IA aplicada en pymes: de la moda al negocio
Desde 2023, a toda pyme le han ofrecido “integrar IA” al menos cinco veces. La mayoría de esas ofertas se resumen en un chatbot encima de la web y una factura mensual. La IA aplicada en una pyme no va de eso: va de quitar trabajo repetitivo de un proceso que ya existe, con retorno medible en semanas, no en el documento de estrategia.
Los tres casos donde el retorno es real
1. OCR documental: facturas y albaranes que se registran solos
El caso más rentable y el menos glamuroso. Tu administrativa recibe facturas en PDF (y en papel escaneado), las lee, copia importes, NIF y conceptos en el ERP, adjunta el archivo y archiva el original. Son 5-10 minutos por documento, con errores de copia de vez en cuando.
Un pipeline de OCR bien montado lee el documento, extrae los campos, valida contra el proveedor y la suma, y deja la factura preparada para validar en el ERP — no insertada a ciegas: preparada para que una persona la revise en 20 segundos y la confirme. El retorno es doble: horas al mes y menos errores de tecleo que luego cuestan días (una factura con el NIF mal es una factura no deducible hasta que alguien la arregla).
2. Respuestas y clasificación: el correo que se contesta solo (la primera parte)
Hay correos que son siempre iguales: “¿me pasáis la factura del mes X?”, “¿dónde está mi pedido?”, “adjunto documentación”. Un agente bien ajustado puede clasificar cada correo, redactar la respuesta estándar y dejarla lista para enviar, o responder directamente en los casos de manual cerrado. La persona se ocupa de los casos raros, que son los que de verdad necesitan criterio.
La clave está en el límite: el agente propone, la persona decide en todo lo que comprometa a la empresa. Un agente que contesta solo sin supervisión en una pyme no es eficiencia, es riesgo reputacional con retardo.
3. Automatización de procesos: el pegamento entre herramientas
La mayoría de pymes no tienen un problema de inteligencia; tienen un problema de pegamento: la web no habla con el ERP, el ERP no habla con el banco, los formularios acaban en un Excel que nadie mira. Herramientas de automatización (en nuestro caso, flujos n8n alojados donde toca) conectan sistemas y disparan acciones: alta de cliente en el ERP al firmar, aviso al almacén cuando un pedido cambia de estado, resumen semanal de caja al móvil del gerente.
Aquí la IA entra como ingrediente, no como plato: clasificar un ticket, extraer un dato de un email, resumir un documento largo. El 90% del valor lo pone la automatización; la IA la hace aplicable a texto desordenado, que es como llega el mundo real.
Dónde la IA es un gasto sin retorno
Por simetría, los agujeros habituales:
- “IA para todo” sin proceso detrás: si el proceso es un desastre, automatizarlo solo produce desastres más rápido.
- Chatbots de web que no resuelven nada: si no está conectado a tus datos reales (pedidos, facturas, inventario), el chatbot solo atrasa al cliente antes de que te escriba.
- Informes con IA que nadie lee: generar documentos es gratis; generar decisiones no. Si nadie actúa sobre la salida, es humo.
- Suscripciones acumuladas: cinco herramientas de IA a 20 €/mes que cubren lo mismo que un flujo propio.
Privacidad: qué no debe salir de tu infraestructura
Esto no es un detalle técnico, es una decisión de negocio:
- Datos personales de clientes y empleados no deben salir a servicios de terceros sin base legal y contrato de encargado. En la práctica: los procesos que tocan datos personales se ejecutan en tu servidor o en servicios con tratamiento garantizado.
- La información que te da ventaja (márgenes, listas de clientes, precios negociados) no tiene por qué viajar a una API pública. Los modelos que corren en tu infraestructura —y hay cada vez más capaces— resuelven ese caso.
- Trazabilidad: quién vio qué documento y qué hizo el sistema con él. Si no puedes responder a eso, el proceso no está listo para producción.
En Scolf esta regla es simple: los datos se quedan donde deben quedarse, y si un servicio externo aporta valor, se evalúa lo que viaja antes de conectar nada.
Cómo lo planteamos
Nada de “transformación digital”. El método es corto:
- Elegir un proceso con volumen real (facturas, correos repetidos, altas de clientes) y medir cuánto cuesta hoy.
- Prototipo medido en dos semanas sobre casos reales, con datos y métricas antes/después.
- Decisión con cifras: se queda lo que retorna y se descarta lo demás, sin coste hundido.
El criterio es el mismo en todos los casos: se queda lo que retorna y se descarta lo demás — y que la respuesta sea “esto no compensa” también es un buen resultado.