Tres meses después de poner en marcha una herramienta nueva, alguien pregunta en la reunión: "¿Y esto ha servido de algo?". El dueño responde que sí, que le parece que se trabaja más tranquilo. Un empleado dice que no nota gran diferencia. Otro asegura que ahora hay menos errores, aunque no sabe decir cuántos había antes. La conversación se acaba sin conclusión, porque todos opinan y nadie tiene un dato de partida con el que comparar.
Este es el error más común al implantar cualquier cambio, y con los agentes de IA pasa exactamente igual: se arranca sin anotar cómo estaban las cosas. Cuando llega el momento de juzgar, solo quedan sensaciones. Y las sensaciones son una mala base para decidir si sigues, si ajustas o si lo dejas.
Qué hacen las grandes antes de empezar un proyecto
En una gran empresa, ningún proyecto serio arranca sin fijar antes los indicadores: unas pocas cifras que describen la situación actual y que se volverán a medir al final. No lo hacen por burocracia, sino porque les permite responder a tres preguntas con hechos:
- ¿Hemos mejorado algo? Comparando antes y después.
- ¿Ha valido la pena el esfuerzo? Viendo el tamaño de la diferencia frente al trabajo invertido.
- ¿Qué ajustamos? Identificando dónde no ha habido mejora.
No necesitas una oficina de proyectos para hacer lo mismo. Te bastan una hoja de cálculo, un cuaderno y un poco de disciplina durante un par de semanas antes de empezar.
Lo que pasa cuando no se mide
No medir el punto de partida tiene consecuencias muy concretas:
- No puedes demostrar una mejora, ni a ti ni a tu equipo ni a un socio. Y sin demostración, cualquier cambio queda expuesto a la opinión de quien más grite.
- No puedes detectar un empeoramiento. A veces un cambio mejora una cosa y estropea otra sin que nadie lo note.
- Te cuesta decidir si ampliar. Extender el uso de un agente a otra tarea es una decisión que conviene apoyar en algo más que la impresión general.
- Recuerdas mal cómo estabas. Con el tiempo, el punto de partida se vuelve más negro o más blanco según el humor del momento.
Y hay un efecto más sutil: sin referencia, es fácil atribuirle al agente mejoras que vienen de otra parte, como una temporada tranquila, un empleado nuevo o un cambio de proveedor, o achacarle problemas que ya existían.
Qué anotar hoy: un puñado de datos, no un panel de control
La tentación es medirlo todo. Conviene hacer lo contrario: elegir muy pocos datos, los que más te importan de la tarea concreta que vas a cambiar. Estas son las familias de datos más útiles en una pyme:
- Tiempo. Cuánto tarda hoy la tarea de principio a fin (por ejemplo, contestar un presupuesto o preparar un pedido) y cuánto tiempo te lleva a ti o a tu equipo cada semana.
- Errores. Cuántas veces al mes hay que corregir algo: una factura mal emitida, un pedido equivocado, un dato mal copiado.
- Volumen. Cuántos pedidos, consultas, presupuestos o facturas pasan por ese proceso en un período normal.
- Esperas. Cuánto tarda en recibir respuesta un cliente, o cuánto tarda en cerrarse una tarea pendiente.
- Lo que notas tú. Una nota breve sobre lo que más te molesta del proceso actual, en tus propias palabras.
Elige dos o tres de esa lista, los que tengan relación directa con lo que esperas que cambie. Si el agente va a responder consultas, mide esperas y volumen; si va a preparar facturas, mide errores y tiempo.
Cómo anotarlo sin montar un sistema
Un método sencillo, al alcance de cualquiera:
- Escribe en una frase qué esperas que mejore. Por ejemplo: "que los presupuestos salgan antes" o "que haya menos errores en las facturas".
- Elige los dos o tres datos que reflejan esa expectativa.
- Anótalos durante dos semanas normales en una hoja de cálculo con una fila por día o por tarea. No hace falta precisión milimétrica, basta con ser constante.
- Guarda esa hoja con fecha. Es tu punto de partida.
- Cuando el agente esté funcionando, repite la medición con el mismo método, durante el mismo número de semanas.
- Compara. Si usas la misma forma de medir, la comparación es válida.
Conviene que la medición sea igual antes y después: mismo criterio, mismas unidades, mismo período. Comparar una semana de agosto con una de diciembre no dice nada, porque el trabajo no es el mismo.
Qué puede hacer el agente con esos datos
Una vez tienes el punto de partida, el propio agente puede ayudarte con la comparación. Un agente de IA es un programa que hace tareas de trabajo por ti y te consulta lo importante. Aquí puede:
- Recoger automáticamente los datos que ya pasan por él (tiempos, volúmenes, errores detectados) para que no tengas que anotarlos a mano.
- Presentarte la comparación con el período de partida en un resumen claro.
- Avisarte de factores que pueden distorsionar, como un período con más trabajo de lo normal.
- Señalar dónde no hay mejora, para que puedas ajustar.
Lo que no puede hacer es decidir por ti si el cambio ha valido la pena. Esa valoración incluye cosas que no se anotan en una hoja: si el equipo está más tranquilo, si los clientes están más contentos, si el esfuerzo compensa lo que has pagado. Las conclusiones las sacas tú.
Para profundizar en cómo interpretar los resultados, tienes cómo medir el éxito de haber implementado IA y cómo medir el impacto real de la IA en la productividad.
Qué cuidar al medir
- No conviertas la medición en vigilancia. Mide procesos, no personas. Anotar cuánto tarda una tarea es distinto de controlar cuánto tarda cada empleado, y esto último, además de generar desconfianza, puede tener implicaciones legales. Explica al equipo qué se mide y para qué.
- Sé honesto con los resultados. Si la mejora es pequeña o no existe, es una información valiosa. Conviene saberlo pronto y ajustar, no maquillar.
- No atribuyas todo al agente. Fíjate en qué más ha cambiado durante el período.
- Cuida los datos personales. Si tus datos de partida incluyen información de clientes o de empleados, anonimízala o agrégala: para medir tiempos y errores no hace falta saber quién es quién.
- Para decisiones de dinero, como valorar si una inversión compensa, apóyate en tu gestor o asesor. Puedes empezar con cómo evaluar el retorno de una inversión tecnológica.
Conclusión
Antes de poner en marcha un agente, dedica dos semanas a anotar cómo trabajas hoy: unos pocos datos de tiempo, errores o volumen, medidos siempre igual. Es poco trabajo y te permite, meses después, responder con hechos a la pregunta de si ha funcionado. Sin ese punto de partida, solo queda la opinión de cada cual.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, no una plantilla genérica. Podemos ayudarte a definir qué medir antes de empezar y a comparar los resultados después.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.