Consultoría IA

Dónde buscamos casos de uso de IA en ventas y eCommerce

Partimos de las tareas, no de las herramientas. Recorremos con cada área las actividades de mucho volumen y poco valor añadido o las decisiones que hoy se toman sin datos: interpretar pedidos que llegan en formatos distintos, buscar en un catálogo amplio con las palabras que usa el cliente y no con la referencia interna, preparar respuestas a consultas frecuentes de atención al cliente o resumir el historial de una cuenta antes de una visita comercial.

De ese recorrido sale un inventario de candidatos descritos con el mismo formato: qué tarea cubren, quién la hace hoy, cuántas veces se repite y qué sistemas intervienen (tienda, ERP, CRM, PIM).

Incluimos también los usos que ya se están dando de forma informal. Es habitual que parte del equipo utilice herramientas de IA por su cuenta para redactar textos o resumir documentos; conocerlos ayuda a detectar necesidades reales y a ordenar ese uso.

El objetivo de esta fase no es encontrar el mayor número de casos, sino los pocos que combinan volumen suficiente, datos disponibles y un proceso que ya funciona bien sin IA.

Cómo evaluamos un caso de uso de IA

Cada candidato se valora con criterios concretos: volumen y frecuencia de la tarea, coste de un error, disponibilidad de los datos necesarios, posibilidad de que una persona supervise el resultado y esfuerzo de integración con los sistemas existentes. El coste de un error pesa mucho: no es lo mismo una descripción de producto mejorable que un precio equivocado en un pedido confirmado.

El resultado es una ficha por caso con una recomendación clara: hacer un piloto, esperar a que se den ciertas condiciones o descartarlo. Descartar casos con argumentos es tan útil como elegirlos.

La valoración se hace junto con los responsables de cada área, porque son quienes conocen el coste real de un error en su proceso y quienes tendrán que confiar en el resultado. Para los casos que pasan a piloto se define de antemano qué se va a medir, con qué muestra y qué resultado haría falta para continuar; sin ese criterio previo, los pilotos tienden a alargarse sin que nadie decida.

Los datos que necesita un proyecto de IA

La calidad del resultado depende directamente de los datos de partida: fichas de producto completas, un histórico de pedidos coherente, consultas de atención al cliente bien registradas o documentos accesibles. Con frecuencia, el primer proyecto no es de IA, sino de ordenar el catálogo en un PIM o limpiar el maestro de clientes en el ERP.

Revisamos también qué datos personales intervienen, dónde se procesarían y qué condiciones ofrece cada proveedor de modelos sobre el uso de esa información, para que el caso de uso sea compatible con la protección de datos desde el diseño.

Si un caso de uso necesita datos que hoy no se recogen, como el motivo detallado de las devoluciones, empezar a registrarlos de forma estructurada puede ser la primera recomendación, aunque el beneficio llegue meses después.

Riesgos y gobierno de la IA en la empresa

Los riesgos principales son conocidos: respuestas incorrectas con apariencia de correctas, dependencia de un proveedor, costes por uso difíciles de prever y empleados que utilizan herramientas por su cuenta con datos de la empresa. Ninguno impide usar la IA, pero todos exigen reglas.

Proponemos un marco de gobierno sencillo: quién aprueba un caso de uso nuevo, qué datos pueden usarse y cuáles no, qué decisiones nunca se automatizan (precios, condiciones de crédito o compromisos con clientes) y cómo se registra y revisa lo que hace cada solución. Ese marco tiene en cuenta también las obligaciones del Reglamento europeo de IA que apliquen a cada caso.

El gobierno incluye también qué se explica a las personas que van a trabajar con estas herramientas: qué pueden esperar de ellas, cómo revisar sus resultados y qué hacer cuando detectan un error.