Cuatro preguntas que todo director de operaciones debe hacer antes de implementar la IA

La era de la IA está llena de promesas, todas las corporaciones informan sobre cuánto han aumentado su eficiencia y cuánto la IA está haciendo que eso suceda. Como alguien que ha dirigido operaciones en varias startups de IA y ahora dirige un fondo de capital de riesgo de IA con más de 120 empresas en cartera, veo una imagen diferente. Muchas herramientas y automatizaciones de IA útiles se están comprando, integrando y presentando con poco o ningún efecto. Según un informe reciente de McKinsey sobre el potencial de la IA, casi el 70 por ciento de las transformaciones de la IA fallan. El problema es que si introduces incluso la mejor herramienta de IA en un proceso humano desordenado, solo obtienes un proceso desordenado que ahora también alucina y pierde el contexto.

Uno de nuestros inversores compartió recientemente que su empresa ha introducido agentes de IA en una de sus operaciones y luego ha realizado un estudio para ver cuánta eficiencia han ganado. Los resultados fueron impactantes: sus empleados ahorraban mucho tiempo en algo que habían estado haciendo manualmente antes, pero estaban gastando la misma cantidad de tiempo intentando arreglar los errores que la IA cometió. Innecesario decir que la automatización fue introducida por IT y el equipo de operaciones se quedó fuera. Hablamos sobre cómo los directores de operaciones pueden aprovechar la IA para mejorar realmente las operaciones.

En DVC, no solo invertimos en startups de IA, sino que también somos adoptadores tempranos de casi todas las nuevas tecnologías que vemos. Construimos nuestros propios agentes y usamos los productos de nuestras empresas en cartera en todos los aspectos del trabajo de capital de riesgo: desde la búsqueda y calificación de acuerdos, asistir a los fundadores de las empresas en cartera, o construir herramientas que nuestros LP usan para buscar oportunidades de inversión en ángel. Nuestro éxito en esto proviene de aplicar un marco de trabajo muy aburrido, pero muy útil.

Antes de cualquier implementación de IA, hacemos estas cuatro preguntas:

1. ¿Hay reglas claras?

¿Se puede definir el proceso por guías específicas? Si es así, es un excelente candidato para la automatización. Flujos de trabajo legales, reglas de contabilidad, incorporación estructurada? Perfecto. Estos son sistemas donde las salidas siguen reglas. La IA prospera aquí.

Pero si su proceso es inherentemente creativo: digamos, narrativa de marca o diseño estratégico, la autonomía total no funcionará, y el proceso tiene que ser diseñado con personas que usan copilotos. En el marketing de marca, romper las reglas a menudo agrega valor. No externalice eso a un agente.

2. ¿Este proceso tiene una fuente única de verdad?

Si su CRM dice una cosa, su rastreador de pedidos dice otra, y la actualización real vive en la hoja de cálculo personal de alguien: pause. Los sistemas de IA solo son tan buenos como los datos que se les alimentan.

Crear una fuente única de verdad y eliminar los silos de datos o conocimiento es el estándar de oro del diseño de procesos eficientes, y para la IA agente es más importante que nunca.

Cuando todos los puntos de contacto del cliente y las historias están registrados en una base de datos unificada, la IA puede automatizar seguimientos, recomendar acciones siguientes, generar informes precisos. E incluso proporcionar soporte de voz al cliente o programar citas con clientes. Muchas veces vemos que las startups tienen éxito cuando venden una solución con una fuente de verdad integrada, especialmente cuando venden a pequeñas empresas, como Avoca AI, un asistente telefónico para electricistas, integrado con un CRM integrado, que garantiza que todos los datos y las interacciones del cliente estén centralizados y actualizados.

3. ¿Hay una rica historia de datos?

¿Se registra cada acción con ejemplos de cómo se tomaron las decisiones? La IA aprende de los patrones en sus datos históricos. No hay registros, no hay aprendizaje. Si su sistema no registra qué sucedió y por qué, no puede generar patrones. No puede mejorar. Gastará dinero.

Pero incluso si está registrando cada llamada del cliente, transcribiéndola con IA y guardándola en una carpeta, probablemente no será suficiente. Los agentes que trabajan con esto deben estar configurados para convertir estos datos no estructurados en resúmenes y estructurados, tal vez incluso en gráficos para entender mejor las relaciones, o excederán rápidamente su capacidad de atención. Imagínese que es un empleado que tiene su memoria borrada cada vez que va a trabajar. Puede leer y escribir con velocidad sobrehumana, pero tiene que mirar megabytes de registros de conversación e historial de chat intentando averiguar qué hace la empresa y cómo hacer lo que el gerente le pidió que hiciera. Eso es cómo un agente de IA “se siente” sin una buena base de datos.

