Recursos ·

Cómo elegir una consultora de IA para pymes (y cuándo no hace falta IA)

Antes de comparar proveedores, comprueba si el problema necesita inteligencia artificial. Si una regla clara, una integración con el sistema que ya tienes o un cambio de proceso lo resuelve mejor, esa vía debe prevalecer: no hace falta un modelo, y a menudo tampoco «una consultora de IA».

Si la IA sí se justifica —porque hay variabilidad real, documentos o conocimiento interno que una regla no cubre—, exige que empiecen por el proceso y una métrica de negocio, que evalúen el sistema con ejemplos y umbrales antes de ponerlo en producción, que haya control humano cuando el error importa, y que lo dejen funcionando dentro de tu operación, no en una demo aislada.

El siguiente paso no es una demostración ni un pack de agentes. Es un diagnóstico técnico de dos semanas, a precio fijo y sin obligación de continuar, que también puede concluir que no hace falta IA.

Pregunta

La primera pregunta no es qué consultora, sino si hace falta IA

«Hay que implantar IA» se oye ahora en muchas pymes. Llegan ofertas de agentes, de asistentes de WhatsApp y de automatizaciones no-code. Algunas pueden ser útiles. Otras venden un modelo para un problema que se resuelve con una regla, con una integración o con un cambio de proceso.

Elegir una consultora de IA sin haber comprobado si hace falta un modelo es empezar por el final. La primera decisión no es quién te lo construye. Es si el problema necesita inteligencia artificial, o si necesita otra cosa.

En NextThink no somos solo una consultora de IA. Diagnosticamos el cuello de botella y, cuando se justifica, construimos software a medida o IA aplicada y la dejamos operando dentro del proceso. Si una regla, una integración o un sistema propio sin modelo resuelven mejor el problema, esa es la recomendación. La complejidad de un modelo solo se justifica cuando mejora el resultado.

Sin modelo

Cuándo no hace falta IA

Hay señales bastante claras de que no hace falta un modelo:

  • El flujo es estable y se puede expresar con una regla: si ocurre A, hay que hacer B. Una condición, un umbral o una validación del sistema que ya usas suelen bastar.
  • El cuello de botella es que dos programas no se hablan, y alguien copia datos de un sitio a otro. Ahí la solución es una integración, no un modelo que «entienda» lo que ya está estructurado.
  • El proceso es propio y un programa de catálogo no lo representa. En ese caso suele hacer falta un sistema a medida, no un asistente encima de la hoja de siempre.
  • El trabajo ocurre pocas veces o ya se resuelve en poco tiempo. Meter un modelo añade coste, mantenimiento e incertidumbre sin devolver casi nada.
  • El ERP o la herramienta que ya tenéis cubre el caso, y lo que falta es configurarlo o usarlo de verdad.

Un ejemplo publicado es el de Tamevi. El problema era concreto: presupuestar trabajos de carpintería de aluminio y obtener la hoja de corte, partiendo de la plantilla que el equipo ya utilizaba. La solución no fue un modelo que interpretara presupuestos. Fue un sistema a medida construido alrededor de esa plantilla, que conecta el presupuesto con la información necesaria para la hoja de corte.

«Les llevamos un problema muy concreto —presupuestar carpintería de aluminio con su hoja de corte— y NextThink no nos vendió una promesa: montaron un sistema que lo resuelve desde nuestra propia plantilla.»

José María Rodríguez, CEO de Tamevi SL

El resultado que hemos publicado es cualitativo: Tamevi dispone de un sistema que resuelve el problema desde su propia plantilla. No atribuimos a este caso métricas ni el importe del encargo, y no es un caso de inteligencia artificial. Sirve para ver la diferencia: cuando el proceso es propio y estable, un sistema que lo representa suele ser más claro —y más controlable— que un modelo.

Otro ejemplo, sin identificar al cliente y sin cifrar el encargo, es integrar un sistema propio con Sage X3 para crear contenedores, facturas y expediciones. No hace falta un modelo para escribir en el ERP lo que el proceso ya sabe. Hay que acordar qué documento se crea en cada paso, qué datos exige Sage, quién valida el resultado y qué ocurre si una expedición se queda a medias o una factura no se genera. En NextThink automatizamos cualquier proceso en Sage —y en sistemas equivalentes—: no un intercambio puntual de ficheros, sino el flujo que debe quedar operando contra el ERP, con sus reglas, sus validaciones y sus excepciones. Si eso es lo que os falta, conservad el ERP y conectadlo; no lo sustituyáis por un «agente». Lo explicamos con más detalle en software a medida o ERP.

