Una etapa nueva: lo que sabemos hacer, dentro de tu empresa

Estrenamos web. El cambio que hay detrás cabe en una frase: durante años nos presentamos por lo que habíamos construido; a partir de hoy, por lo que dejamos funcionando dentro de vuestra empresa. Contarlo bien exige contar lo que aprendimos para llegar hasta aquí, y eso es lo que hay debajo.

Lo primero que aprendimos: el modelo no es la parte difícil

Construimos una plataforma de datos de cliente con modelos predictivos y generativos, y la pusimos a funcionar en Condis, Norauto, Nescafé, Legálitas, Flormar y la Real Sociedad. AWS la auditó y la validó. Construimos un producto wifi para pequeños negocios que comercializa Telefónica. Y después producto propio: MyOutfits, presentado en el AWS Summit 2025, y StocksReport, que hoy sostiene una comunidad de más de mil miembros con una sola persona en el equipo.

Cuatro caminos distintos que acabaron enseñando lo mismo: en ninguno de ellos el cuello de botella fue el modelo. Elegirlo llevaba una tarde. Lo que costaba meses era todo lo demás.

Ese «todo lo demás» tiene tres capas, y ninguna es opcional.

El contexto es el criterio de la empresa puesto por escrito, en un documento que la IA lee sola antes de cada tarea. No es un manual, es una especificación. «Intenta ser breve» no sirve; «máximo catorce palabras por frase, y si se pasa, rehazlo» sí. Una tabla que diga que en vuestra casa no se escribe gap sino brecha vale más que tres párrafos explicando el tono de la marca.

Las herramientas son el acceso. Una IA que solo redacta obliga a una persona a copiar el resultado a otro sitio, y ahí se va casi todo el tiempo que se pretendía ahorrar. Con acceso al ERP, al CRM, a la carpeta de documentos o al repositorio —con permisos por rol y registro de lo que consulta— la tarea termina donde empieza.

La verificación es cómo se sabe que está bien sin leerlo entero: un total que tiene que cuadrar, un formato que valida, una regla que se comprueba sola. «Tiene buena pinta» no es una verificación, y sin verificación solo hay dos finales: o nadie se fía y el caso se abandona, o alguien se fía de más y el error sale de la empresa.

Aquí está el origen del cambio. Lo que le falta a una empresa no es otro producto de IA: es alguien que monte esas tres capas dentro de los sistemas que ya tiene. Eso no se vende en una licencia. Se implanta.

Lo segundo: el primer caso decide todos los demás

El primer caso no es el más ambicioso. Es el que enseña a la empresa a trabajar así, y por eso se elige con criterio y no por entusiasmo. Nosotros lo filtramos con cinco preguntas, y las cinco tienen que dar que sí.

1. ¿Se repite cada semana? Si pasa una vez al trimestre, lo aprendido no se acumula y nadie coge el hábito.
2. ¿Exige un criterio que hoy vive en una persona? Ahí está el valor. Una tarea puramente mecánica sale más barata con una automatización de siempre.
3. ¿Se puede decir si está bien sin discutir? Tiene que existir una comprobación que no dependa de quién mire.
4. ¿Los datos que necesita existen ya? Si arrancar exige antes un proyecto de datos, ese proyecto es otra cosa y va después.
5. ¿Si sale mal, no rompe nada? El error se tiene que detectar dentro, no delante de un cliente.

Y una señal de descarte que ahorra meses: si nadie sabe explicar cómo se hace bien hoy, todavía no se puede implantar. Primero se escribe.

El error que más hemos visto, y que también cometimos, es empezar por el caso más difícil: el que más ilusión hace y peor enseña. De aplicar estas preguntas a una empresa entera no sale un caso, sale una lista ordenada por impacto y esfuerzo. Por eso la primera fase de una implantación no termina en un informe: termina en esa cola priorizada y en la decisión de cuál entra primero.

Lo tercero: lo único que se acumula es el criterio escrito

Con el caso elegido, todo depende de un bucle de cuatro pasos. Los tres primeros los hace cualquiera. El tercero casi nadie, y es el único que deja algo detrás.

