La consulta se repite cada vez con mayor frecuencia cuando una dirección decide adoptar inteligencia artificial: “¿Cómo hacemos este proceso más rápido con IA?”
Parece la pregunta correcta. Hay un cuello de botella evidente, una operación administrativa que consume demasiados recursos, un equipo comercial atrapado en tareas manuales o un proceso que simplemente dejó de responder a la velocidad que exige el negocio. La reacción natural consiste en buscar automatización y preguntar qué herramienta, modelo o agente podría acelerar aquello que hoy hacen las personas.
Sin embargo, esa pregunta contiene una premisa que pocas veces se cuestiona: que el proceso actual merece sobrevivir.
Cuando en Zherpa analizamos el flujo completo considerando las capacidades actuales de automatización, integración de sistemas y agentes de inteligencia artificial, encontramos situaciones en las que mejorar el proceso existente sería optimizar algo que necesita ser rediseñado. El problema deja de ser cómo ejecutar más rápido una secuencia determinada y se convierte en algo bastante más profundo: entender si esa secuencia sigue siendo necesaria.
En algunos casos, el proceso, tal como existe hoy, deja de tener sentido. Y cuando eso sucede, también tenemos que cuestionar las actividades, controles, traspasos entre áreas y configuraciones de puestos que fueron construidos alrededor de él. Es ahí donde termina la conversación sobre automatización superficial y comienza una discusión estratégica mucho más importante: cómo rediseñar el trabajo para una organización en la que personas, sistemas y agentes de IA pueden operar juntos.
La trampa de automatizar el pasado
La mayoría de los procesos empresariales actuales fueron diseñados bajo restricciones muy diferentes de las que tenemos hoy. La capacidad humana de atención es limitada, las jornadas tienen horarios, los departamentos se especializan, la información suele estar distribuida y durante décadas los sistemas empresariales tuvieron dificultades para intercambiar información, interpretar contexto o ejecutar acciones sin una instrucción explícita.
Las organizaciones respondieron a esas restricciones fragmentando el trabajo. Una persona recibe una solicitud, otra captura la información, una tercera valida los datos, alguien consulta un sistema, otra persona prepara una respuesta, un supervisor autoriza y finalmente la información pasa al siguiente departamento, donde puede comenzar una secuencia similar.
No necesariamente era la arquitectura óptima. Era, muchas veces, la arquitectura posible con las capacidades disponibles en ese momento.
El problema aparece cuando incorporamos inteligencia artificial sin reconsiderar esa arquitectura. Si tratamos la IA únicamente como una nueva capa de productividad, podemos terminar utilizando tecnología de última generación para acelerar procesos concebidos alrededor de limitaciones que ya cambiaron. Hacemos más eficiente cada tarea individual sin preguntarnos si la suma de esas tareas continúa siendo la mejor manera de producir el resultado.
Además, acelerar un eslabón aislado no necesariamente aumenta la capacidad del sistema completo. Imaginemos que un agente puede procesar en segundos los expedientes que antes requerían varias horas de trabajo. Técnicamente, la automatización es exitosa. Sin embargo, si el siguiente paso continúa dependiendo de un equipo humano que mantiene la misma capacidad de revisión, el cuello de botella no desaparece: simplemente se desplaza. Incluso podemos terminar creando un problema mayor al alimentar una etapa humana con trabajo producido a una velocidad que esa etapa nunca fue diseñada para absorber.
La organización consiguió que una actividad fuera extraordinariamente rápida, pero no necesariamente consiguió que el sistema fuera mejor.
Por eso, antes de preguntar cómo acelerar un proceso con IA, una dirección debería plantearse una interrogante bastante más incómoda: si diseñáramos hoy esta operación desde cero, conociendo las capacidades actuales de las personas, los sistemas, la automatización y los agentes de IA, ¿la construiríamos de la misma manera?
El mayor desperdicio puede ser perfeccionar lo innecesario
Buena parte de los procedimientos empresariales contiene actividades que surgieron como respuesta lógica a las restricciones de su momento. Recapturamos información porque dos sistemas no podían comunicarse. Creamos puestos para clasificar solicitudes porque alguien tenía que interpretar cada caso y enviarlo al área correspondiente. Consolidamos manualmente información porque estaba distribuida entre distintas aplicaciones. Creamos reportes para proporcionar visibilidad que los sistemas operativos no ofrecían. Introdujimos niveles de autorización para compensar falta de información, trazabilidad o control.
Eso no significa que todas esas actividades sean hoy innecesarias. Significa que ya no podemos asumir que siguen siendo necesarias simplemente porque siempre han formado parte del procedimiento.