En ambos casos se empieza por el proceso, no por la herramienta. La IA puede llegar después, o no llegar.

Con modelo

Cuándo sí tiene sentido implantar IA

La inteligencia artificial aporta cuando lo que entra no es siempre igual y una regla se queda corta. Suele ocurrir en tres situaciones:

  • Hay que clasificar o extraer información de documentos o mensajes que llegan en formatos distintos: facturas de proveedores que no comparten plantilla, correos escritos en lenguaje libre, expedientes con anexos heterogéneos.
  • Hay que buscar y responder sobre conocimiento interno —manuales, procedimientos, histórico— con las fuentes a la vista y respetando quién puede ver qué.
  • Hay que preparar un trabajo repetible que hoy exige leer, resumir o priorizar, y una persona sigue tomando la decisión. El asistente prepara; no oculta la decisión ni la firma en silencio.

En todos esos casos, la IA tiene que vivir dentro del proceso: el ERP, el flujo de taller, las aprobaciones, el buzón o la cola que ya usáis. Una demo aislada, con datos de ejemplo y sin conexión a vuestros sistemas, no demuestra que el trabajo diario vaya a mejorar.

Y si entra IA, entran también la evaluación y el control humano. Un modelo no se comporta igual siempre, y el coste de un error no es el mismo si resume un correo interno que si propone una factura o una expedición. Antes de confiar, hace falta un conjunto de ejemplos reales, unos criterios de calidad y un umbral. Cuando el impacto de equivocarse lo requiere, hace falta una aprobación o un escalado dentro del flujo, no una corrección improvisada al final.

Eso es lo que entendemos por IA aplicada: integrada en un proceso, no una demostración suelta. Si el problema no tiene esa variabilidad, o si una regla lo resuelve con menos riesgo, no la proponemos.

Exigencias

Qué exigir si vas a contratar

Si, después de lo anterior, la IA sí se sostiene, entonces sí toca elegir con quién trabajáis. No hace falta una lista interminable de preguntas. Sí hace falta que la propuesta deje escritas estas cosas. Si no puede, todavía no se puede comparar.

Que empiecen por el proceso y por una métrica de negocio, no por la herramienta. Una propuesta seria describe cómo trabajáis hoy, qué se mide y qué tendría que cambiar para considerar útil la solución. Quien llega con un agente o una plataforma ya elegida, antes de haber visto el flujo, está vendiendo lo que tiene, no lo que hace falta. La demo, por sí sola, no basta: está hecha para parecer que funciona.

Que comparen la IA con una regla o una integración, y sepan recomendarte que no la uses. Si quien te asesora solo gana si hay modelo, el diagnóstico está sesgado. Pregunta qué alternativa barajarían si la IA no mejorara el resultado, y qué harían si una integración o un cambio de proceso bastaran. La respuesta tiene que poder ser «no hace falta IA».

Un conjunto de evaluación y unos umbrales antes de producción. No basta con «lo vamos midiendo». Antes de dejar el sistema en la operación tienen que existir ejemplos representativos —casos normales y casos difíciles—, criterios de calidad y un umbral a partir del cual se sigue, se ajusta o se para. Sin eso, cualquier prototipo puede parecer un éxito.

Aprobación o escalado humano cuando el error tiene impacto. El control humano no es un eslogan. Es una persona que aprueba, deriva o muestrea dentro del flujo, con un criterio acordado. Pregunta en qué pasos interviene, qué pasa si el sistema no está seguro y cómo se registra una incidencia.

Conexión con los sistemas que ya existen, y seguimiento de errores y coste una vez desplegado. Una solución que no escribe ni lee en el ERP, el correo o la herramienta de trabajo suele quedarse en una prueba. Cuando esté en producción, alguien tiene que ver los errores, el uso y el coste. Si no hay forma de observarlos, no hay forma de decidir si conviene mantenerla.

De quién son el código, las cuentas y los datos, y cómo se sale. Las automatizaciones, los accesos y la documentación deben quedar a nombre de tu empresa. Pregunta dónde se procesan los datos, qué proveedores hay debajo y cómo recuperas todo si dejáis de trabajar juntos. Una afirmación general de que se cumple la normativa no sustituye esa conversación.

Que quien diagnostica sea quien construye, o que eso quede por escrito. No es lo mismo un informe que una implantación. Si el equipo comercial no es el que va a ejecutar, o si la construcción se subcontrata, debe estar dicho antes de firmar. También debe quedar claro quién mantiene lo implantado cuando el proyecto termina.

