Un proveedor te ofrece "una solución con inteligencia artificial" para tu negocio. Suena bien, el precio no es descabellado y todo el mundo dice que hay que subirse.
Antes de firmar, hacé una prueba de treinta segundos: abrí tu sistema y fijate cuántas existencias dice que tenés de tu producto más vendido. Después andá a la bodega y contalo.
Si no coincide, ya sabés la respuesta. La IA no arregla datos malos: los usa y te devuelve conclusiones equivocadas con mucha seguridad.
Lo corto
Cinco condiciones, y hacen falta todas: datos confiables, proceso definido, volumen, alguien que supervise y un problema concreto.
El dato confiable es la eliminatoria. Sin eso, todo lo demás da igual.
Volumen bajo no justifica el esfuerzo. Algo que pasa dos veces al mes no se automatiza.
Si nadie puede revisar el resultado, no estás listo.
No estar listo no es un fracaso. Es saber cuál es tu siguiente paso real.
Las cinco condiciones
1. Datos confiables. La condición que elimina a la mayoría.
¿El inventario del sistema coincide con la bodega?
¿Hay productos duplicados?
¿Los costos están cargados y actualizados?
¿Las ventas se registran todas, el mismo día?
2. Proceso definido. Si el trabajo se hace distinto según quién esté de turno, no hay nada que automatizar todavía. Primero se define, después se automatiza.
3. Volumen suficiente. La IA rinde donde hay repetición. Si la tarea ocurre 5 veces al mes, el tiempo de configurarla nunca se recupera.
4. Alguien que supervise. Una persona que pueda mirar el resultado y darse cuenta de que está mal. Si nadie puede juzgar la salida, no se puede usar.
5. Un problema concreto. "Queremos usar IA" no es un problema. "Se nos van 80 horas escribiendo descripciones de producto" sí lo es.
Hacé las pruebas, no las estimaciones
Cada condición tiene una prueba de diez minutos:
Datos: contá 10 productos de alta rotación y compará con el sistema. Si fallan más de 2, no estás listo.
Proceso: preguntale a dos personas distintas cómo se hace la tarea. Si contestan distinto, no está definido.
Volumen: contá cuántas veces por semana ocurre. Menos de 20 rara vez justifica el esfuerzo.
Supervisión: preguntá quién revisaría. Si la respuesta es "nadie" o "el proveedor", no estás listo.
Problema: escribilo en una frase con un número. Si no podés, no hay caso de uso.
Qué hacer si no estás listo
Que es lo más probable, y está perfectamente bien. La secuencia sensata es esta:
Primero, datos confiables. Catálogo limpio, inventario que cuadra, ventas registradas. Esto solo ya cambia tu negocio, con o sin IA.
Después, procesos definidos. Que las cosas se hagan igual sin importar quién esté.
Después, reportes que sirvan. Saber qué se vende, qué deja margen y qué está parado.
Y recién ahí, IA sobre una tarea repetitiva concreta.
Saltarse los tres primeros pasos es la razón número uno por la que los proyectos de IA en negocios pequeños no producen nada.
Ponele número a los dos caminos
Comparalo con cifras. Un negocio que vende C$ 500,000.00 mensuales:
Camino A: IA sobre datos malos. Se paga la herramienta, se configura, y las sugerencias de compra salen equivocadas porque el inventario no cuadra. Resultado: gasto sin retorno y desconfianza en la herramienta.
Camino B: ordenar primero. Bajar las ventas perdidas por faltante de 10 a 3 mensuales, a C$ 900.00 promedio, son C$ 75,600.00 al año. Sin IA, solo con datos confiables.
Y después del camino B, la IA sí tiene sobre qué trabajar.
Cómo saber si estás listo
Las cinco condiciones en verde, probadas y no estimadas.
Podés nombrar la tarea específica y cuántas veces por semana ocurre.
Sabés quién va a revisar los resultados.
Tenés medido cuánto tiempo toma esa tarea hoy.
Si la herramienta falla, sabés cómo se hacía antes y podés volver.
Lo que sí podés hacer hoy sin estar listo
No estar listo para una solución de IA integrada a tu operación no significa que no puedas usar nada.
Hay usos de nivel personal que no tocan tus datos ni tu sistema, y que cualquiera puede empezar mañana:
Redactar textos: promociones, respuestas a reseñas, publicaciones, correos a proveedores.
Entender documentos: pegarle un contrato o una cotización y pedirle que te explique qué dice en criollo.
Preparar preguntas antes de una reunión con un proveedor de sistemas.
Aprender: pedirle que te explique un concepto que no manejás, con ejemplos de tu rubro.
Todo eso entra en la categoría libre, no requiere datos confiables y empieza a familiarizar al equipo con la herramienta. Cuidando siempre no subir información sensible del negocio.
Errores comunes
Creer que la IA arregla los datos. Los usa; no los corrige.
Comprar por moda o por miedo a quedarse atrás.
Automatizar un proceso indefinido. Multiplicás la inconsistencia.
No asignar a nadie para revisar. Los errores llegan al cliente.
Compararte con casos de empresas gigantes. Lo que hace una multinacional con miles de datos diarios no aplica a un local de mostrador.
Empezá esta semana
Hacé la prueba de los 10 productos: contalos y comparalos con el sistema. En diez minutos vas a tener la respuesta más honesta sobre si tu negocio está listo para IA o si tu siguiente paso es otro.
Si el resultado te dice que primero hay que ordenar la base, eso es Tienda en Control. Y si ya tenés sistema pero los datos no son confiables, Acompañamiento Operativo revisa la operación y la endereza.
