Casi todas las organizaciones de cooperación sienten hoy la misma presión: hay que hacer algo con inteligencia artificial. Un donante lo pregunta, otra organización ya lanzó un piloto y alguien del equipo probó una herramienta que parece resolverlo todo.
La presión es comprensible, pero mala consejera. Una compra apresurada suele terminar en una licencia que pocos usan o en un piloto que nunca sale de la presentación. Estas cinco preguntas ayudan a decidir mejor, y ninguna requiere saber de tecnología.
1. ¿Qué decisión o proceso queremos mejorar?
«Usar IA» no es un objetivo. «Reducir el tiempo que el equipo dedica a consolidar informes trimestrales» sí lo es. Si no puede nombrar el proceso, a las personas involucradas y lo que hoy sale mal, todavía no hay un caso para invertir.
Muchas veces, al mapear el proceso, aparece que el cuello de botella no es tecnológico: una aprobación que nadie tiene clara, un formato distinto en cada oficina o un dato que se pide dos veces.
2. ¿Qué datos necesita y quién responde por ellos?
La IA trabaja con lo que usted le entrega. Antes de invertir, revise qué información existe, dónde está, qué tan actualizada es y quién puede corregirla. Si el conocimiento de la organización vive en archivos dispersos y en la cabeza de tres personas, ese es el primer trabajo.
Pregunte también de quién son esos datos. En proyectos con comunidades, productores o pueblos indígenas, tener acceso a la información no significa tener permiso para usarla de cualquier forma.
3. ¿Qué pasa si se equivoca?
No todos los errores cuestan lo mismo. Un borrador de informe con un error se corrige en la revisión. Una recomendación equivocada a un productor puede costarle una cosecha.
Clasifique cada uso según el daño que puede causar y defina cuánta supervisión humana necesita. Cuanto mayor sea el riesgo, más cerca debe estar una persona de la decisión final.
4. ¿Quién lo va a usar y quién lo va a sostener?
Una solución que el equipo no adopta no resuelve nada. Hable con quienes la usarán y asegúrese de que encaje en su trabajo diario, en los canales y dispositivos que ya tienen.
Piense también en el día después del proyecto. ¿Quién pagará los costos de operación? ¿Quién actualizará el conocimiento? ¿Quién revisará la calidad? Si la respuesta depende de un financiamiento que termina en doce meses, inclúyalo en el diseño desde ahora.
5. ¿Cómo sabremos que funcionó?
Acuerde los indicadores antes de construir: horas de trabajo liberadas, tiempo de ciclo por proceso, costo por proceso o nivel de adopción por equipo. Mida cómo están hoy, porque sin línea base no hay forma de demostrar la mejora.
Pida además evidencia al proveedor, no solo una demostración. Debería poder mostrar qué hizo el sistema, con qué datos y con qué calidad. Explicamos por qué en Por qué un agente de IA necesita un auditor.
Cuándo no invertir
Una respuesta honesta a estas preguntas puede ser «todavía no». Si el proceso está poco definido, los datos no están listos o nadie puede sostener la solución, es mejor resolver eso primero. También es un buen resultado: evita gastar en una herramienta que no iba a funcionar.
Un diagnóstico de preparación para IA sirve justamente para responder estas preguntas con evidencia, antes de comprometer presupuesto.