La conversación sobre inteligencia artificial en la pequeña y mediana empresa suele empezar con una comparación injusta: lo que hace una gran corporación frente a lo que uno puede permitirse. Esa comparación lleva a dos reacciones igualmente inútiles. La primera es concluir que esto no es para nosotros. La segunda es contratar una plataforma enterprise para hacer lo mismo que la corporación, con una décima parte del equipo.
La realidad es que una PYME tiene una ventaja estructural en este terreno: decide rápido, conoce su proceso al detalle y puede acotar el alcance sin negociar con seis departamentos. El primer proyecto de IA no debería ser el más ambicioso, sino el más medible. Y eso, en una empresa pequeña, es más fácil que en una grande.
El primer proyecto no debe ser el más ambicioso
El objetivo del primer proyecto no es transformar la empresa. Es demostrar tres cosas en un plazo corto: que el dato está disponible y en condiciones, que el equipo lo va a usar y que el resultado se puede medir en horas o en euros. Con esas tres respuestas, el segundo proyecto se financia solo. Sin ellas, el primero se convierte en una anécdota que nadie quiere repetir.
Por eso conviene resistir la tentación de empezar por lo más visible. El chatbot en la web es la idea que todo el mundo propone y casi nunca es el mejor punto de partida: está expuesto al público, no tiene un responsable claro dentro de la empresa y su impacto en el negocio es difícil de atribuir.
Cómo elegir el primer caso: cinco filtros
- Frecuencia. Un proceso que ocurre tres veces al mes no justifica un desarrollo. Uno que ocurre veinte veces al día, sí. Empieza por lo que se repite.
- Coste del error. Un borrador de presupuesto que revisa una persona tolera fallos. Una factura enviada con un importe equivocado, no. Los primeros casos deben tener revisión humana detrás.
- Estado del dato. Si la información está en un único sistema con formatos estables, el proyecto es viable. Si está repartida en correos, carpetas y cabezas del equipo, primero hay que ordenarla.
- Impacto medible. Tiene que existir una línea base: cuántas horas se dedican hoy a esa tarea, cuántos días tarda un presupuesto en salir, cuántas consultas internas se responden por teléfono.
- Reversibilidad. Si el sistema falla, ¿se puede volver al método anterior esa misma tarde? Los proyectos reversibles se prueban sin miedo; los irreversibles exigen mucha más validación.
Un caso que puntúa alto en los cinco filtros suele ser sorprendentemente modesto: responder consultas internas sobre documentación, extraer datos de facturas de proveedor, preparar el primer borrador de una propuesta a partir de un pliego. Modesto y medible es exactamente lo que se busca.
Cinco proyectos que funcionan como primer paso
1. Buscador interno sobre la documentación de la empresa
Procedimientos, contratos, fichas técnicas, actas, normativa sectorial. La pregunta típica es «¿dónde está el documento que dice cómo se hace esto?» y hoy se responde interrumpiendo a la persona que más sabe. Un sistema de recuperación con citas devuelve el fragmento exacto y libera a esa persona.
Es un buen primer proyecto porque el valor es inmediato, el riesgo está contenido dentro de la organización y la calidad se puede medir con un conjunto de cien preguntas reales. La arquitectura habitual es un sistema RAG local-first, donde el conocimiento no sale de la infraestructura de la empresa.
2. Extracción de datos de facturas, albaranes y partes
El trabajo de picar datos de un PDF a un programa de gestión es el ejemplo perfecto de tarea que nadie quiere hacer y que consume horas cada semana. La solución combina reconocimiento de texto y un modelo que devuelve los campos en un formato fijo, con una pantalla de validación para que una persona confirme antes de registrar.
El filtro de reversibilidad se cumple: si el sistema se equivoca, se corrige a mano como se hacía antes. La métrica es directa: documentos procesados sin intervención y tiempo por documento.
