La mayoría de las empresas pequeñas y medianas no necesitan una estrategia de IA. Necesitan dos o tres lugares donde un modelo le quite trabajo real de encima a una persona, con alguien revisando el resultado. Este artículo trata de esos lugares y de los que todavía lucen mejor en una demo de lo que funcionan un martes por la tarde.
#Dónde la IA rinde hoy
Los resultados que vemos una y otra vez comparten tres rasgos: la entrada es texto o voz, la tarea se repite decenas de veces al día y un error es barato de detectar.
- Contestar el teléfono y agendar citas fuera del horario de oficina.
- Leer correos y formularios entrantes, y llenar los campos correctos en tu CRM.
- Resumir llamadas y reuniones en notas que tu equipo sí lee.
- Redactar respuestas que una persona aprueba antes de que salgan.
Ninguna de estas tareas le pide al modelo ser brillante. Le piden ser rápido, constante y estar disponible a las 9 p. m., algo que una persona no puede. El trabajo que regresa sigue llegando al escritorio de alguien, pero llega ya leído, clasificado y medio hecho.
#Dónde sigue siendo una demo
Todo lo que exige criterio a través de muchos sistemas a la vez, o donde una respuesta equivocada cuesta dinero o confianza, sigue siendo un mal primer proyecto. Los agentes que “dirigen el negocio” hacen buenos videos. En producción necesitan tanta supervisión que el tiempo ahorrado desaparece.
Una prueba útil es preguntar quién notaría un error y qué tan pronto. Si la respuesta es “el cliente, un mes después”, mantén a una persona en el proceso o deja la tarea en paz.
#Un ejemplo real: contestar los teléfonos
Para Teldash construimos un portal de marca blanca para agencias que venden agentes de voz con IA. Sus clientes necesitaban ver cada llamada, leer la transcripción y entender qué se les facturaba, en inglés o en español, sin ver los datos de nadie más.
Fig. 1: Cada llamada con su transcripción, resultado y duración. Cada cuenta de cliente ve solo sus propios datos.
El modelo fue la parte fácil. El trabajo estuvo en los permisos, las transcripciones y una facturación en la que un cliente pueda confiar.
Si quieres la historia completa, el caso de estudio de Teldash explica qué construimos y cómo.
#Cómo se ve la configuración
La mayor parte del código no es IA. Es plomería: webhooks, reintentos, registros y un lugar donde una persona pueda intervenir. Una versión simplificada de una tarea de resumen de llamadas:
export async function summarizeCall(call: Call) { const transcript = await getTranscript(call.id); const summary = await model.summarize(transcript, { language: call.language, // "en" | "es" maxWords: 120 }); await db.calls.update(call.id, { summary, status: 'needs_review' }); await notify(call.ownerId, 'New call summary to review');}Fíjate en el estado: needs_review. Nada llega a un cliente hasta que una persona haya tenido la oportunidad de revisarlo.
#Cómo elegir tu primer proyecto de IA
- Enumera las tareas que tu equipo repite todos los días y que empiezan con un correo, un formulario o una llamada.
- Tacha todo aquello donde un error sea caro o difícil de detectar.
- Elige la de mayor volumen y escribe cómo revisaría una persona el resultado.
- Constrúyela, déjala correr un mes y luego decide la siguiente.
Si quieres una segunda opinión sobre tu lista, la lista de verificación de preparación toma unos cinco minutos.
#Lo que no automatizaríamos
Decisiones de precios, cualquier tema legal o médico, y conversaciones con un cliente molesto. La IA puede preparar las notas. Una persona debe tomar la decisión.
