Hay una presión enorme por ponerle IA a todo. Y es el camino más caro para equivocarse. No porque la IA no sirva, sino porque sirve muchísimo en unos lugares y hace daño en otros. La habilidad que importa dejó de ser usar IA. Ahora es saber dónde sí y dónde no.
Esa decisión no es un misterio. Hay un criterio y hay datos que lo respaldan.
Por qué no conviene meterle IA a todo
Porque fuera de su terreno, la IA empeora el resultado, y lo hace sin avisar.
Un experimento con 758 consultores de una firma global, publicado en 2026 en una revista académica de administración, lo midió con precisión1. En 18 tareas dentro de lo que la IA hace bien, quienes la usaron completaron 12 % más trabajo, 25 % más rápido y con mejor calidad. En una tarea compleja fuera de esa frontera pasó lo contrario. Quienes usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de acertar que quienes no la usaron1.
Lo delicado es la forma en que falla. Entrega una respuesta fluida, segura y bien redactada que está mal. Si nadie sabía que ese proceso estaba fuera de su frontera, el error pasa derecho. Por eso meterle IA a todo no es ambición. Es riesgo.
Cómo saber en qué procesos conviene usar IA
Con cinco preguntas. Un proceso es buen candidato cuando contesta que sí a la mayoría.
Si es de alto volumen y se repite. Lo que pasa cien veces al día rinde más que lo que pasa una vez al mes.
Si tiene reglas o patrones claros. Donde hay lógica reconocible, la IA rinde. Donde todo es excepción, no.
Si hay datos disponibles y ordenados. Sin datos buenos no hay IA buena.
Si el costo de un error es bajo. Cuando una equivocación se detecta y se corrige fácil, adelante. Cuando es irreversible o cara, cuidado.
La quinta es cuánto juicio humano requiere. Entre menos criterio, contexto y sensibilidad pida el proceso, mejor encaja.
Las cinco se contestan en una tarde con la gente que opera el proceso, no con quien lo dirige. Quien lo opera sabe cuántas veces al día pasa y cuántas de esas son excepción. Quien lo dirige lo cree más regular de lo que es.
En qué procesos casi siempre rinde, en una empresa de servicios
Los candidatos suelen ser los mismos. Redactar documentos y reportes a partir de información que ya existe, contestar preguntas internas frecuentes y buscar conocimiento que anda desperdigado. También preparar primeros borradores de propuestas y analizar datos para encontrar patrones. Todo eso es trabajo de alto volumen, con reglas, con datos y donde un error se corrige fácil. El detalle está en qué se puede automatizar con IA en una empresa de servicios.
El patrón es claro. La IA es muy buena para el trabajo que le quita tiempo a la gente y no necesita su criterio.
Lo que hemos visto en sprints de IA con empresas de servicios es que el primer proceso rara vez es el más vistoso. Es el reporte semanal que alguien arma a mano cada viernes, o la propuesta que se redacta desde cero cuando ya existen veinte parecidas. Ahí el ahorro se nota en la primera semana y nadie tiene que convencer a nadie.
Dónde no meterla
Donde el valor está justo en el juicio humano. La decisión estratégica delicada, la conversación con un cliente molesto, la negociación, el dilema con peso ético, el momento en que alguien necesita sentirse escuchado. Una publicación de una escuela de negocios de Estados Unidos lo plantea así: muchas decisiones viven más allá de los datos y los algoritmos2. Y entre más se difunden las herramientas, más diferenciador se vuelve lo humano, que es el juicio moral, la imaginación y la intuición2.
Los datos de México apuntan a lo mismo. Una revisión de 2025 sobre automatización del trabajo en el país recoge que alrededor del 41 % de los empleos está en ocupaciones de alto riesgo de automatización3. La mayoría son de tareas rutinarias y repetitivas. Las ocupaciones que exigen decidir e interactuar con otras personas son las menos expuestas3. La frontera es la misma. Lo mecánico a la IA y el juicio a las personas. En una empresa de servicios eso incluye la llamada en la que un cliente pide una excepción. Ahí una respuesta fluida y equivocada cuesta la cuenta.
Cómo se prioriza
No proceso por proceso a ciegas, sino con un diagnóstico. Se mapea cómo trabaja la empresa, se pasa cada proceso por las cinco preguntas y se empieza por donde la IA rinde claro y el riesgo es bajo. Eso da resultados rápidos que generan confianza antes de tocar lo delicado. Y algo igual de importante: se deja por escrito dónde la IA no entra, para que nadie la meta por moda.
Ese diagnóstico es lo que hacemos nosotros en procesos con IA. Ayudamos a decidir dónde la IA suma de verdad y dónde es mejor dejar a la gente hacer lo que solo ella sabe hacer. La herramienta llega después, y llega a un proceso que ya se sabe que le toca.
Los 758 consultores del experimento eran buenos en su trabajo y aun así se equivocaron más con la IA en la tarea que no le tocaba. Les faltó el mapa, no el talento, y el mapa se dibuja antes de comprar.
Equipo Flow
Notas
- Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick, Hila Lifshitz, Katherine Kellogg, Saran Rajendran, Lisa Krayer, François Candelon y Karim R. Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403-423. Experimento preregistrado con 758 consultores de Boston Consulting Group. https://doi.org/10.1287/orsc.2025.21838
- Harvard Business Impact (2026). The Irreplaceable Value of Human Decision-Making in the Age of AI. The Leader's Agenda, 30 de enero de 2026. https://www.harvardbusiness.org/insight/january-2026-the-leaders-agenda-the-irreplaceable-value-of-human-decision-making-in-the-age-of-ai/
- Andrés Ultreras-Rodríguez, María Teresa de Jesús De La Paz-Rosales, José David Santana-Alaniz y Alfredo Guadalupe Ramírez-Ortega (2025). Inteligencia artificial y su impacto en la automatización del trabajo en México. Revista Arbitrada Interdisciplinaria Koinonía, 10(19). Artículo de revisión. La cifra de 41.4 % la toma de un informe de la CEPAL. https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2542-30882025000100004
