IA para pymes: cuándo usarla y cuándo una regla simple

05 Oct IA para pymes: cuándo usarla y cuándo una regla simple

En resumen

• La IA para pymes es útil cuando el criterio no se puede escribir como regla: hay lenguaje natural, variabilidad o excepciones constantes. Cuando el criterio sí se puede escribir, una regla determinista gana en fiabilidad, coste y explicabilidad.
• Antes de escribir una línea de modelo, cuatro comprobaciones: qué datos existen, qué margen de error se admite, quién revisa el resultado y cómo queda la trazabilidad.
• El coste por operación cambia mucho según el camino elegido: en nuestro sistema de validación documental, la comprobación con IA cuesta alrededor de diez veces más que una regla que hace lo mismo.
• Lo que no arregla la IA: datos desordenados, procesos que nadie ha definido y decisiones que exigen criterio profesional.

La IA para pymes se ha convertido en una frase que se dice en todas las reuniones y se concreta en muy pocas. La mayoría de proyectos que se quedan a medias comparten una causa sencilla: se colocó un modelo donde bastaba una regla, o al contrario, se intentó resolver con reglas algo que solo entiende el lenguaje.

En nuestro sistema de validación de documentos hay ocho comprobaciones. Siete son reglas deterministas y solo una usa inteligencia artificial. Y no es por falta de presupuesto ni de ganas de innovar: es porque las otras siete se hacen mejor con una regla. Ese reparto, que parece un detalle técnico, es la decisión más importante de cualquier proyecto de IA en una empresa pequeña.

Este artículo va de eso: de saber cuándo toca IA y cuándo toca una regla, y de las cuatro preguntas que conviene responder antes de escribir una línea de modelo.

¿Qué significa aplicar IA en una pyme y qué no?

Aplicar IA en una pyme es colocar un modelo entrenado en un punto concreto de un proceso, para una tarea concreta, con una persona revisando lo que tiene consecuencias. No es comprar una herramienta, ni tener un asistente que responde preguntas sueltas, ni montar un proyecto de innovación sin dueño.

Conviene separar tres cosas que se mezclan en la misma conversación:

• Automatización clásica: reglas escritas que se ejecutan solas. Lleva décadas funcionando y sigue siendo la mejor opción para muchas tareas.
• Inteligencia artificial: modelos que estiman, redactan o clasifican cuando la regla no se puede escribir con precisión, porque hay variabilidad o lenguaje natural.
• Copilotos de uso personal: herramientas que cada persona usa por su cuenta para escribir o resumir. Útiles, pero no son un proyecto de empresa: no están integradas en el proceso ni dejan rastro.

La primera consecuencia práctica de esa distinción es incómoda: buena parte de lo que hoy se vende como transformación con IA es automatización clásica con mejor marketing. Y está bien, porque la automatización clásica suele ser más barata y más fiable. El problema no es usarla: el problema es llamarla IA y pagar precio de IA.

¿Cuándo conviene la IA y cuándo una regla simple?

La regla es sencilla: si el criterio se puede escribir con precisión, escribe la regla. Si el criterio depende de entender lenguaje, variaciones o excepciones que cambian cada día, es cuando la IA aporta algo que antes no existía.

La frase que resume el criterio: cuanto más se parece la tarea a aplicar una norma, menos IA necesita. Cuanto más se parece a entender a una persona, más la necesita.

Las cuatro preguntas que deciden antes de escribir una línea

Estas cuatro preguntas valen más que cualquier comparativa de modelos, porque no dependen de la tecnología, dependen del proceso.

1. ¿Existen los datos? Si no hay históricos, documentos o registros que sirvan de base, no hay nada que enseñar al sistema. Y si el dato está repartido en tres sistemas con tres criterios distintos, primero se ordena.
2. ¿Qué margen de error se admite? Es la conversación más incómoda y la más necesaria. Hay procesos donde un fallo del dos por ciento es aceptable con revisión y otros donde no lo es ni el uno por mil. Sin ese número, no hay proyecto: hay una apuesta.
3. ¿Quién revisa? Tiene que haber una persona con nombre y tiempo reservado para validar el resultado antes de que tenga consecuencias. Si la respuesta es «ya lo miraremos», el proyecto ya ha fallado.
4. ¿Cómo queda la trazabilidad? Hay que poder responder qué se hizo, con qué datos y quién lo aprobó. Sin registro no se puede auditar, y sin auditar no se puede mejorar.

