¿Por qué hace falta un método para esto?
Porque los proyectos de IA que arrancan en la dirección equivocada no fracasan enseguida. Fracasan dos semanas después, cuando ya has metido tiempo y cuesta dar marcha atrás. Las cuatro preguntas cuestan un minuto, y son exactamente esas dos semanas lo que ahorran.
Coge la tarea concreta y recórrelas.
1. ¿Tengo el material con el que puede trabajar?
El modelo no conoce los datos de tu empresa y no sabe nada de lo que pasa hoy. De aquello sobre lo que no tiene información, conjetura — y con aplomo.
- Sí, si puedes darle el documento, el correo, la hoja de cálculo, la grabación.
- Sí, si tiene búsqueda y la respuesta es información pública.
- No, si la respuesta está en tu cabeza, en la de un compañero o en un sistema al que no llega.
Si no: no descartes la tarea. Primero haz accesible el material. Muchos «proyectos de IA» se juegan de verdad en este paso.
2. ¿Reconocería una respuesta equivocada?
Esta es la más importante de las cuatro.
- Sí, si se ve de un vistazo: si un resumen es fiel, si el tono de un correo es el adecuado, si un código funciona.
- Sí, si hay con qué comparar, o si hay una prueba que te lo diga.
- No, si la respuesta es una cifra, una fecha, una norma o una referencia que tú tampoco te sabes de memoria.
Si no: o le incorporas comprobación — una cita a la fuente, un contraste con una segunda ejecución — o lo pones detrás de una aprobación humana. Sobre una salida que no se puede comprobar no se debe montar automatización.
3. ¿Qué pasa si se equivoca?
No todos los errores son iguales.
- Error barato: un borrador malo que reescribes. Una idea mala que descartas. Adelante sin dudarlo.
- Error caro: un precio equivocado en un presupuesto, un correo enviado al cliente por error, un asiento contable mal, datos borrados.
Si es caro: la pregunta no es si el modelo es fiable, sino dónde puedes atrapar el error antes de que cause daño. Un paso de aprobación antes del envío sale más barato que cualquier modelo más potente.
4. ¿Cuántas veces se va a ejecutar?
Esta no es una pregunta de calidad, sino de economía — y decide la mitad del caso.
- Una vez o unas pocas: no automatices. Abre el chat, hazlo y listo. Lo más caro que puedes construir es una automatización de cuarenta horas para una tarea que sale dos veces al año.
- Muchas veces al día: aquí la inversión compensa — pero aquí importan el tamaño del modelo y los tokens. De eso trata Training o inference .
- Miles de veces al día: llegados a ese punto, hay que rediseñar el proceso, no resolver la tarea.
Cómo leer el resultado
Cuatro síes → hazlo, ahora.
No en la pregunta 1 → resuelve primero el acceso a los datos. Muchas veces eso no es tarea de IA.
No en la pregunta 2 → hazlo comprobable, o pon a una persona al final. Si no puede ser ninguna de las dos, esto no es tarea de IA.
Error caro en la pregunta 3 → adelante, pero con aprobación. No ahorres en control al principio.
Pocas ejecuciones en la pregunta 4 → hazlo a mano con IA; no montes un sistema.
Dos trampas frecuentes
«Ya lo resolverá un modelo mejor.» Si la respuesta a la pregunta 1 o a la 2 es no, cambiar de modelo no ayuda — la mayoría de los límites son estructurales, mira la lista de Para qué no sirve la IA. La falta de datos sigue siendo falta de datos; lo no comprobable sigue sin ser comprobable.
«Hagamos el proceso entero de una vez.» Un proceso largo tiene muchos pasos, y cada paso responde por separado a las cuatro preguntas. Normalmente habrá dos o tres que sean tareas perfectas de IA y otros que no. Divídelo y automatiza solo las partes buenas.
Un ejemplo desarrollado
«Que la IA clasifique y responda los correos que llegan a atención al cliente.»
Vamos paso a paso en lugar de todo junto.
- Clasificar. Material: el correo, lo hay. ¿Detectaría el fallo?: sí, por muestreo. Coste del error: pequeño, va a la carpeta equivocada. Frecuencia: muchos al día. → Cuatro síes, automatízalo.
- Redactar una propuesta de respuesta. Material: el correo y la base de conocimiento, los hay. ¿Lo detectaría?: sí. Coste del error: medio. Frecuencia: muchos al día. → Adelante, pero como borrador.
- Enviar la respuesta. Coste del error: caro e irreversible. → Que lo apruebe una persona, al menos los primeros meses.
La misma tarea, tres respuestas distintas. Si preguntas por ella en bloque, solo cabe una respuesta equivocada.
Qué llevarte
¿Tiene material? ¿Detectaría el fallo? ¿Cuánto cuesta el error? ¿Cuántas veces corre? Cuatro preguntas, un minuto — y la mayoría de los proyectos de IA fallidos se habrían filtrado ya aquí.