Una hoja de ruta de IA que pone en marcha un flujo de trabajo y después el siguiente

¿Qué es una hoja de ruta de IA?

Es un plan de ejecución, no una presentación de estrategia. Mientras una estrategia indica qué áreas de la empresa podrían usar IA, un roadmap de implementación indica qué flujo de trabajo se desarrolla primero, con qué sistemas se conecta, quién aprueba sus resultados y qué debe cumplirse antes de pasar a la siguiente fase.

Las fases siguientes son las que usamos en nuestros propios desarrollos. Cada una tiene una prueba de salida redactada en términos sencillos, para que el equipo sepa cuándo ha terminado una fase y el patrocinador vea el avance sin leer código.

¿Cómo elegir el primer flujo de trabajo que automatizar?

Elija una tarea que ocurra a menudo, siga reglas que puedan ponerse por escrito y tenga una cifra que pueda medir hoy. Los buenos primeros candidatos son repetitivos y acotados: atender llamadas entrantes fuera de horario, registrar facturas de proveedores en QuickBooks, enrutar nuevos leads en HubSpot o extraer campos de formularios a una hoja de cálculo o al ERP.

Evite empezar por el proceso más visible o más político. Un primer desarrollo debe ser reversible, de modo que, si no rinde, el equipo simplemente vuelva al método anterior mientras se corrige el problema. Puntuamos a los candidatos con cuatro preguntas antes de recomendar uno.

Esta demanda no es inusual. La cualificación y el seguimiento de leads, la resolución de consultas de soporte, la atención telefónica y las llamadas fuera de horario, el procesamiento de documentos hacia sistemas y la incorporación de empleados figuran como los flujos de trabajo que más piden las pequeñas y medianas empresas en 2026, y todos encajan bien con las cuatro preguntas anteriores.

• Volumen: ¿ocurre suficientes veces a la semana como para que importe?
• Reglas: ¿podría aprenderlo una persona recién contratada con una guía de una página?
• Línea base: ¿conocemos hoy los minutos por tarea y la tasa de errores?
• Responsable: ¿hay una persona que aprobará los resultados y aceptará el resultado final?

¿Se necesitan datos limpios antes de iniciar un plan de implementación de IA?

No, pero sí acceso y un mapa claro de dónde está cada campo. La mayoría de las empresas tienen registros inconsistentes, y un sistema bien construido lo da por hecho: valida lo que lee, marca lo que no puede resolver y envía esos casos a una persona.

En esta fase reunimos las credenciales de API o las cuentas de servicio de cada sistema, mapeamos los campos de origen con los de destino (por ejemplo, el total de una factura en PDF con una línea de factura de proveedor en NetSuite) y recopilamos una muestra de entradas reales, incluidas las desordenadas. Esa muestra se convierte en el conjunto de evaluación que se usa en todas las fases posteriores.

Aquí también se deciden los permisos. El sistema debe tener el acceso mínimo que le permita hacer su trabajo, como acceso de lectura a una biblioteca de SharePoint en lugar de a todo el tenant, y acceso de escritura solo a los objetos que actualiza.

¿Qué ocurre durante la fase de desarrollo?

El desarrollo convierte el proceso mapeado en un flujo en funcionamiento con un disparador definido, unos pasos de procesamiento y una escritura de vuelta. Un flujo típico arranca con un disparador (un nuevo correo, el envío de un formulario, un archivo que llega a Google Drive, una llamada entrante por Twilio), recupera el contexto que necesita, llama al modelo con un esquema de salida estructurada, valida el resultado y lo escribe en el sistema de destino o lo coloca en una cola de revisión humana.

Ejecutamos el conjunto de evaluación tras cada cambio relevante en los prompts, la recuperación o la elección de modelo, para que una corrección en un punto no rompa otro sin que nadie lo note. Los umbrales de confianza deciden qué pasa directamente y qué espera a una persona, y cada prompt y cada salida se registran para poder rastrear cualquier decisión más adelante.

En esta fase también se eligen las herramientas. Una herramienta de flujos de trabajo como n8n, Make o Zapier encaja con flujos basados en eventos entre sistemas SaaS, mientras que LangChain o LangGraph en Python encajan con agentes que necesitan llamadas a herramientas personalizadas y estado. En cualquier caso, el código, los flujos y los prompts residen en sus cuentas y su repositorio, no en los nuestros.

