Casi todas las guías sobre automatización de procesos repiten lo mismo: qué es, qué beneficios trae y una lista de herramientas. Todo eso es cierto, pero no ayuda a resolver la pregunta que se hace cualquier equipo que quiere empezar: ¿por dónde arranco y cómo sé si funcionó?
Esta guía responde eso. Es el mismo recorrido que hacemos en Axlan cuando encaramos un proyecto de automatización de procesos con IA: elegir un proceso, medirlo, decidir qué tecnología va en cada paso, diseñar qué pasa cuando algo sale mal, llevarlo a producción y medir el resultado.
Qué significa automatizar procesos con IA
Automatizar un proceso es hacer que corra solo de punta a punta: que los datos pasen de un sistema a otro sin que nadie los copie y que cada caso termine resuelto o derivado a la persona correcta. La IA entra en los pasos que antes necesitaban a alguien leyendo algo: un correo, un comprobante, un pedido que llega por WhatsApp, una foto de una factura.
La diferencia importa porque la mayoría de los pasos de un proceso no necesitan IA. Mover una venta del e-commerce al ERP es una integración. Avisarle a un vendedor cuando entra un formulario es un flujo. La IA hace falta donde hay que interpretar contenido que no viene ordenado. Usarla donde no hace falta encarece el proceso y le agrega errores.
Paso 1: elegí el primer proceso
El error más común es empezar por el proceso más visible o por el que más molesta al dueño de la empresa. El primer proceso tiene que ser el que tenga más chances de salir bien, porque de ese resultado depende que el equipo confíe en los siguientes.
Estos son los cinco criterios que usamos para elegirlo:
- Volumen. Se repite muchas veces por semana. Un proceso que ocurre dos veces por mes no justifica el trabajo de automatizarlo.
- Reglas escribibles. Si le pedís a la persona que lo hace hoy que explique cómo decide, puede escribirlo en una página. Si la respuesta es "depende, lo veo en el momento", todavía no está listo.
- Costo del error. Conviene empezar por un proceso donde un error se detecta y se corrige fácil. Dejá para más adelante los que tocan dinero sin revisión o datos que no se pueden deshacer.
- Información digital. Los datos ya llegan en formato digital: correos, PDF, fotos, planillas, mensajes. Si todavía viven en papel, el primer paso es otro.
- Dependencia de una persona. Si el proceso se frena cuando esa persona se toma vacaciones, automatizarlo además reduce un riesgo operativo.
Un proceso que cumple los cinco es un buen candidato. Uno que cumple tres merece un análisis más fino. Si no aparece ninguno claro, una consultoría en IA suele alcanzar para ordenar las prioridades antes de construir.
Procesos administrativos que suelen cumplir los criterios
La automatización de procesos administrativos es, casi siempre, el mejor lugar para empezar:
- Carga de facturas y comprobantes: leer lo que llega por correo o WhatsApp, validarlo e imputarlo en el ERP.
- Conciliación de pagos: cruzar transferencias y comprobantes con los movimientos bancarios y las cuentas de cada cliente.
- Pedidos que llegan por mensajes: tomar el pedido, validarlo contra el catálogo y crear la orden en el sistema.
- Altas de clientes y proveedores: un solo ingreso de datos que llega validado al ERP, al CRM y a facturación.
- Reportes recurrentes: el informe semanal que alguien arma a mano, generado y enviado solo.
Paso 2: medí la línea de base
Antes de tocar nada, medí cómo funciona hoy el proceso. Sin esa foto no hay forma honesta de decir cuánto se ahorró, y la discusión termina en impresiones.
Alcanza con cuatro números, medidos durante un período representativo:
| Métrica | Qué mide | Cómo se obtiene |
|---|---|---|
| Horas por semana | El tiempo que el equipo dedica al proceso | Registro simple de las personas que lo hacen |
| Errores | Datos mal cargados, pagos mal imputados, pedidos perdidos | Correcciones posteriores y reclamos |
| Tiempo de ciclo | Cuánto tarda un caso desde que entra hasta que queda resuelto | Fecha de entrada y fecha de cierre de cada caso |
| Casos sin intervención | Qué parte del volumen se resuelve sin una persona | Hoy es cero; es la métrica que la automatización mueve |
En esta etapa también conviene documentar el proceso tal como es, no como debería ser. Casi siempre aparecen pasos que nadie tenía escritos: la planilla auxiliar, el mensaje de confirmación que alguien manda "por las dudas", la excepción que se resuelve siempre igual.
Paso 3: elegí el tipo de automatización para cada paso
Un proceso no se automatiza con una sola tecnología. Se divide en pasos y cada paso lleva la herramienta que le corresponde. Estos son los cuatro tipos de automatización que usamos:
| Tipo | Cuándo conviene | Ejemplo |
|---|---|---|
| Integración por API | Los sistemas tienen API y hay que mover datos entre ellos | Cada venta del e-commerce entra sola al ERP |
| Flujos con n8n o Make | Pasos simples entre aplicaciones que el equipo quiere ver y tocar | Un formulario crea el cliente en el CRM y avisa al vendedor |
| RPA (robots de software) | Sistemas viejos que solo tienen pantallas, como último recurso | Cargar datos en un sistema sin API |
| Agentes de IA | Pasos que necesitan interpretar un mensaje, un documento o una foto | Leer un comprobante que llega por WhatsApp y registrar el pago |
La regla que aplicamos: API siempre que exista, flujos para lo simple, IA solo donde hace falta criterio y RPA únicamente cuando no queda otra opción. La RPA se rompe cada vez que cambia una pantalla; una integración bien hecha dura años.
