Una organización puede saber que su proceso de ofertas es lento sin saber si necesita IA. Un marco útil debe ayudarle a tomar esa decisión.
El Mapa de oportunidades de IA es la evolución de BASICS. Parte de un proceso y una brecha de desempeño, compara intervenciones y produce un registro con evidencia, supuestos y el próximo experimento. Es una síntesis práctica de análisis de procesos, experiencia empresarial e investigación publicada. No se ha validado empíricamente como modelo de clasificación.
Descubra mediante procesos y evalúe intervenciones
El proceso es la unidad de descubrimiento, la intervención es la unidad de evaluación y el resultado del proceso es la unidad de éxito.
Una tarea o traspaso puede ser el lugar de implementación. Su mejora debe conectarse con el resultado que entrega el proceso. Ahorrar tiempo fuera de la restricción principal puede liberar capacidad sin mejorar el plazo total.
Empiece con un proceso acotado: de solicitud a oferta aprobada, de pedido a entrega, de incidencia a resolución, de licitación a presentación, incorporación de clientes o de demanda a suministro. Son ejemplos B2B industriales; adapte los nombres y límites a su organización.
Cinco áreas de decisión
| Área | Qué establecer | Qué obtener |
|---|---|---|
| Proceso y resultado | Inicio, fin, cliente, responsable, línea base y brecha | Problema acotado que merece investigar |
| Restricción y evidencia | Esperas, retrabajo, excepciones, traspasos y causas | Hipótesis con explicaciones alternativas |
| Alternativas | Mejoras de proceso, integración, reglas, predicción e IA generativa | Opciones y su mecanismo de mejora |
| Condiciones | Datos, evaluación, autoridad, revisión, integración y adopción | Bloqueos, incógnitas y trabajo habilitador |
| Economía y decisión | Beneficios realizables, costes, plazos y dependencias | Recomendación condicional y próximo experimento |
Profundice según avance la evidencia. No necesita organizar cinco talleres para descubrir si un proceso merece atención.
Diagnostique la causa del síntoma
La espera es un síntoma. Puede deberse a información incompleta, falta de capacidad, autoridad confusa o una política de aprobación. Cada explicación implica una intervención distinta.
Investigue seis tipos de fricción: información, decisiones, creación, coordinación, ejecución y aprendizaje. Busque datos difíciles de encontrar, decisiones pendientes, salidas que requieren retrabajo, traspasos atascados, acciones fallidas y experiencia perdida. Son preguntas de diagnóstico, no pruebas de que la IA encaje.
Para cada afirmación importante, registre fuente, fecha, alcance y responsable. Márquela como desconocida, supuesta, declarada, observada o medida. Un relato largo sigue siendo una declaración. Una medición con muestra pequeña o sesgada puede engañar.
Separe la incertidumbre sobre la causa, el rendimiento de IA, la adopción y la economía. Un caso incompleto puede justificar medición en vez de rechazo.
Compare intervenciones antes de elegir arquitectura
Una entrada estructurada y un responsable claro pueden resolver información pendiente. Una integración puede evitar reescritura. Las condiciones explícitas y estables pueden resolverse con reglas. Los modelos predictivos pueden encajar con pronósticos o clasificación. La IA generativa puede ayudar a interpretar documentos, sintetizar conocimiento o preparar borradores.
Entender, predecir, recomendar, crear, decidir, coordinar y aprender ayudan a describir requisitos. No demuestran que un modelo de lenguaje pueda cumplirlos con fiabilidad en su contexto.
Puede combinar opciones. Un proceso de ofertas puede necesitar mejor entrada, integración, comprobaciones deterministas de precios y extracción de requisitos con IA. La arquitectura y adquisición vienen después. Recuperación, agentes, ajuste de modelos, desarrollo y compra no son opciones excluyentes.
Ejemplo ilustrativo de ofertas
Suponga cinco días de plazo total, una hora de redacción y dos días de espera por aclaraciones técnicas. Son cifras inventadas para explicar el método.
Un asistente de redacción podría ahorrar treinta minutos y dejar casi intacto el retraso del cliente. Investigue qué causa las aclaraciones: especificaciones incompletas, ingeniería saturada o responsabilidad confusa.
Compare mejor entrada y responsabilidad con una opción que extraiga requisitos mediante IA y los conecte a su fuente. Use reglas para compatibilidad y precios cuando sean deterministas. Ingeniería aprueba excepciones y compromisos con clientes.
Mida plazo total, omisiones críticas, revisión, retrabajo y aclaraciones frente a una línea base mejorada sin IA. Menos redacción con igual revisión adicional no libera capacidad neta.
Haga explícita la economía
En otro cálculo ilustrativo, 1.200 casos mensuales con quince minutos netos ahorrados por caso adoptado y un sesenta por ciento de adopción liberan 180 horas mensuales. A un coste supuesto de CHF 70 por hora, representan CHF 12.600 de capacidad. No son automáticamente ahorro en efectivo.
La realización requiere reducción creíble de costes, contratación evitada o reasignación productiva con demanda. Incluya implementación, integración, evaluación, formación, mantenimiento, uso de modelos, supervisión y revisión. Muestre plazos y supuestos bajo, base y alto. Evite contar el mismo beneficio en varias oportunidades o como ahorro e ingreso adicional.
Compruebe condiciones antes del despliegue
Revise autoridad para usar datos y actuar, evaluación adecuada, controles de errores importantes, responsabilidad y adopción por separado del valor potencial. Es la disciplina de decisión propuesta aquí, informada por NIST AI RMF. Un beneficio alto no resuelve una condición crítica pendiente.
Una condición incumplida requiere trabajo habilitador. Una incógnita puede requerir medición. El piloto debe incluir casos representativos, excepciones difíciles, alternativa manual y condiciones explícitas para detener o ampliar.
Termine con un registro de decisión
Cada oportunidad debe indicar proceso, resultado, restricción, evidencia, mecanismo propuesto, alternativas, roles, condiciones, economía y responsable. Haga explícita la próxima decisión: medir primero, pilotar, habilitar primero, elegir una intervención más simple o posponer.
Registre motivo y evidencia que cambiaría la decisión. Identifique dependencias compartidas y beneficios solapados. El resultado debe facilitar una conversación útil con quienes hacen y dirigen el trabajo.
Construya su mapa o use la plantilla en inglés con su equipo.
Investigación y límites
APQC respalda empezar con problemas de negocio y procesos. Es una práctica establecida; el valor del método depende del diagnóstico y las decisiones que facilita.
Dell’Acqua y colegas observaron mejoras de GPT-4 en tareas de consultoría dentro de su capacidad y menor corrección en una tarea fuera de ella. Esto respalda pruebas representativas, con límites por modelo y contexto. No proporciona una calificación genérica de aptitud para IA.
NIST AI RMF Core informa atención al contexto, supervisión, evaluación y alternativas. NIST no valida este mapa ni sus recomendaciones.
Pruebe el método con responsables que traigan un problema de negocio y ninguna solución de IA elegida. Su utilidad se demuestra con mejores decisiones y resultados de proceso.