Casi todas las empresas que nos contactan ya tienen una idea de "dónde" quieren meter IA: en el correo de soporte, en la gestión de pedidos, en la atención comercial. Pocas se han parado a comprobar si esa intuición es correcta. El diagnóstico previo existe precisamente para eso: para sustituir la intuición por datos antes de comprometer tiempo y presupuesto en un proyecto que igual apunta al sitio equivocado.
Un diagnóstico bien hecho no es una auditoría genérica de digitalización ni un cuestionario de veinte preguntas cerradas. Es un ejercicio concreto que produce tres cosas: un mapa de procesos ordenado por potencial de mejora, una foto real (no estimada) del estado de tus datos y sistemas, y una recomendación de por dónde empezar con una razón detrás. Así es como lo estructuramos.
Qué es exactamente un diagnóstico de IA y qué no es
Un diagnóstico de IA no es una lista de "casos de uso posibles" copiada de un informe sectorial genérico. Tampoco es una demo de una herramienta con un par de ejemplos bonitos. Es un análisis de tu empresa concreta: tus procesos, tus sistemas, tus datos y tu equipo, contrastados con lo que la tecnología actual puede hacer de forma fiable hoy —no en la teoría, sino en producción.
El resultado de un buen diagnóstico debería poder resumirse en una frase de este tipo: "el proceso X consume Y horas semanales, tiene Z% de errores, sus datos están en estos tres sistemas con esta calidad, y automatizarlo con IA tiene sentido con esta prioridad y este orden de magnitud de ahorro". Si el diagnóstico no llega a ese nivel de concreción, no ha terminado.
Paso 1: mapear los procesos candidatos
El punto de partida es una lista exhaustiva de los procesos que consumen tiempo humano de forma repetitiva: gestión de correo, cualificación de leads, elaboración de presupuestos, conciliación de facturas, atención postventa, generación de informes, actualización de datos entre sistemas. En una pyme de tamaño medio suelen aparecer entre quince y treinta candidatos con relativa facilidad; el reto no es encontrarlos, es priorizarlos.
Para cada proceso, recoge tres datos objetivos: horas semanales dedicadas, frecuencia de errores o retrabajo, y nivel de repetitividad de las reglas (¿son siempre las mismas o cambian caso a caso?). Sin estos tres datos, cualquier priorización posterior es una opinión disfrazada de análisis.
Paso 2: evaluar el estado real de tus datos y sistemas
Este es el paso que más empresas se saltan y el que más problemas causa después. Un proceso puede ser perfecto sobre el papel y resultar inviable en la práctica porque sus datos están repartidos entre cinco Excels sin estructura común, o porque el sistema que los contiene no tiene API y solo se puede consultar a mano.
Preguntas que hay que responder con honestidad en esta fase:
- ¿Los datos que necesita el proceso están en formato digital y accesible, o hay que digitalizarlos primero?
- ¿Existe una única fuente de verdad, o la misma información vive duplicada (y a veces contradicha) en varios sistemas?
- ¿El sistema principal (ERP, CRM, gestor documental) permite integración vía API, o solo exportaciones manuales?
- ¿Quién es el responsable técnico que puede dar accesos, y cuánto tarda habitualmente en resolver una petición?
Si esta parte del diagnóstico revela carencias serias, no es un motivo para abandonar el proyecto: es información valiosísima que cambia la planificación. Lo tratamos en profundidad en cómo preparar los datos de tu empresa para la IA.
Paso 3: contrastar con una checklist de madurez digital
Un diagnóstico riguroso no se apoya solo en la observación del consultor: se contrasta con una checklist estructurada que evalúa la madurez digital de la empresa en varias dimensiones —sistemas, datos, procesos documentados, cultura de medición y capacidad interna de gestión del cambio—. Esto evita el sesgo de "esta empresa parece muy digital porque tiene una web bonita" cuando, por dentro, los procesos siguen corriendo por WhatsApp y hojas de cálculo sueltas.
Tenemos una guía específica para hacer este ejercicio de forma sistemática en el checklist de madurez digital antes de la IA, que recomendamos completar en paralelo al mapeo de procesos.
Paso 4: priorizar con un criterio numérico, no con sensaciones
Con los procesos mapeados y el estado de datos evaluado, toca priorizar. Un método simple y efectivo: puntúa cada proceso candidato de 1 a 5 en tres ejes —impacto (horas u euros que se ahorrarían), viabilidad de datos (qué tan listos están hoy) y riesgo (qué pasa si el agente se equivoca en las primeras semanas)—. Multiplica impacto por viabilidad y divide por riesgo. El resultado ordena objetivamente tus candidatos.
Este ranking casi nunca coincide con la intuición inicial de la dirección. Es habitual que el proceso "más visible" (por ejemplo, la atención al cliente por chat) puntúe peor que uno interno y aburrido (por ejemplo, la conciliación de albaranes), simplemente porque el segundo tiene datos más limpios y un riesgo mucho más acotado. Ese desajuste entre intuición y datos es exactamente lo que un diagnóstico bien hecho debe revelar.
Paso 5: convertir el diagnóstico en una recomendación accionable
Un diagnóstico que termina en una lista de hallazgos sin una recomendación concreta no sirve de mucho. El entregable final debe señalar un proceso ganador, justificar por qué con los datos recogidos, y proponer un primer alcance realista para el piloto: qué parte del proceso se automatiza, qué queda fuera en esta primera fase, y qué habría que resolver antes de empezar (accesos, limpieza de datos puntual, validación con un responsable interno).
Con esa recomendación en la mano, el siguiente paso natural es formalizar el alcance del primer proyecto, que desarrollamos en detalle en cómo elegir el primer proceso a implementar con IA.
Cuánto debe durar un diagnóstico y quién debe estar en la sala
Un diagnóstico serio no necesita meses: entre una y tres semanas es un plazo razonable para una pyme, dependiendo de cuántos procesos y sistemas haya que revisar. Sí necesita a las personas adecuadas en las entrevistas: no solo a dirección, que ve el problema desde arriba, sino a quien ejecuta el proceso cada día, que conoce las excepciones que nunca aparecen en ningún manual. Un diagnóstico hecho solo con dirección produce una foto incompleta y, casi siempre, demasiado optimista.
Conclusión
Un diagnóstico antes de implementar IA no es un trámite previo: es la decisión más importante del proyecto, porque determina si el resto del dinero y el tiempo invertidos van a un sitio con retorno real o a una demo que nunca sale de fase piloto. Mapear procesos con datos, evaluar honestamente sistemas y calidad de datos, contrastar con una checklist de madurez y priorizar con números en lugar de intuiciones es el camino más corto hacia un primer proyecto que funcione.
Si quieres un diagnóstico hecho con esta metodología y aplicado a tu empresa concreta, en MG Solutions lo ofrecemos de forma gratuita y sin compromiso. Solicita tu diagnóstico aquí y en pocos días sabrás exactamente por dónde empezar.