Texto de demostración. Casi todo lo que leemos sobre inteligencia artificial está escrito en inglés, desde empresas con presupuestos enormes y equipos especializados. Cuando esas ideas llegan a una universidad o una empresa mediana en México, Colombia o Perú, no basta con traducirlas. Hay que adaptarlas.
Lo que se pierde en la traducción
Los casos de éxito que circulan suponen condiciones que aquí no siempre existen:
- Equipos dedicados exclusivamente a datos.
- Presupuestos para licencias por usuario en dólares.
- Procesos documentados y estables.
- Datos limpios, en formatos consistentes.
Ninguna de estas cosas es imposible, pero ignorar que faltan lleva a proyectos que se quedan en piloto.
Adaptar no es rebajar la ambición. Es empezar por donde sí se puede.
Tres ajustes que ayudan
1. Empezar por el proceso, no por la herramienta
Antes de elegir un asistente, conviene escribir cómo se hace hoy la tarea. Muchas veces el mayor beneficio viene de ordenar el proceso, y la IA llega después.
2. Medir en tiempo, no en licencias
“Ahorramos 6 horas por semana en el área de admisiones” convence más que cualquier comparación de funciones.
3. Formar en español y con casos propios
Los cursos genéricos enseñan la herramienta. Los ejemplos con documentos reales de la organización enseñan a usarla.
Una tarea pendiente
Necesitamos más casos documentados desde la región: qué funcionó, qué no y cuánto costó. Mientras no los escribamos, seguiremos importando historias que no son las nuestras.