Con la herramienta pasa lo mismo. n8n, Make o Zapier sirven cuando el flujo es simple y conviene que el equipo pueda verlo. Cuando el proceso tiene reglas complejas, mucho volumen o datos sensibles, conviene código propio. La herramienta se elige después de entender el proceso, no antes.
Paso 4: diseñá las excepciones y la revisión humana
Acá se juega la calidad de cualquier automatización con IA. Un modelo que lee comprobantes va a encontrar fotos borrosas, montos que no coinciden y documentos que no son lo que dicen ser. La pregunta no es si va a pasar, sino qué hace el sistema cuando pasa.
Tres decisiones a tomar antes de construir:
- Nivel de confianza. Cada lectura de la IA tiene un nivel de confianza. Por debajo de un umbral definido, el caso no se carga: pasa a una cola de revisión con el motivo.
- Validación contra el sistema. Todo dato que la IA extrae se valida contra la fuente antes de registrarse: que el cliente exista, que el monto cierre, que el turno esté libre.
- Derivación a una persona. Hay casos que por definición no resuelve la IA. Hay que listarlos y decidir a quién van y por qué canal.
Diseñar las excepciones primero cambia el proyecto. El objetivo deja de ser "que la IA haga todo" y pasa a ser "que la IA resuelva lo que puede resolver bien y que el resto llegue ordenado a quien corresponde".
Paso 5: llevalo a producción
Un piloto que corre en paralelo para siempre no es una automatización. Llevar a producción significa que el proceso nuevo reemplaza al viejo, con el equipo trabajando sobre él. Lo que recomendamos:
- Arrancá con una parte del volumen. Un tipo de documento, una sucursal, un canal. Ampliá cuando los números acompañen.
- Corré en paralelo un período corto. Un período acotado en el que la automatización procesa y una persona controla el resultado. Sirve para calibrar el umbral de confianza.
- Dejá la cola de revisión en manos del equipo que ya hacía el proceso. Son los que mejor detectan un error y los que tienen que confiar en el sistema.
- Registrá cada acción. Qué leyó la IA, qué decidió, qué cargó y en qué sistema. Sin ese registro no hay forma de auditar ni de mejorar.
- Documentalo y dejalo corriendo en tu infraestructura. Así otro equipo puede mantenerlo si hace falta.
Paso 6: medí el ahorro
Con la línea de base del paso 2, medir el resultado es repetir las mismas cuatro métricas después de la salida a producción:
- Horas por semana que el equipo sigue dedicando al proceso, incluida la revisión de excepciones.
- Errores detectados, comparados con los de antes.
- Tiempo de ciclo de cada caso.
- Casos sin intervención: qué parte del volumen se resolvió de punta a punta sin una persona.
Esta última es la que mejor muestra la evolución. Al principio va a ser conservadora, porque el umbral de confianza arranca alto. A medida que se ajustan reglas con los casos reales, sube. Si no sube, el problema suele estar en reglas que nunca se escribieron del todo, no en el modelo.
Medir también sirve para decidir el siguiente proceso. Con un caso funcionando y números propios, la conversación interna cambia: ya no se discute si la IA sirve, sino cuál es el próximo proceso que cumple los cinco criterios.
Errores comunes al implementar IA en una empresa
- Empezar por la herramienta. Comprar una plataforma y después buscar qué automatizar. El orden correcto es el inverso.
- Poner IA en todos los pasos. Si un paso se resuelve con una integración, usar un modelo lo hace más caro y menos predecible.
- Automatizar un proceso que nadie entiende. Si las reglas no están escritas, la IA tiene que adivinar, y adivina mal.
- No medir antes. Sin línea de base, el resultado queda librado a la opinión de cada uno.
- Olvidarse de las excepciones. Un sistema que no sabe qué hacer con un caso raro lo carga mal o lo pierde.
- Dejar al equipo afuera. Las personas que hacen el proceso hoy son las que conocen las excepciones. Sin ellas, el diseño sale incompleto.
- Depender de un solo proveedor. Si la automatización corre en una cuenta que no es tuya o sin documentación, cambiar de equipo se vuelve un problema.
Por dónde seguir
Si tenés en mente un proceso que cumple varios de los criterios del paso 1, el siguiente movimiento es mirarlo en detalle: qué sistemas toca, qué pasos necesitan IA y cuáles no, y qué excepciones hay que diseñar. Es lo que hacemos en el diagnóstico sin cargo: contanos qué proceso te gustaría no volver a hacer a mano y te decimos si se puede automatizar y con qué tipo de solución. Podés agendar un diagnóstico acá.