• Disparador y entrada, con comprobación de duplicados.
• Recuperación con citas cuando las respuestas dependen de sus documentos.
• Salida estructurada y reglas de validación a nivel de campo.
• Cola de revisión humana para elementos de baja confianza o de alto valor.
• Registro de prompts, salidas y costo por tarea.

¿Cómo se debe probar antes de pasar a producción?

Ejecute primero el nuevo sistema en modo sombra, procesando trabajo real en paralelo mientras las personas siguen haciendo la tarea como siempre. Los resultados se comparan uno junto al otro, las discrepancias se revisan y el conjunto de evaluación crece con cada nuevo patrón de fallo detectado.

El modo sombra termina cuando la tasa de errores y la proporción de elementos enviados a revisión están dentro de los objetivos acordados en la fase uno. Antes del lanzamiento también ensayamos la reversión: desactivar el disparador, devolver el trabajo a las personas y confirmar que nada queda a medio escribir en el CRM o el ERP.

¿Qué ocurre después del lanzamiento?

El lanzamiento da paso a la fase de monitorización, no al final del proyecto. Las alertas saltan ante llamadas a API fallidas, costos por tarea inusuales, picos en el volumen de revisión y datos desactualizados, y un informe mensual compara el volumen, la precisión y el tiempo ahorrado con la línea base de la fase uno.

Asigne la monitorización a un responsable concreto de su lado. Las alertas que llegan a una bandeja compartida que nadie lee equivalen a no tener alertas, así que las dirigimos al responsable del flujo de trabajo y a TI, con un breve manual de operación que indica qué revisar primero y cuándo apagar el sistema.

Cuente con el mantenimiento. Los proveedores de modelos retiran y sustituyen modelos, los nombres de campo cambian cuando alguien edita el CRM y llegan nuevos formatos de documentos de los proveedores. Cada cambio se prueba con el conjunto de evaluación antes de publicarse. Cuando el primer flujo de trabajo es estable y se está amortizando, la hoja de ruta se repite con el siguiente, normalmente más rápido porque el acceso, los registros y las pantallas de revisión ya existen.

Entre nuestros casos de éxito figura una consultora regulatoria cuya herramienta de cumplimiento redujo la elaboración de informes de estado a menos de 15 minutos, en lugar de 4-5 horas. Ese tipo de cifra de antes y después es exactamente lo que debe mostrar el informe posterior al lanzamiento de cada flujo de trabajo.

¿Cuánto dura una hoja de ruta de IA?

Depende más del alcance que de la tecnología. La guía 2026 de Softude indica que un caso de uso suele llevar de 3 a 5 meses y que los despliegues en varios departamentos llevan de 6 a más de 12 meses.

Un alcance acotado acorta cada fase: un disparador, uno o dos sistemas conectados, un conjunto de evaluación modesto y un único responsable que aprueba. Dimensionamos el plazo en la revisión gratuita y lo fijamos junto con el precio, y nuestra guía de costos de implementación explica qué determina ambos.

¿Qué comprobaciones de cumplimiento deben estar en la hoja de ruta?

Incluya las comprobaciones de cumplimiento en la fase dos, antes de cualquier desarrollo, porque pueden cambiar qué proveedores se le permite usar. Según la HIPAA, cualquier proveedor de IA que maneje información de salud protegida necesita un Business Associate Agreement (BAA) firmado, y los principales proveedores de modelos solo firman BAA en determinados niveles de API o empresariales, no en los planes para consumidores.

Los flujos de voz tienen sus propias reglas. La FCC dictaminó el 8 de febrero de 2024 que las voces generadas por IA cuentan como voces artificiales según la TCPA, por lo que las llamadas salientes que las usan requieren consentimiento previo expreso. Si los resultados de su IA llegan a personas en la UE, las obligaciones de transparencia del artículo 50 de la Ley de IA de la UE se aplican desde el 2 de agosto de 2026. En Colorado, la SB 26-189 regula la toma de decisiones automatizada en decisiones trascendentes a partir del 1 de enero de 2027. Esto no es asesoramiento jurídico; confirme los detalles con su asesor legal.