La IA no arregla un proceso roto.
Lo amplifica.

Hay tareas que no se resuelven con un «si pasa esto, haz aquello». Quién de la lista de espera se atiende primero. Qué dice realmente ese informe de cuatro páginas. A qué centro de costo va esta factura. Cuál de las citas de mañana probablemente no se presente.

Ese trabajo se apoya en criterio, y hasta hace poco solo existía dentro de la cabeza de dos o tres personas de tu equipo. Cuando esas personas están saturadas, de vacaciones o se van, el proceso se cae. Ese es el hueco que llena la IA — y es el único hueco donde vale lo que cuesta.

Empezamos por el diagnóstico: mapeamos el proceso en BPMN y medimos cómo funciona hoy, antes de tocar nada. Sin ese punto de partida no hay forma honesta de decir después si algo mejoró.

Luego elegimos un solo caso — el de mayor impacto económico, no el más vistoso — y lo llevamos a producción con un criterio de apagado definido de antemano: qué tendría que pasar para que decidamos que no funciona. Solo cuando ese caso está estable y en uso real pasamos al siguiente.

• Proceso mapeado y línea base medida antes de implementar
• Un caso a la vez, elegido por impacto y no por visibilidad
• Un responsable interno designado desde el día uno
• Criterios de éxito y de apagado acordados por escrito

No vendemos un producto: elegimos la forma que corresponde al proceso. En la práctica son cuatro.

• Lectura y clasificación de documentos — informes, facturas, órdenes, guías: el sistema extrae los campos, los valida y los deja donde tienen que estar
• Conversación con contexto — asistentes sobre WhatsApp Business API que agendan, responden y saben cuándo escalar a una persona
• Predicción sobre tu propio historial — inasistencia a citas, demanda por especialidad, riesgo de fuga de un cliente
• Asistentes internos — preguntar en lenguaje natural sobre los procedimientos, contratos y datos de la empresa, en lugar de buscar en carpetas

Cada implementación se entrega documentada, con las credenciales a nombre de tu empresa y con el criterio de escalamiento a humano escrito y probado.

En salud, un dato clínico es información sensible y la autoridad de protección de datos publica cada procedimiento sancionador en su repositorio público — entre ellos, casos de operadores del sector. Eso cambia el diseño técnico, no solo el papeleo: condiciona si el modelo puede correr en la nube o conviene que se quede en infraestructura propia, qué se anonimiza antes de salir, qué consentimiento hace falta y cómo se cubre la transferencia internacional cuando el proveedor del modelo está fuera del país.

Lo revisamos como parte del diagnóstico, no como un anexo al final. Es más barato diseñarlo bien que corregirlo después.