3. Borradores de presupuestos y licitaciones
Cuando la empresa responde a pliegos o prepara propuestas con estructura repetitiva, buena parte del tiempo se va en localizar antecedentes y adaptar textos. Un asistente que recupera propuestas anteriores y sugiere un borrador a partir del pliego reduce el tiempo de partida, no el criterio de quien firma.
Este caso tiene un retorno rápido en sectores como instalaciones, obra pública, servicios industriales o consultoría, donde el volumen de documentación es alto y la estructura se repite.
4. Clasificación y respuesta de correo entrante
Un buzón compartido con doscientas entradas al día es un cuello de botella clásico. Clasificar por tipo de solicitud, extraer los datos esenciales y proponer una respuesta o derivar al departamento correcto ahorra tiempo sin necesidad de que el sistema responda solo al cliente.
Conviene mantener la aprobación humana en el envío durante la primera fase. La métrica es cuántas solicitudes llegan ya clasificadas y cuánto tarda una en atenderse desde que entra.
5. Informes recurrentes sobre datos que ya existen
Si la empresa ya tiene un ERP o una hoja de cálculo con histórico, hay mucho valor en consultar esos datos en lenguaje natural: «¿qué clientes han reducido sus compras más de un 20 % este trimestre?», «¿qué referencias tienen un margen por debajo de la media?». La clave es que las preguntas se traduzcan a consultas controladas sobre datos estructurados, no a respuestas generadas de memoria.
Este último es el caso que más se vende y el que más se complica, porque exige un modelo de datos ordenado. Si el ERP es un caos, el proyecto empieza por ahí y no por la IA.
Lo que no recomendaría en el primer año
- Un chatbot público sin base documental sólida. Si no hay documentación buena, el chatbot improvisará delante de tus clientes.
- Un agente con permiso de escritura sobre el ERP. Que el sistema pueda modificar datos de negocio sin supervisión es un salto de riesgo que no corresponde a una primera fase.
- Un proyecto de doce meses con un único entregable final. Sin hitos intermedios no hay forma de corregir el rumbo ni de justificar la inversión.
- Comprar una plataforma y buscarle uso después. Es la forma más rápida de pagar una licencia anual por algo que nadie abre.
- Sustituir el sistema de gestión por «una IA». La IA se añade como capa; el sistema que factura sigue siendo el sistema que factura.
Infraestructura mínima y coste de arranque
Un primer sistema interno no requiere un centro de datos. Con un servidor de gama media, una base de datos vectorial, un orquestador y una interfaz web se puede desplegar un buscador documental con citas para un equipo de decenas de personas. Si la confidencialidad es un requisito, el modelo se ejecuta en ese mismo servidor; si no lo es, se puede empezar contra una API y mantener abierta la opción de migrar.
Lo que sí hay que presupuestar desde el principio es el mantenimiento: alguien que actualice el índice cuando cambie la documentación, revise las consultas que fallan y ajuste. En una PYME esa figura suele ser media jornada al mes, no un departamento.
Cómo saber en 90 días si va a funcionar
Un calendario realista tiene tres tramos. En los primeros treinta días se define el alcance, se limpia el dato y se construye el conjunto de preguntas de referencia; al final de esta fase ya se sabe si el proyecto tiene sentido. Entre el día treinta y el sesenta se construye el sistema y se prueba con un grupo reducido de usuarios reales. Entre el sesenta y el noventa se mide, se corrigen los fallos más frecuentes y se decide si se amplía el alcance o se consolida.
Al terminar, tres números deberían estar sobre la mesa: porcentaje de respuestas correctas sobre el conjunto de referencia, tiempo ahorrado por consulta o documento, y número de personas que usan el sistema de forma semanal. Si los tres se sostienen, el siguiente proyecto se justifica solo. Si no, es mejor haberlo descubierto con una inversión contenida.
Y una advertencia final: la tentación de comprar la herramienta antes de tener el caso es la causa más común de fracaso en empresas pequeñas, porque no hay margen para absorber un año de licencia sin resultados. El orden correcto es siempre el mismo: proceso, dato, medición y, después, tecnología.