Lo que aprendí llevando la inteligencia artificial de la presentación bonita a la operación de un negocio de verdad.
Si pasas un rato en LinkedIn, vas a ver decenas de «agentes de IA» que prometen cambiarlo todo. La mayoría son demos: se ven espectaculares en un video de 30 segundos y nunca tocan un cliente real, ni un peso real, ni una consecuencia real.
Hace un año dejé de mirar esos hilos y me puse a construir. Hoy, en una empresa real de equipos de movilidad, corre un sistema de inteligencia artificial que hace parte de la operación todos los días. No es un experimento de fin de semana: atiende gente, mueve procesos y le ahorra horas al equipo.
Quiero contar qué construí y, sobre todo, el aprendizaje que no esperaba.
Lo que construí
No fue un solo bot mágico. Fue un conjunto de piezas conectadas a la realidad del negocio:
- Un asistente de WhatsApp que atiende a clientes reales, en ventas y en soporte. Reconoce a cada persona por un identificador estable (no solo por el teléfono) para no cruzar conversaciones.
- Un enrutador de correo que clasifica los mensajes entrantes por área y los hace llegar a la persona correcta, solo.
- Una fuente única de verdad para el inventario, que reconcilia el stock entre el ERP y la bodega propia para evitar descuadres y dobles descuentos.
- Un tablero de voz para la gerencia: preguntar en voz alta por las ventas del día, los leads o el stock, con respuestas ancladas en los datos reales del negocio (no inventadas por el modelo).
Si tuviera que resumir el trabajo real detrás de todo esto en una frase: el 80% fue plomería de datos y reglas de negocio, y solo el 10% fue el modelo. El LLM es la parte fácil. Lo difícil es conectarlo a la verdad de la empresa y que no haga daño.
El aprendizaje que no esperaba: enseñarle a callarse
Cuando arranqué, mi obsesión era que el bot respondiera bien. Que sonara natural, que fuera útil.
La pregunta que me cambió el enfoque fue de otra persona: «¿y si el bot le vende algo equivocado a un cliente?».
Ahí entendí que el reto de un agente que atiende clientes reales no es que sepa responder, es que sepa cuándo NO responder. Un agente que cierra una venta que requería criterio humano no es un logro: es un problema.
Así que lo construí en ese orden:
- Modo sombra. Al principio el bot solo sugería respuestas. Un humano las aprobaba antes de enviarlas. Cero riesgo mientras generaba confianza.
- Límites claros. Nunca cierra algo que necesite criterio humano; lo escala a una persona.
- Circuito de aprendizaje. Cada semana revisa sus propios errores y se ajusta.
Solo cuando confié en los tres, lo dejé responder por su cuenta.
Por qué esto importa
El resultado no es un bot «impresionante» para un video. Es uno confiable — que es lo único que le sirve a una empresa.
Esa es, para mí, la diferencia entre la IA que se ve bonita y la IA que aguanta un negocio real: la segunda sabe dónde están sus límites, está conectada a la verdad de la operación y se puede auditar.
Llevo un tiempo construyendo esto en silencio. Voy a empezar a compartir lo que aprendí —sin humo, con casos reales anonimizados— por si le sirve a alguien más que quiera pasar del demo a lo que de verdad funciona.
Si estás llevando IA a tu empresa y quieres que aguante el mundo real, hablemos.
Soy Jaime Andrés Cárdenas, Applied AI Engineer. Construyo sistemas de IA que funcionan en operaciones reales.
Deja una respuesta