Lo esencial
Servicios
Recursos
Un piloto de IA útil tiene un alcance que cabe en una frase, un conjunto de prueba con casos reales, cinco métricas con umbral, criterios de aceptación firmados antes de medir, una fecha de fin fija y tres salidas previstas: pasar a producción, un único ajuste o parar. Sin eso no es un piloto, es una demo larga. Abajo tienes cómo diseñar cada parte, una plantilla copiable y un ejemplo ilustrativo.
Una prueba de concepto responde a «¿se puede hacer?»: con una muestra de datos, el proveedor enseña que el modelo es capaz de leer una factura o clasificar un correo. Un piloto responde a «¿funciona aquí?»: con tus datos reales, dentro de tu proceso y con tu equipo, durante un tiempo fijo, contra unos criterios escritos antes de empezar. Muchas empresas se quedan en la primera y la llaman piloto. Por eso tantos proyectos «funcionaban en la demo».
Dónde encaja el piloto dentro del proyecto completo, lo cuenta la guía cómo implantar IA en una empresa. Aquí va el diseño detallado.
Si el alcance no cabe en una frase, divídelo. Cómo escoger ese primer proceso está en elegir el primer caso de uso de IA.
Es la parte que más se descuida y la que más decide. Un piloto con casos escogidos siempre sale bien.
Pocas, medibles y con el umbral escrito antes. Estas cinco cubren casi todos los procesos administrativos:
| Métrica | Qué mide | Cómo fijar el umbral |
|---|---|---|
| Precisión en campos críticos | Porcentaje de datos correctos en lo que importa (importe, NIF, fecha, referencia) | Comparado con el error humano actual, medido en la línea base |
| Tasa de excepciones | Casos que la IA manda a revisión porque no está segura | Que el ahorro siga compensando: si todo va a revisión, no hay ahorro |
| Errores graves sin detectar | Errores que pasarían sin que nadie los viera | Normalmente cero; es la métrica que para un piloto |
| Tiempo por caso | Minutos por caso incluida la revisión humana | El que haga cuadrar el business case |
| Coste por caso | Consumo del modelo y demás recurrentes, por caso | Por debajo de lo que cuesta hoy el caso a mano |
Distingue errores graves de leves. Una fecha mal leída que la persona corrige al revisar es leve; un importe erróneo que llega al pago es grave. Un piloto puede aceptar muchos leves y ninguno grave. La precisión media sola esconde esa diferencia.
Como frases que se puedan comprobar con un sí o un no, firmadas por el dueño antes de empezar. Por ejemplo: «Se acepta si, sobre los casos reservados, la precisión en importe y NIF es igual o superior al 98 %, no hay ningún error grave sin detectar, van a revisión como máximo el 20 % de los casos y el tiempo por caso con revisión baja de 4 a 1,5 minutos». Nada de «que funcione bien» ni «que el equipo esté contento».
Escríbelos antes de ver resultados. Un criterio que se fija después de medir se acaba ajustando a lo que salió. Ese es el origen del piloto eterno, el error 5 de errores al implantar IA.
Lo justo para cubrir la variación normal del proceso, con fecha de fin fija. En procesos administrativos con volumen diario suelen bastar unas semanas; si el proceso tiene picos de fin de mes, el piloto tiene que incluir un cierre. Más duración no da más certeza; da más tiempo para que el alcance crezca. Los plazos habituales de cada tipo de proyecto están en cuánto se tarda en implantar IA.
Solo hay tres salidas, y hay que escribirlas antes:
| Resultado | Decisión |
|---|---|
| Cumple todos los umbrales | Pasa a producción por fases |
| Falla una métrica no grave (más excepciones de lo previsto, algo más lento) | Un solo ajuste, con plazo cerrado, y se vuelve a medir con los casos reservados |
| Errores graves repetidos o precisión muy lejos del umbral | Se para, o se reduce el alcance a los casos que sí funcionan |
Parar no es un fracaso si el piloto era pequeño: has comprado información barata. Lo caro es seguir sin criterio.
Los límites de lo que puede hacer el sistema sin una persona, en agentes de IA con control humano.