Un agente de IA tampoco tiene por qué reproducir exactamente la secuencia de trabajo que sigue una persona. Dependiendo del proceso, de la tecnología disponible y de los permisos que la organización decida concederle, puede recibir un evento de negocio, consultar diferentes fuentes autorizadas, interpretar información, aplicar reglas, interactuar con sistemas, ejecutar determinadas acciones y escalar a una persona cuando encuentra una excepción o alcanza el límite de su autonomía.
Cuando esto es posible, la unidad de diseño cambia. En lugar de comenzar por el puesto actual, enumerar sus tareas y decidir cuáles podemos automatizar, podemos comenzar por el resultado que necesita el negocio y reconstruir desde ahí el trabajo realmente necesario para producirlo. Sólo entonces decidimos qué corresponde ejecutar a los sistemas, qué pueden ejecutar los agentes, dónde necesitamos controles y excepciones, en qué momentos debe intervenir una persona y cómo vamos a medir el resultado.
La diferencia es profunda. En el primer enfoque utilizamos inteligencia artificial para hacer más eficiente la organización que ya tenemos. En el segundo nos preguntamos qué organización necesitamos ahora que cambió radicalmente nuestra capacidad para ejecutar trabajo.
No necesitamos un empleado digital para cada puesto
Una de las primeras tentaciones al trabajar con agentes consiste en mirar el organigrama actual y construir su equivalente artificial. Si tenemos un ejecutivo comercial, imaginamos un agente comercial; si tenemos una función administrativa, diseñamos un agente administrativo; si existe un puesto dedicado a revisar información, construimos otro agente que revise lo producido por los anteriores.
Es una manera comprensible de aproximarse a una tecnología nueva porque reproduce una estructura que ya conocemos. Sin embargo, también corre el riesgo de trasladar al mundo agentivo los mismos silos, traspasos, controles redundantes y fronteras departamentales que intentábamos superar.
La oportunidad más interesante aparece cuando dejamos de diseñar la IA alrededor de los puestos existentes y comenzamos a diseñarla alrededor del flujo de valor y del resultado que queremos producir. Desde esa perspectiva podemos descubrir que algunas actividades desaparecen, otras pueden combinarse, determinadas validaciones pueden realizarse durante la ejecución y algunos traspasos entre departamentos dejan de ser necesarios. La intervención humana puede entonces concentrarse donde realmente aporta una capacidad diferente: criterio, negociación, relaciones, creatividad, supervisión, gestión de excepciones, decisiones relevantes y responsabilidad.
Esto conduce inevitablemente a una conversación que muchas organizaciones preferirían posponer. Si cambia radicalmente la arquitectura del trabajo, también puede cambiar la arquitectura de los puestos.
Algunas funciones se enriquecerán porque una parte importante del trabajo repetitivo desaparecerá. Otras se transformarán porque la persona dejará de ejecutar cada transacción y comenzará a supervisar sistemas capaces de ejecutar muchas de ellas. Responsabilidades que hoy están distribuidas entre varios puestos pueden converger, mientras que aparecerán otras relacionadas con gobierno, excepciones, calidad, diseño y medición.
También existirán casos en los que determinadas actividades, e incluso la configuración actual de ciertos puestos, dejen de justificarse porque el trabajo que les dio origen ha cambiado o desaparecido.
Reducir esta transformación a la pregunta de si “la IA reemplazará personas” empobrece la discusión. La pregunta directiva más útil es otra: ¿dónde genera mayor valor la intervención humana dentro de la nueva arquitectura del trabajo?
Rediseñar el trabajo también significa rediseñar la autonomía
Que un agente pueda ejecutar una actividad no significa automáticamente que deba tener autoridad para hacerlo sin supervisión. Ésta es una distinción fundamental cuando pasamos de utilizar IA para generar información a permitir que participe activamente en procesos empresariales.
Un sistema puede analizar, clasificar, preparar, recomendar, ejecutar y coordinar acciones, pero la responsabilidad de la organización sobre las consecuencias de esas acciones no desaparece porque intervenga inteligencia artificial.
Éste es uno de los principios que Miguel Ángel Arce desarrolla en Humano al Mando: gobernar inteligencia artificial requiere establecer propósito, evidencia, límites y responsabilidad antes de delegar capacidad de actuación.
No todas las acciones necesitan el mismo grado de supervisión. Existen actividades de bajo impacto y fácilmente reversibles donde una mayor autonomía puede resultar apropiada. Hay otras donde una persona necesita conservar la capacidad de intervenir antes de que se produzca una consecuencia material. Y existen decisiones con implicaciones económicas, legales, regulatorias, reputacionales o humanas que requieren preservar claramente la intervención y responsabilidad de la organización.
Por eso, el diseño de una operación agentiva no termina cuando descubrimos qué puede automatizarse. Necesitamos determinar también qué nivel de autonomía corresponde a cada acción, qué información puede utilizar un agente, qué permisos necesita, dónde debe detenerse, qué situaciones debe escalar y qué decisiones permanecen necesariamente bajo control humano.