Los mejores equipos no solo recopilan datos: los estructuran y versionan con el futuro en mente. Eso es cuando se forman los bucles de aprendizaje. Eso es cuando la IA se vuelve más inteligente, incluso sin tener que realizar ningún entrenamiento de modelo.

En el sector sanitario, Collectly aplica este principio a gran escala: utilizando años de datos de facturación, pago y interacción con pacientes anotados, optimizan la facturación médica y el ciclo de gestión de ingresos. Su IA aprende de los resultados históricos para reducir errores y acelerar las recopilaciones.

4. ¿Está su pila de tecnología lista para la IA?

¿Puede la IA realmente conectarse a sus sistemas y herramientas, o está atascado con ese portal interno de 1988 que apenas se carga? Hemos visto casos en los que las herramientas de operaciones internas estaban tan desactualizadas que no podían generar salidas estructuradas, y ni siquiera podían interactuar con API. En esas situaciones, a menudo era más rápido y efectivo reconstruir el sistema desde cero que forzar la IA en la infraestructura heredada. Si los agentes de IA pueden usar MCP o una API estructurada y documentada, siempre es mejor (y más barato) que cuando tienen que hacer capturas de pantalla de la interfaz y ejecutarlas a través del reconocimiento de imágenes para averiguar qué botón presionar.

La IA se está convirtiendo en infraestructura. Pero al igual que la electricidad a principios del siglo XX, su potencial solo se desbloquea cuando se rediseña la fábrica, no solo cuando se instalan bombillas. No retroajuste. Reimagínalo. Y, innecesario decirlo, muchas herramientas internas que solían costar un millón de dólares para desarrollar antes ahora pueden ser codificadas desde cero por uno de sus ingenieros en su descanso para almorzar.

Tiempo de primeros principios.

Ahora la parte más interesante. Digamos que hemos diseñado un proceso ideal: estaría definido por reglas, tendría una fuente única de verdad y recopilaría datos de manera estructurada para mejorar. Hemos persuadido a nuestro ingeniero para que pase su descanso para almorzar codificando una nueva serie de herramientas internas. Pero miremos este proceso una vez más. Es muy probable que, debido a la automatización, se haya vuelto mucho, mucho más barato de ejecutar. Intente pensar en qué sucede con su negocio con este costo reducido tanto. Intente ver una imagen más grande: ¿cómo coexistiría este proceso con otros procesos si se mejoran de la misma manera? Tal vez sea hora de reimaginear todo con la IA en mente.

Muchas veces, pensar en la operación comercial desde los primeros principios puede llevar a identificar oportunidades inesperadas. Por ejemplo, en DVC, automatizamos el análisis de acuerdos, la debida diligencia y la preparación de memorandos de acuerdos, efectivamente pasando de 6 personas/horas a 3 minutos de IA haciendo el trabajo. Tradicionalmente, las firmas de capital de riesgo solo harían todo este trabajo después de hablar con los fundadores y confirmar que el acuerdo vale la pena gastar estas 6 personas/horas, y la firma tendría un número limitado de analistas. Ahora, desde que se ha vuelto tan barato para nosotros, analizamos el mercado, preparamos un memorando de acuerdo e incluso hacemos una debida diligencia ANTES de hablar con el fundador. Esto nos permite tener solo llamadas con empresas en las que sabemos que podemos y queremos invertir, ahorrando tiempo para nuestros socios y fundadores por igual.

Pero podemos ir aún más lejos con esto. Dado que efectivamente tenemos un analista ilimitado, podemos mover estas herramientas hacia arriba a nuestros inversores y exploradores, que nos refieren nuevas oportunidades de trato, para que puedan ahorrar su tiempo, analizar cada trato a través de los ojos de un analista de capital de riesgo profesional y reducir el número de veces que tendríamos que rechazar un trato después de revisarlo. Todavía recopilamos todos los datos, porque podemos usarlos para aprender y hacer que nuestras herramientas sean mejores.

Esto nos permitió ser aproximadamente 8 veces más productivos que una firma de capital de riesgo típica de nuestro tamaño. Pero no llegamos aquí por casualidad. Mapeamos nuestras operaciones internas, aplicamos las cuatro preguntas y reconstruimos desde los primeros principios.

Este marco de trabajo ayuda a los líderes de startups y a los directores de operaciones a cambiar su mentalidad: de “¿Podemos usar la IA aquí?” —una pregunta de posibilidad técnica— a “¿Deberíamos?”, lo que fuerza una mirada más profunda al valor estratégico, la preparación de datos y la mantenibilidad a largo plazo. Es la diferencia entre conectar herramientas porque están disponibles y rediseñar procesos porque es lo correcto.