treinta segundos. Cualquiera puede crear una cuenta en Make, n8n o Zapier esta misma tarde. La barrera de entrada técnica, que hace una década era real, hoy es prácticamente cero.
Y, sin embargo, la mayoría de las empresas siguen sin sacarle un valor real. No porque no tengan la herramienta, sino porque no saben dónde ponerla.
Ese es el malentendido de fondo del "AI-first": confunde tener acceso a una capacidad con saber aplicarla. Son dos cosas completamente distintas. Tener el motor más potente del mundo no sirve de nada si no tienes chasis, dirección ni un destino al que ir.
Un proceso más rápido, pero roto, sigue estando roto
El reflejo del "AI-first" es buscar dónde encajar la IA. Y casi siempre se encaja sobre un proceso que nadie se ha parado a entender.
El resultado es lo que yo llamo teatro de IA: un chatbot pegado encima de un flujo defectuoso para aparentar innovación. Se ve moderno. No cambia nada de fondo. A veces incluso empeora las cosas, porque ahora el error se produce más rápido y a mayor escala.
Hay una idea atribuida a Bill Gates que lo resume mejor que nadie: la automatización aplicada a una operación eficiente multiplica su eficiencia; aplicada a una operación ineficiente, multiplica la ineficiencia. La IA es el amplificador más potente que hemos tenido entre manos. Y un amplificador no distingue: amplifica lo que le pongas delante.
Por eso optimizar no puede empezar por la herramienta. Tiene que empezar por entender el proceso. Y no se puede optimizar lo que no se sabe ver.
Las cuatro preguntas que vienen antes de la IA
Cuando me encuentro con un problema, una tarea o un proceso, hago siempre el mismo ejercicio. Y la IA no aparece por ningún lado. Todavía no.
Antes de pensar en automatizar nada, descompongo el proceso en cuatro elementos:
- Entrada de datos. ¿De dónde viene la información? ¿En qué forma llega: un correo, un formulario, una hoja de cálculo, un sensor, una llamada? ¿Es fiable? ¿Qué dispara el proceso? Si la entrada es un caos, ninguna inteligencia posterior lo va a arreglar.
- Nodos de conexión. ¿Por dónde tiene que viajar esa información? ¿Qué sistemas o personas se la van pasando? Aquí es donde casi siempre vive la fricción real: en los puntos donde un dato se copia a mano, se reescribe, se reformatea o se pierde entre dos herramientas que no se hablan entre sí.
- Procesamiento. ¿Qué transformación sufre el dato? ¿Qué decisiones se toman? ¿Qué es una regla fija y qué requiere criterio? Este es el único punto donde, a veces, la IA se gana su sitio: cuando hay que razonar, interpretar o generar algo que una regla simple no cubre.
- Salida esperada. ¿Cuál es el entregable? ¿En qué formato, para quién y con qué nivel de calidad? ¿Cómo sé que está bien? En la práctica, este es el mejor punto por el que empezar a pensar: si defines con precisión la salida, el resto del proceso se ordena hacia atrás casi solo.
El flujo siempre es el mismo: entrada → nodos de conexión → procesamiento → salida.
Y aquí está lo importante: ninguna de las cuatro preguntas menciona la IA. Puedes —y debes— responderlas antes de decidir si la IA tiene algo que aportar. La mayoría de las veces, la mejor optimización ni siquiera pasa por añadir inteligencia: pasa por eliminar un paso que sobra, conectar dos herramientas que ya tienes o arreglar la calidad de la entrada. La IA es una respuesta posible a la pregunta del procesamiento, no el punto de partida.
Un ejemplo cotidiano: ese informe que alguien recopila a mano cada mes juntando datos de tres sitios distintos. El "AI-first" diría: "que lo escriba la IA". Pero al descomponerlo descubres que el ochenta por ciento del problema está en la entrada y en los nodos —datos dispersos que alguien copia y pega— y que eso se resuelve conectando las fuentes, sin IA de por medio. Solo el último tramo, redactar la narrativa del informe, justifica usarla. Has optimizado el proceso entero; la IA hace una parte pequeña, pero la hace donde de verdad aporta. Es justo así como abordamos cualquier proyecto de automatización de procesos: primero el mapa, después la herramienta.
La disciplina se entrena (y yo la entreno a diario)
Lo más interesante de todo esto es que no es un talento con el que se nace. Es una disciplina. Y, como toda disciplina, se entrena.
Yo hago este ejercicio constantemente, incluso con procesos que sé que nunca voy a implementar. Observo cómo una cafetería toma las comandas, cómo me atiende el soporte de mi banco, cómo se acumulan los correos en mi bandeja de entrada, y mentalmente lo descompongo: ¿cuál es la entrada, dónde están los nodos, qué procesamiento hay, cuál sería la salida ideal? La inmensa mayoría de esos ejercicios no termina en nada. No importa. Cada uno es una repetición que afina el instinto.
Porque ese es el verdadero objetivo: que cuando aparezca una oportunidad real, no tengas que esforzarte en analizarla. La veas ya descompuesta. El profesional que ha hecho mil veces este ejercicio mira un proceso y, de un vistazo, sabe por dónde sangra y qué lo arreglaría. Esa fluidez no se compra con una herramienta ni se descarga con una suscripción. Se construye repetición a repetición.
Como ya dije una vez: la diferencia no es de talento, es de decisión.
De la táctica a la filosofía de empresa
Si esto se queda en una habilidad individual, en "la persona de IA" del equipo, su impacto es limitado. El salto de verdad ocurre cuando deja de ser una técnica y se convierte en filosofía de empresa.
Una empresa "AI-first" compra herramientas, ordena adoptarlas y mide el "uso de IA". Acaba, casi siempre, con teatro de IA repartido por todas partes.
Una empresa optimizer-first hace algo distinto: enseña a toda su gente —no solo a los técnicos— a mirar su propio trabajo con esas cuatro preguntas. La pregunta que se respira en la organización deja de ser "¿dónde metemos IA?" y pasa a ser "¿dónde está la fricción y cuál es la forma más simple de eliminarla?". Cuando esa pregunta es la cultura, la IA se despliega con bisturí, exactamente donde se gana su sitio, en lugar de espolvorearse por encima de todo para parecer moderno.
La paradoja es que esta segunda empresa termina adoptando la IA de forma mucho más profunda que la primera. Porque la apoya sobre procesos que de verdad entiende.
La conclusión, a contracorriente
La industria repite: be AI-first.
Yo lo formularía al revés:
First optimizer, second AI.
Y que quede claro: poner la IA en segundo lugar no significa que importe menos. Significa que va en segundo lugar en la secuencia, no en la importancia. La potencia de la IA es real y enorme. Pero la potencia sin dirección no es más que ruido. La mentalidad de optimización es el volante; la IA, el motor. Un motor sin volante no te lleva a ningún sitio: solo te estrella más rápido.
Las empresas que ganen la próxima década no serán las que adoptaron la IA antes. Serán las que aprendieron a pensar en procesos primero, porque son las únicas que sabrán hacia dónde apuntarla.
Si te interesa explorar cómo instalar esta forma de pensar —optimizar primero, automatizar después— dentro de tu organización, en nuestra consultoría IA para empresas empezamos siempre por ahí. Hablemos de tu operación y te decimos con franqueza dónde está la fricción y qué tiene sentido optimizar antes de tocar la IA.