Luis De Rosa
La conversación empieza casi siempre igual. «Estamos mirando un CRM». «Queremos meter algo de inteligencia artificial». «Nos han recomendado una herramienta». Rara vez empieza por «hemos medido que perdemos catorce horas al mes rehaciendo albaranes».
Ese orden invertido —primero la herramienta y después el problema— explica buena parte del dinero que las pequeñas empresas entierran en digitalización. No porque el software sea malo, sino porque llega antes de que nadie haya definido qué tiene que mejorar.
El problema no lo revela el software: lo congela
Cuando se implanta una herramienta sobre un proceso que nadie ha ordenado, la herramienta no arregla el proceso. Lo fija. Lo convierte en configuración, pantallas y campos obligatorios, y a partir de ahí cambiarlo cuesta más que antes.
El resultado es reconocible: una suscripción mensual por seguir haciendo exactamente lo mismo que se hacía en una hoja de cálculo, más los meses de implantación y la resistencia del equipo.
La digitalización que sale cara casi nunca es la que falla técnicamente. Es la que funciona perfectamente y no cambia nada.
Los cuatro datos que casi ninguna pyme tiene a mano
Antes de mirar catálogos hay cuatro cifras que conviene tener. Ninguna exige comprar nada: se obtienen con una hoja de cálculo y dos o tres semanas anotando lo que sucede.
Cuánto cuesta de verdad un proceso completo. No solo el sueldo de quien lo ejecuta, sino el proceso de principio a fin: quién interviene, cuántas veces cambia de manos y cuánto tiempo se pierde en cada salto. Casi siempre, el coste real está en los traspasos, no en la tarea.
Cuánto tarda desde que entra hasta que sale. Es el tiempo de ciclo. Dentro de este periodo conviene diferenciar cuánto corresponde a trabajo efectivo y cuánto a esperas. La proporción suele sorprender: en la mayoría de los procesos administrativos, el trabajo real representa una pequeña fracción del tiempo total.
Cuántas veces hay que rehacerlo. La tasa de reproceso es el dato más revelador y uno de los que menos se miden. Un proceso que debe corregirse una de cada cinco veces no tiene un problema de velocidad, sino de definición. Automatizarlo solo multiplicaría las correcciones.
Dónde se para. Es necesario identificar el punto exacto en el que el trabajo se queda esperando: una firma, un dato pendiente o una persona que está de vacaciones. Ese es el verdadero cuello de botella y suele encontrarse en un lugar diferente del que todos señalan.
De medir a decidir: qué automatizar primero
Con esas cuatro cifras sobre la mesa, la decisión deja de ser una cuestión de opinión. El criterio no es «qué tarea me molesta más», sino volumen × repetición × coste del error.
Una tarea que se ejecuta doscientas veces al mes, siempre de la misma manera, y en la que equivocarse obliga a rehacer una factura, tiene mucha más prioridad que una tarea que todo el mundo detesta, pero que solo se realiza dos veces al año.
Los datos también permiten determinar qué no se debe automatizar. Los procesos que cambian cada trimestre, los que dependen del criterio de una persona y los que se ejecutan con poca frecuencia no suelen compensar el coste de mantenerlos automatizados. Descartarlos a tiempo supone la mitad del ahorro.
Automatizar el caos solo produce caos más rápido
Hay una secuencia que no conviene saltarse: medir, ordenar, automatizar y, solo después, aplicar inteligencia artificial.
Automatizar un proceso mal definido no lo mejora; simplemente permite ejecutarlo más veces, más rápido y con menos supervisión. El error deja de ser puntual y se vuelve sistemático. Además, tarda más en detectarse porque ya no lo comete ninguna persona visible.
Con la IA, el salto es todavía mayor, ya que exige una calidad de los datos que la automatización convencional no siempre necesita. Un modelo entrenado con registros incompletos, duplicados o mal clasificados devuelve conclusiones igualmente incompletas, duplicadas y mal clasificadas, pero con apariencia de rigor.
Por eso, en la práctica, el trabajo de consultoría de datos para empresas —limpiar, unificar y decidir qué se mide— acaba siendo el requisito previo para casi todo lo demás, aunque sea la parte menos vistosa del proyecto.
¿Quién paga esto?
Existen programas públicos destinados precisamente a este objetivo: algunos financian la implantación de soluciones de digitalización y otros, el asesoramiento previo necesario para decidir cuáles convienen. Son una oportunidad real y merece la pena estudiarlos, aunque con una advertencia de método.
El error habitual consiste en solicitar primero la ayuda y pensar después en qué gastarla. Cuando esto sucede, el plazo empieza a correr, la decisión se toma con prisa y el presupuesto termina destinado a lo primero que esté disponible y resulte fácil de justificar.
Llegar a la convocatoria con el diagnóstico realizado —qué proceso se quiere mejorar, por qué se ha elegido y qué se espera medir después— cambia por completo el resultado. No cuesta dinero, pero requiere unas semanas de organización previa.
Cuándo tiene sentido recurrir a alguien externo
No siempre es necesario. Una empresa pequeña con procesos claros y una persona con criterio dentro del equipo puede completar este recorrido por sí misma.
La perspectiva externa empieza a compensar cuando aparece alguna de estas señales:
- Nadie sabe decir cuánto cuesta un proceso completo y cada área ofrece una cifra diferente.
- Los datos están repartidos entre herramientas que no se comunican entre sí.
- Hay una ayuda pública en marcha y una fecha límite próxima.
- Ya se compró software anteriormente y no se percibe ninguna diferencia.
- Se quiere aplicar inteligencia artificial, pero no está claro sobre qué datos se utilizará.
En estos casos, lo que se contrata no es una herramienta, sino el diagnóstico que permite ordenar la decisión. Consultoras de datos y automatización como Reference Consulting trabajan precisamente siguiendo ese orden —primero medir, después decidir y solo al final implantar—, que es el que evita pagar dos veces por el mismo proceso.
Digitalizar correctamente una pyme no empieza eligiendo una herramienta. Empieza sabiendo qué se quiere cambiar y disponiendo de una cifra que permita demostrarlo.