Cuando las cuatro tienen respuesta, el proyecto se puede dimensionar en semanas y medir con números. Cuando fallan, lo más rentable no es una IA: es ordenar el proceso. Es una conclusión poco comercial y la que más dinero ahorra.

¿Cómo se reparte el trabajo entre reglas y modelo en un flujo real?

En un flujo bien montado no hay que elegir entre reglas o IA: conviven, cada una en su sitio. Y el reparto suele sorprender a quien espera que la IA lo haga todo.

• Lo que hacen las reglas: comprobaciones exactas, siempre disponibles y auditables. Formato, tamaños, campos obligatorios, duplicados, rangos, fechas coherentes. Cada regla tiene un porqué que se puede leer y un coste mínimo.
• Lo que hace el modelo: lo que no se puede escribir como instrucción. Entender si un texto está completo, agrupar motivos distintos que significan lo mismo, resumir una conversación, clasificar una incidencia descrita a mano.
• Lo que hace la persona: decidir. Revisa lo que el sistema marca, corrige y firma. El criterio no se delega, y en la mayoría de casos tampoco hace falta: el sistema solo tiene que quitarle de encima lo repetitivo.

En nuestro caso, ese reparto tiene un efecto secundario que nos gusta: el equipo dejó de revisar todo y pasó a revisar solo lo que llegaba marcado. Menos trabajo, mejor criterio y un rastro claro de cada decisión.

¿Qué señales indican que has colocado la IA antes de tiempo?

Casi todos los proyectos que se quedan a medias caen en el mismo patrón: se empieza por la herramienta y no por el proceso. Estas son las señales que vemos con más frecuencia.

• El resultado deja de ser siempre el mismo y nadie sabe por qué. Dos personas procesan el mismo caso y el sistema contesta cosas distintas. Es la señal número uno de que había una regla detrás y se sustituyó por un modelo.
• Nadie puede explicar por qué dijo que no. Si no se puede justificar una decisión ante el cliente o ante una inspección, no se puede usar en ese punto del proceso.
• El coste por operación se dispara sin que nadie lo haya mirado. Un modelo que se llama para todo multiplica la factura. Merece la pena contar operaciones antes de elegir la tecnología.
• La revisión humana no está definida. Si nadie tiene el encargo y el tiempo de validar el resultado, el primer error grave se lleva por delante el proyecto entero.
• El equipo lo vive como una amenaza. Cuando la IA aparece como «vamos a ver si sustituye a alguien», la adopción muere en la primera semana. Cuando aparece como «esta parte aburrida la hace el sistema», todo el mundo arrima el hombro.

¿Cuánto cuesta meter IA en un proceso y cómo se mide?

El coste real no está en la tecnología, está en la integración y en la revisión. El precio de la llamada al modelo es la parte pequeña de la factura. Lo que pesa es entender el proceso, preparar los datos, montar la revisión y mantenerlo vivo cuando la operación cambia.

La diferencia entre caminos se ve mejor con números propios: en nuestro sistema de validación documental, una comprobación resuelta con reglas cuesta del orden de cuatro milésimas de euro por operación, y la misma comprobación con un modelo de lenguaje se va a unas cuatro centésimas. Diez veces más. Por eso el diseño empieza preguntando cuántas operaciones necesitan de verdad el modelo.

• Lo barato: definir el proceso y medir el punto de partida. Cuesta tiempo del equipo, no licencias.
• Lo caro: integrarlo en los sistemas que ya existen y construir la revisión humana alrededor.
• Lo que se olvida: mantenerlo. Un modelo que no se revisa cada pocos meses se degrada en silencio, porque el negocio cambia y los ejemplos dejan de representar la realidad.

Para medir el retorno, la regla es la de siempre: elige una tarea, cronométrala una semana antes, cronométrala una semana después y compara errores detectados. Si el número no mejora, no es un problema del modelo: se eligió mal la tarea o faltaba orden en el proceso.

Y conviene tener el contexto claro: según el INE, el 21,1 % de las empresas españolas de 10 o más empleados ya usa inteligencia artificial, y Eurostat sitúa la media europea en el 19,9 % en 2025. Ya no eres pionero por usar IA. La ventaja está en elegir bien dónde aplicarla.

¿Qué pasa con los datos y con la normativa?

Cualquier proyecto serio asume que los datos personales no salen del perímetro tal cual. En los proyectos que estamos desarrollando, la información se anonimiza antes de enviarla al modelo y se trabaja sobre infraestructura europea. No es un detalle técnico: es la condición que hace viable el proyecto.

