Automatización inteligente: dónde va la IA y dónde no

La automatización inteligente es automatizar un proceso de empresa en el que una IA interpreta lo que llega sin forma de formulario, unas reglas hacen el resto de los pasos y una persona decide el caso dudoso. La IA es una pieza del recorrido, no el recorrido entero.

Lo explicamos con tres procesos que hemos implementado en serpixel: pedidos que llegan por WhatsApp, presupuestos que salen de un formulario web y horas de técnicos que viajan hasta el coste de cada proyecto en Holded. Solo el primero lleva un modelo de IA. Y no todos los fallos vinieron del modelo: algunos de los más serios estaban en las partes sin IA.

Te contamos dónde pusimos el modelo, dónde no hacía falta y qué falló, con las fechas y las cifras de cada caso.

Qué es la automatización inteligente

La definición de manual suma tres cosas: inteligencia artificial, automatización robótica de procesos (RPA, programas que repiten pasos que antes hacía una persona delante de la pantalla) y gestión de procesos. Es correcta, pero no te ayuda a decidir nada un lunes por la mañana.

La versión de proceso es más práctica. Un proceso tiene pasos, y cada paso recibe un dato. Si el dato ya viene con forma (un campo, un código, una cifra), basta una regla. Si llega como lo escribiría una persona, hace falta algo que lo interprete, y ahí entra un modelo de lenguaje. Después vuelven las reglas y, en el punto dudoso, una persona. Esa combinación es lo que hacemos en automatización de procesos para empresas, y casi nunca consiste en poner IA en todo.

Si lo que buscas es la diferencia entre IA, ChatGPT, automatización y agentes, la explicamos en qué es la inteligencia artificial, con ejemplos. Aquí vamos al reparto de pasos.

Dónde hace falta la IA: cuando el dato llega sin forma

Un cliente que hace un pedido a una cooperativa escribe por WhatsApp lo que quiere, a su manera. No hay campos ni códigos: hay una frase. Por eso, en el caso de pedidos por WhatsApp que implementamos para La Dotzena, el modelo se ocupa de un solo paso.

Funciona así: un agente de WhatsApp entiende el pedido, se lo resume al cliente y lo registra en Holded cuando el cliente confirma. El agente busca al cliente en Holded, identifica los productos y le devuelve el pedido con cantidades, precios y fecha de entrega. Nada se registra hasta que el cliente dice que sí. Las conversaciones que el agente no puede resolver pasan a una persona del equipo, y la facturación y el cobro siguen en manos de la cooperativa.

Todo lo demás es mecánico: buscar la ficha, leer el precio, crear el pedido de venta. Es el terreno de los agentes de IA para empresas: el paso que necesita IA es una conversación, y las personas del equipo conservan lo que requiere criterio.

Para poner cifras al reparto, un día concreto. El 2 de octubre de 2026 el registro del agente muestra 6 conversaciones, 16 respuestas del agente y 5 pedidos creados en Holded, todos con número. El coste del modelo ese día fue de 1,33 €. Es solo el uso del modelo en una jornada: no incluye los cargos por mensaje de WhatsApp, no es el coste de ningún servicio y no sirve como media.

Dónde no hace falta: cuando el dato ya tiene forma

Un presupuesto de instalación solar parece trabajo de IA. En el configurador de presupuestos de Vatsolar no lo es. El interesado dibuja su tejado sobre la vista de satélite, elige su tramo de factura, si quiere batería y cargador y cómo prefiere pagarlo. El sistema calcula la instalación, la producción estimada, el ahorro y la cuota de financiación con las tarifas de Vatsolar. La solicitud entra en su CRM como oportunidad. El presupuesto definitivo y el seguimiento siguen en manos del equipo comercial.

Cada dato de entrada ya tiene forma y el precio sale de las tarifas de la empresa. Un modelo de lenguaje no aportaría precisión: aportaría la posibilidad de un precio inventado. Son reglas, y así funcionan mejor.

El segundo ejemplo es todavía más claro, porque no lleva ningún modelo. Para un instalador de ascensores, las horas que registran los técnicos en la aplicación de control horario llegan solas a Holded como coste de cada proyecto, solo con reglas. Cada noche una comprobación verifica que las horas y los costes cuadran, y si algo requiere revisión el equipo recibe un aviso para que una persona lo mire antes de dar nada por bueno.

Ese proceso lo contamos en el caso de partes de horas.