Estas exigencias sirven para cualquiera, también para nosotros.

Diagnóstico

Un diagnóstico antes de encargar el proyecto

La forma honesta de acotar la respuesta no es elegir un proveedor o un modelo a ciegas. Es revisar el proceso, los datos y los sistemas, y salir con alternativas que se puedan defender —incluida la de no usar IA o no construir.

En NextThink ese trabajo es un diagnóstico técnico de dos semanas, a precio fijo y sin obligación de continuar. Al terminar, el equipo tiene un mapa del problema, los riesgos priorizados, opciones de solución y un roadmap con dependencias y criterios para validar cada etapa. Puede concluir que no hace falta IA, que basta una integración, que conviene un sistema propio o que no hay que construir. El entregable sirve para decidir y ejecutar, también si la implementación la hace el equipo interno u otro proveedor.

No prometemos un modelo. Prometemos una decisión defendible. Si el diagnóstico dice que una regla, una configuración del ERP o un software a medida resuelven mejor el problema, esa es la recomendación.

La primera conversación dura treinta minutos y no exige un documento formal. Si el diagnóstico encaja, cuéntanos el cuello de botella.

Decisiones

Preguntas frecuentes

¿Cómo elegir una consultora de IA para una pyme?

Antes de comparar proveedores, comprueba si el problema necesita inteligencia artificial. Si una regla clara, una integración con el sistema que ya tienes o un cambio de proceso lo resuelve mejor, esa vía debe prevalecer: no hace falta un modelo, y a menudo tampoco «una consultora de IA». Si la IA sí se justifica —porque hay variabilidad real, documentos o conocimiento interno que una regla no cubre—, exige que empiecen por el proceso y una métrica de negocio, que evalúen el sistema con ejemplos y umbrales antes de producción, que haya control humano cuando el error importa, y que lo dejen funcionando dentro de tu operación, no en una demo aislada.

¿Hace falta una consultora de IA?

No siempre. Si el proceso es estable, si basta una integración o un sistema a medida, o si el equipo puede resolver un caso sencillo con las herramientas que ya tiene, no hace falta contratar a nadie para «implantar IA». Un equipo que diagnostique y construya tiene sentido cuando no está claro por dónde empezar, cuando el proceso cruza varios sistemas o cuando la IA, si se justifica, hay que dejarla en producción con evaluación y control.

¿Cuándo no hace falta IA en una pyme?

Cuando el flujo es estable y se puede expresar con una regla, cuando basta conectar el ERP o el sistema que ya usas, o cuando el cuello de botella es un proceso propio que un software a medida representa mejor que un modelo. Un ejemplo publicado es Tamevi: el presupuesto y la hoja de corte se resolvieron con un sistema construido a partir de su plantilla, no con IA. Otro, sin identificar al cliente, es integrar un sistema propio con Sage X3 para crear contenedores, facturas y expediciones. La complejidad de un modelo solo se justifica cuando mejora el resultado.

¿Qué preguntar antes de contratar?

Que empiecen por el proceso y una métrica de negocio, que comparen la IA con una regla o una integración, que tengan un conjunto de evaluación y umbrales antes de producción, que haya control humano cuando el error importa, que lo conecten a vuestros sistemas y lo observen después, de quién quedan el código, las cuentas y los datos, y si quien diagnostica es quien construye.

¿Cómo se evalúa un sistema de IA antes de ponerlo en producción?

Con ejemplos representativos, criterios de calidad y umbrales acordados antes de desplegarlo. Después hay que seguir los errores, el uso y el coste sobre casos reales. Una demostración con datos de ejemplo no sustituye esa evaluación. Si el impacto de un error lo requiere, la aprobación humana forma parte del diseño, no de un arreglo posterior.

¿El diagnóstico obliga a continuar con el mismo equipo?

No. En NextThink el diagnóstico dura dos semanas, tiene precio fijo y no obliga a continuar. El entregable vale aunque la implementación la haga otro equipo.

¿Por dónde empezar sin encargar un proyecto de IA a ciegas?

Con un diagnóstico del proceso, los datos y los sistemas, que compare alternativas —incluida la de no usar IA o no construir— y deje un plan reutilizable. En NextThink ese trabajo dura dos semanas, tiene precio fijo y no obliga a continuar; el entregable vale aunque la implementación la haga otro equipo.

Si te están ofreciendo un agente o no sabes si el problema necesita un modelo, empecemos por el diagnóstico.

Cuéntanos el cuello de botella.

En una primera conversación de 30 minutos entendemos el problema y te decimos con claridad si podemos ayudar.