• Anonimizar antes de enviar: el modelo no necesita el nombre del paciente, del cliente ni del empleado para hacer su trabajo. Si lo necesita, hay que replantear el diseño.
• Elegir dónde se procesa: trabajar con proveedores y regiones que respeten el marco europeo simplifica el cumplimiento y evita sorpresas en una auditoría.
• Dejar rastro: registrar qué se envió, qué devolvió el sistema y quién lo aprobó.
• Formar al equipo: desde el 2 de febrero de 2025, el artículo 4 del Reglamento europeo de inteligencia artificial obliga a garantizar un nivel suficiente de alfabetización en IA del personal que la utiliza. No es un extra, es un deber. Puedes consultarlo en la Agencia Española de Protección de Datos y en la página europea del reglamento de inteligencia artificial.

Preguntas frecuentes sobre IA para pymes

¿Por dónde empiezo si quiero aplicar IA en mi pyme?

Por una tarea concreta y repetitiva, no por la tecnología. Elige la que más tiempo consume, cronométrala una semana y escribe cómo se hace hoy, incluidas las excepciones. Si al escribirla te das cuenta de que se puede expresar como reglas, probablemente no necesites IA para esa parte.

¿Es caro aplicar IA en una pyme?

Menos de lo que se dice si eliges bien la tarea, y más de lo que se dice si eliges mal. El coste del modelo por operación suele ser pequeño comparado con el trabajo de integración y de revisión. Lo que arruina un presupuesto no es el precio de la tecnología, es meter IA en procesos que no la necesitaban.

¿Necesito un equipo técnico propio?

No necesariamente. Lo que sí necesitas es alguien que conozca el proceso por dentro, alguien que revise el resultado y alguien que lo construya e integre, dentro o fuera de la empresa. En España solo el 16,8 % de las empresas de 10 o más empleados tiene especialistas TIC en plantilla, así que el apoyo externo es lo normal, no la excepción.

¿Puedo usar IA sin que se vayan datos de mis clientes?

Puedes y debes. La práctica correcta es anonimizar lo que identifica a personas antes de enviarlo, trabajar con proveedores y regiones que cumplan el marco europeo y dejar registro de lo enviado. Lo que nunca conviene es pegar datos personales o confidenciales en herramientas de uso libre y sin contrato.

¿Cómo sé si el resultado de la IA es fiable?

Definiendo antes qué margen de error es aceptable y quién lo revisa. Ningún modelo serio promete precisión total, y quien lo prometa está vendiendo otra cosa. Lo que se puede pactar es un umbral y un protocolo para cuando se supere, y medirlo con el trabajo real, no con una demostración.

¿Cuándo NO debería usar IA en mi empresa?

Cuando el criterio se puede escribir como regla, cuando los datos están desordenados o cuando nadie va a revisar el resultado. En esos tres casos, la IA no falla: falla el proyecto. Y hay una cuarta: cuando la decisión la tiene que tomar una persona por responsabilidad, como firmar un informe o aprobar un pago.

Elegir bien dónde va la IA es hoy una ventaja competitiva mucho más real que usarla. La tecnología está al alcance de cualquier pyme; lo que sigue siendo escaso es el criterio para colocarla donde suma y dejar fuera lo que solo suena bien. Los proyectos que aguantan el paso del tiempo empiezan por una tarea aburrida, se miden con un cronómetro y se revisan por una persona con nombre.

¿Estás valorando meter IA en algún proceso de tu empresa? En Vidasoft analizamos el proceso, te decimos con honestidad dónde aporta y dónde basta una regla, y lo construimos por retainer mensual, sin proyecto cerrado y sin permanencia. Cuéntanos tu caso en vidasoft.es/empecemos.

Fuentes

• Encuesta sobre el uso de TIC y del comercio electrónico en las empresas (INE, datos definitivos del primer trimestre de 2025, publicados el 22 de octubre de 2025).
• Use of artificial intelligence in enterprises (Eurostat, indicador isoc_eb_ai, datos de 2025).
• Reglamento europeo de inteligencia artificial (artículo 4, alfabetización en IA, exigible desde el 2 de febrero de 2025).

De nuestro Blog

• Beneficios de la inteligencia artificial para las empresas: qué es real y qué es humo
• Modelos de inteligencia artificial: qué son y cómo se aplican
• Automatización empresarial: por dónde empezar sin tirar el dinero
• Herramientas de inteligencia artificial para empresas: cómo elegirlas
• Consultoría de software o desarrollo de software: qué necesitas