Se hace la tarea con la IA. Sale regular. Se corrige a mano, y ahí se queda la mayoría, con la sensación de que la IA no acaba de servir. El paso que lo cambia todo es escribir esa corrección donde la IA la va a leer la próxima vez: deja de ser el arreglo de hoy y pasa a ser criterio de la empresa.

La consecuencia es medible y poco discutible. Cada corrección que se hace a mano y no se escribe se repite la semana siguiente. Cada una que se escribe no vuelve. A los dos meses, dos equipos que empezaron igual están en sitios muy distintos, y no lo explica ni la herramienta ni el modelo.

Esto es también lo que se enseña en una formación que sirva: no a usar una herramienta, sino a cerrar ese bucle sobre las tareas que el equipo ya tiene encima de la mesa.

Esa sesión está contada entera, con el material que usamos, en la crónica de la formación al equipo de Condis. Y explica la respuesta a la pregunta que hace siempre quien lidera IT: qué pasa cuando se va la persona que sabía. Si el criterio está escrito, no pasa nada. Deja de vivir en las personas y pasa a vivir en la empresa.

Cómo se ve en una tarea concreta

Hasta aquí, método. Así queda aplicado a una tarea de negocio y a una de un equipo técnico, contadas de punta a punta. Lo tachado es el trabajo manual que desaparece; donde una persona sigue trabajando no se tacha, y en las dos queda una decidiendo al final.

Son dos de los cinco casos con los que más veces arrancamos a cada lado. En negocio y operaciones: preparar una oferta, responder a un cliente, cerrar el informe, ordenar el correo y publicar. En equipos técnicos: desplegar un cambio, atender a negocio, resolver una incidencia, añadir una funcionalidad y rediseñar una pantalla.

Los diez están contados igual que estos dos, con lo que hace falta para implantar cada uno, qué se mide y cuándo no compensa: los cinco de negocio y operaciones y los cinco de equipos técnicos.

Dónde se nota, y qué mirar para saberlo

Una implantación bien hecha se nota en tres sitios, y cada uno lo mide un perfil distinto. Si diriges el negocio, la fila que te importa es la última. Si lideras IT, la primera.

Con una condición que casi todo el mundo se salta: si no se mide antes, después no hay forma de saber si ha cambiado algo. La foto del antes cuesta unas horas y se toma en la primera fase, cuando todavía no se ha tocado nada. Al final ya no vale: nadie recuerda cuánto se tardaba.

Qué hacemos con todo esto

Lo anterior es el trabajo. Se organiza en tres líneas, con un catálogo de casos por delante.

• Implantación de IA. Elegimos el primer caso con esas cinco preguntas y montamos las tres capas dentro de vuestros sistemas, hasta que el equipo lo usa sin nosotros delante.
• Formación. Grupos pequeños cerrando el bucle sobre las tareas que el equipo tiene pendientes esa semana, con vuestras herramientas y vuestros accesos.
• Desarrollo a medida. Cuando la capa que falta no existe: plataformas de datos, modelos, agentes y servidores MCP, integraciones y aplicaciones. Con el código en vuestro repositorio desde el primer día.

Por delante de las tres está el catálogo, ordenado por la parte de la empresa a la que afecta cada caso. Y lo que hace falta de vuestro lado es poco: unas horas de quien hace ese trabajo cada día, acceso de lectura a lo que ya tenéis y una decisión al final de cada fase. Si un caso no funciona, se para y entra otro.

Nada de lo anterior se retira. La plataforma sigue funcionando con sus clientes y su sección propia; el marketing predictivo y la personalización one-to-one siguen siendo casos que implantamos; la relación con AWS sigue igual. Cambia el orden de lectura: la implantación es la puerta y todo lo construido es la prueba de que sabemos hacerla. Los proyectos están todos publicados, y Recursos reúne lo escrito desde 2020, ahora clasificado y filtrable.

Si preferís no recorrerlo solos, se puede pedir información desde cualquier página. Sin compromiso, hablando con quien hará el trabajo, y si no encaja, os lo decimos.

Lo que cambia hoy es la puerta de entrada. Lo que hay detrás es el mismo trabajo de siempre, puesto donde más rinde: dentro de tu empresa.