Tres preguntas para decidir en tu proceso

Para saber cómo automatizar con IA un proceso tuyo, recorre sus pasos con estas tres preguntas. Cada una se responde con uno de los casos anteriores.

1. ¿La entrada llega como campos y códigos o en lenguaje libre? Un pedido escrito por WhatsApp es lenguaje libre: ahí hay un paso para la IA. El formulario del configurador o las horas de una aplicación llegan como campos: ahí no.
2. ¿Hay una tabla o una regla que da la respuesta? El precio de un presupuesto sale de unas tarifas. Eso es una regla, aunque a quien lo recibe le parezca inteligente. En el pedido por WhatsApp el modelo interpreta lo que pide el cliente, pero el precio lo lee de Holded.
3. Si se equivoca, ¿quién lo ve y cuándo? En el pedido, el cliente, antes de que se registre nada. En las horas, una comprobación cada noche y una persona. Si no sabes responder a esto, el proceso todavía no está listo para automatizarse.

Con las tres respuestas sale el reparto: IA donde la entrada no tiene forma, reglas donde sí la tiene y una persona en el punto dudoso. En nuestros tres procesos, solo uno necesitaba un modelo, y en un único paso.

La parte sin IA también falla

Se suele decir que las reglas no fallan porque siguen instrucciones exactas. Las siguen, sí, pero dependen de que los datos y los programas que las rodean respondan como se espera. El modelo también se equivoca, y de eso hablamos en la sección siguiente. Estos son tres fallos que tuvimos en las partes sin IA.

Pedidos por WhatsApp, primer día con clientes reales. El 1 de septiembre de 2026, dos contactos de Holded compartían el mismo teléfono (había 15 números compartidos entre 610 clientes) y la búsqueda se quedó con la ficha equivocada. Ese mismo día, los pedidos del agente entraban en Holded como borradores sin número. Dos fallos de búsqueda y de registro, no de lectura del mensaje.

Horas de un instalador de ascensores, 244 duplicados. Al cargar el histórico de horas, la API devolvió un error en el registro 104 de 245. Los registros ya escritos no quedaron anotados como hechos, y la siguiente pasada los volvió a escribir: 244 duplicados en 9 proyectos y el coste de esos proyectos, doblado. Desde entonces un registro solo cuenta como hecho cuando la API devuelve su identificador, y los fallos se avisan a una persona.

Horas con el día equivocado. Holded guardó 173 registros de horas con la fecha del día de la carga en lugar del día trabajado. Nadie lo vio durante una semana; lo detectó el cliente, y la comprobación de cada noche disparó 11 avisos falsos. Ahora cada registro se vuelve a leer después de escribirlo y se compara con el día de origen.

De los tres sale una lección parecida: no des por hecho que un dato se ha guardado bien. Vuelve a leerlo, y deja una comprobación cada noche que avise a una persona. Son medidas de proceso, no de inteligencia artificial.

Cómo se consigue que la parte de IA deje de fallar

Con el modelo pasa algo distinto. Al principio da más errores, y es normal, porque un modelo de lenguaje no es determinista: la misma frase puede interpretarse de otra forma otro día. Lo que lo controla es una batería de pruebas, un conjunto de conversaciones con el resultado que se espera de cada una.

Cuando la batería está completa, cada cambio del agente tiene que pasar todos sus casos antes de llegar a producción. Lo que aparece después son casos que nadie previó: se añaden a la batería y se sigue puliendo y optimizando. Esto no equivale a prometer que producción esté libre de errores. Significa que un cambio no sale sin haber pasado todo lo que ya sabemos que puede pasar.

Un ejemplo. Una versión nueva del agente de pedidos no pasó a producción porque no superó su propia batería: 42 de 45 casos en la primera pasada, 44 de 45 en la segunda. Se corrigió el orden entre el saludo y el aviso de asistente automático que exige la normativa europea de IA, y la siguiente versión salió con todos los casos en verde el 3 de septiembre de 2026.

Alrededor del modelo hay tres cosas más. Confirma el cliente, antes de que se registre nada. Una persona del equipo recoge lo que el agente no puede resolver. Y existe un interruptor de parada documentado, que permite detener el agente y volver al proceso manual cuando haga falta.

Un proceso, un reparto

La inteligencia artificial es un paso, y el trabajo está en decidir cuál. Si tienes un proceso con pedidos, presupuestos u horas y no sabes si necesita un modelo, en serpixel lo revisamos contigo sobre tu caso. ¿Hablamos en una sesión de 30 minutos?