La pregunta ya no puede ser solamente “¿puede hacerlo la IA?”. Necesitamos añadir: ¿debe hacerlo autónomamente, bajo qué condiciones, con qué evidencia y hasta dónde?
De automatizar tareas a construir Capacidad Agentiva
Esta diferencia explica por qué algunas conversaciones que llegan a Zherpa como solicitudes de automatización terminan convirtiéndose en ejercicios de reingeniería.
Una empresa puede acercarse porque tiene un proceso lento y quiere incorporar inteligencia artificial. Sin embargo, antes de decidir qué tecnología utilizar, necesitamos comprender qué resultado debe producir realmente ese proceso, dónde se encuentra la restricción del sistema y cuáles de sus actividades siguen teniendo una razón funcional. También necesitamos identificar qué trabajo puede ser ejecutado por sistemas, automatizaciones o agentes, qué decisiones requieren intervención humana y qué permisos, límites y mecanismos de escalamiento deberían gobernar la ejecución.
Hay otra pregunta especialmente importante: qué sucederá con el resto de la operación si multiplicamos la velocidad de una de sus partes. Si no entendemos esa relación, corremos el riesgo de celebrar como éxito una automatización que simplemente trasladó el problema hacia otra área.
Después de este análisis, la respuesta puede ser relativamente sencilla: automatizar una tarea específica. En otros casos puede ser conveniente incorporar un asistente que amplifique la capacidad de una persona. Algunos procesos podrán requerir agentes capaces de ejecutar trabajo dentro de límites definidos. Otros podrán beneficiarse de distintos agentes y sistemas coordinados entre sí. Y habrá casos donde la conclusión correcta sea que el proceso original debe ser rediseñado o simplemente dejar de existir en su forma actual.
En Zherpa denominamos Capacidad Agentiva a una capacidad de IA integrada a un proceso real del negocio, diseñada para ejecutar trabajo dentro de un propósito, permisos y límites definidos, con continuidad técnica y medición de su contribución.
La diferencia es importante porque el objetivo no consiste en incorporar agentes simplemente porque la tecnología esté disponible. Tampoco se trata de convertir cada puesto en un agente o de automatizar cada actividad que técnicamente pueda automatizarse. El objetivo es ampliar la capacidad de ejecución de la organización de una manera gobernada, continua y medible, manteniendo la dirección y la responsabilidad humanas.
La transformación real ocurre cuando cuestionamos el trabajo
Estamos entrando en una etapa en la que adoptar inteligencia artificial ya no consiste solamente en encontrar tareas que puedan hacerse más rápido. Ésa fue una primera aproximación útil porque permitió experimentar, aprender y demostrar capacidades. Pero conforme la tecnología puede participar en más partes de un flujo empresarial, la oportunidad comienza a desplazarse desde la productividad individual hacia el diseño de la operación completa.
La ventaja no estará únicamente en quién tiene mejores herramientas, más licencias o modelos más avanzados. Estará también en la capacidad de una organización para cuestionar su propia arquitectura antes de automatizarla.
Eso implica aceptar que algunos procedimientos existen porque las personas necesitaban coordinarse de determinada manera, que algunos controles nacieron porque la información no estaba disponible oportunamente y que ciertas actividades o puestos fueron diseñados alrededor de tareas que la tecnología actual puede ejecutar de otra forma. Nada de esto significa que debamos eliminar indiscriminadamente procesos, controles o personas. Significa que cada uno debe volver a justificar su existencia dentro de la nueva arquitectura.
Por eso, cuando una empresa identifica un proceso crítico que quiere “acelerar con IA”, seleccionar una herramienta no debería ser necesariamente el primer paso. Antes conviene entender qué resultado necesita el negocio, identificar la verdadera restricción, determinar qué trabajo continúa siendo necesario, decidir dónde debe permanecer el criterio humano y establecer los límites de autonomía antes de diseñar la solución tecnológica.
Porque el mayor desperdicio de la inteligencia artificial podría no ser utilizarla poco. Podría ser utilizarla para hacer extraordinariamente rápido algo que ya no necesitábamos hacer.
Antes de automatizar, diagnostica
Si estás considerando aplicar inteligencia artificial a un cuello de botella de tu empresa, en Zherpa podemos ayudarte a analizar primero la arquitectura del proceso, las restricciones que lo originaron y las oportunidades de rediseño antes de decidir qué conviene automatizar, delegar a agentes o mantener bajo ejecución y decisión humana.
El propósito no es colocar IA sobre la operación existente, sino determinar cómo debería funcionar esa operación con las capacidades que hoy están disponibles.
Diagnostica la arquitectura, diseña el gobierno y después rediseña el trabajo.
MA Nautilius