PILOTO DE IA: [nombre del proceso] Dueño (firma el resultado): [nombre y cargo] Fechas: inicio [dd/mm] - fin [dd/mm] (fecha de fin fija) 1. ALCANCE - Qué hace la IA: [p. ej., extraer 8 campos de facturas en PDF y proponer el asiento] - Qué NO hace en el piloto: [p. ej., no contabiliza sin revisión, no toca pagos] - Entradas incluidas: [canal, tipos de documento, proveedores] - Entradas excluidas: [...] - Quién lo usa: [personas y rol] 2. CONJUNTO DE PRUEBA - N.º de casos: [n], periodo de origen: [meses] - Cómo se eligen: [proporcional a la realidad, raros incluidos] - Respuesta correcta anotada por: [persona], antes de ver el resultado de la IA - Casos reservados que no se usan para ajustar: [n] 3. MÉTRICAS Y UMBRALES Métrica Línea base Umbral para aceptar Precisión en campos críticos [%] >= [%] Casos que pasan a revisión - <= [%] Errores graves sin detectar [n] [n] (normalmente 0) Tiempo por caso (con revisión) [min] <= [min] Coste por caso [€] <= [€] 4. CRITERIOS DE DECISIÓN - Se pasa a producción si: [se cumplen todos los umbrales] - Se permite UN ajuste (máx. [n] semanas) si: [falla una métrica no grave] - Se para si: [error grave repetido / precisión < [%] / ...] 5. PASO A PRODUCCIÓN - Fase 1, en sombra: la IA propone, nadie usa su resultado ([n] semanas) - Fase 2, asistido: la persona valida todo antes de grabar - Fase 3, autonomía por tramos: [qué casos pasan sin revisión] - Seguimiento mensual: [métricas del punto 3] - Cómo se vuelve atrás: [procedimiento manual y quién lo activa] Firma del dueño: ____________ Fecha: ________
Ejemplo ilustrativo, sin cliente detrás y con cifras supuestas. Una empresa prueba la lectura de facturas de proveedor en PDF; el caso completo está en automatizar facturas de proveedores con IA.
| Elemento | Diseño | Resultado supuesto |
|---|---|---|
| Conjunto de prueba | 400 facturas de los últimos 3 meses; 100 reservadas | - |
| Precisión en importe y NIF | Umbral ≥ 98 % | 98,6 %: cumple |
| Errores graves sin detectar | Umbral 0 | 0: cumple |
| Casos a revisión | Umbral ≤ 20 % | 27 %: no cumple (los escaneos de dos proveedores) |
| Tiempo por caso con revisión | De 4 a ≤ 1,5 min | 1,8 min: no cumple, por las revisiones |
| Decisión | Un ajuste de dos semanas permitido | Se pide a esos dos proveedores la factura en PDF nativo y se vuelve a medir |
Nótese que la decisión sale sola, sin reunión para discutir si «ha ido bien»: estaba escrita. Para saber cuánto vale ese 1,5 minutos por factura, pásalo por la calculadora de ahorro o por cómo medir el ROI de la IA.
Si piensas en el futuro bono de IA del Plan IA360, el plan describe identificar un caso de uso concreto y medir después su impacto en productividad, que es lo que deja documentado un piloto así. El estado del bono, en agente homologado IA360.
La prueba de concepto demuestra que algo se puede hacer con una muestra de datos. El piloto demuestra que funciona en tu proceso, con tus datos reales y tu equipo, durante un tiempo fijo y contra criterios de aceptación escritos antes de empezar.
Normalmente cinco: precisión en los campos críticos, porcentaje de casos que van a revisión humana, errores graves sin detectar, tiempo por caso incluida la revisión y coste por caso. Cada una con su umbral escrito antes de medir.
Como orientación, unos cientos de casos reales y recientes, con la misma mezcla que la realidad y con los casos raros incluidos. Conviene reservar una parte que no se use para ajustar y medir con ella al final.
Lo justo para cubrir la variación normal del proceso, con fecha de fin fija. En procesos administrativos con volumen diario suelen bastar unas semanas; si hay picos de fin de mes, el piloto debe incluir un cierre.
Aplica lo que escribiste antes: si falla una métrica no grave, un único ajuste con plazo cerrado y nueva medición; si hay errores graves repetidos o la precisión queda muy lejos, parar o reducir el alcance a los casos que sí funcionan.
Por fases: primero en sombra, sin usar el resultado; después asistido, con una persona que valida cada caso; y por último autonomía por tramos para los casos de menos riesgo, con las mismas métricas revisadas cada mes y una forma documentada de volver al método manual.
En el diagnóstico gratuito de 45 minutos elegimos el proceso, las métricas y los umbrales que tendrían sentido en tu empresa. Sin compromiso.
Escríbenos por WhatsApp