Cómo ser consultor de IA (y qué necesitas saber de verdad)

El error de creer que la consultoría de IA se aprende en un curso de fin de semana

Esa escena se repite con variaciones casi idénticas. Cambia el nombre de la certificación, cambia la plataforma que se menciona en el primer mensaje, pero el patrón de fondo es el mismo: alguien técnico, o alguien que quiere volverse técnico, asume que vender consultoría de inteligencia artificial es un problema de dominar las herramientas correctas. Aprende a construir agentes, arma un par de automatizaciones vistosas, prepara un pitch deck con capturas de flujos, y sale a vender capacidad. El mercado ya está lleno de gente que puede mostrar una demo funcionando en diez minutos. Casi nadie puede sentarse con un gerente de operaciones y decirle, en la primera reunión, cuánto le está costando exactamente el proceso que ese gerente quiere arreglar.

La primera reunión real no se pierde por falta de tecnología. Se pierde porque el gerente no habla de modelos: habla de un reporte que su equipo arma a mano cada semana, de un proceso de aprobación que se traba en el mismo punto desde hace dos años, de un error que le costó plata el mes pasado. Si el consultor no sabe traducir ese lenguaje de negocio en un diagnóstico con número (cuánto cuesta hoy, cuánto costaría arreglado, en cuánto tiempo se recupera la inversión) la conversación se queda en generalidades y el gerente no tiene con qué justificar el gasto frente a su propio jefe. La tecnología, en esa reunión, todavía no importa.

Qué es un consultor de IA cuando se lo mira desde el negocio, no desde la herramienta

Conviene fijar el concepto antes de seguir, porque buena parte de la confusión del punto anterior nace de definir mal el rol desde el principio. Un consultor de IA no es alguien contratado para instalar un modelo o una automatización: es alguien contratado para responder por un resultado de negocio, y la inteligencia artificial es apenas el medio que eligió para llegar ahí. Esa distinción cambia todo lo que viene después, incluido qué se necesita aprender primero y qué se puede aprender después, sobre la marcha.

La secuencia importa más que cualquier herramienta puntual. Primero se diagnostica: qué proceso está costando plata o tiempo, y por qué. Después se cuantifica: cuánto exactamente, con qué certeza, comparado contra qué línea base. Recién al final entra la parte técnica, que es la que decide si la solución es un modelo, una automatización simple o directamente no tocar nada porque el proceso no lo justifica. El framework Arquitectura IA ordena justamente esa secuencia para que el diagnóstico no se salte nunca, porque saltárselo es la causa más común de proyectos de IA que se entregan técnicamente bien y fracasan comercialmente.

De dónde vienen los consultores de IA que de verdad facturan

Cuando reviso quién sostiene esta consultoría en el tiempo (no quien factura un proyecto suelto, sino quien tiene clientes que vuelven) el patrón no es el título ni la certificación. Es haber estado, antes, del lado de un proceso real: alguien que ya vio de cerca cómo se arma un presupuesto, cómo se pierde un cliente, cómo se acumula el trabajo manual en un área hasta que se vuelve insostenible. Esa exposición previa vale más que cualquier curso, porque enseña algo que ningún curso enseña bien: cómo suena un problema de negocio antes de que alguien lo convierta en un requerimiento técnico.

Lo segundo que comparten es haber cobrado antes por resolver algo, aunque fuera chico. No es lo mismo construir un proyecto para practicar que haber tenido que defender un precio frente a alguien que va a pagarlo con su propio presupuesto. Esa defensa obliga a pensar en retorno, en plazo, en riesgo, que es exactamente el vocabulario que un gerente de dirección entiende y espera. Por eso, antes de preguntarse qué curso tomar, conviene preguntarse dónde conseguir esa primera exposición a conseguir clientes de consultoría de IA reales, aunque el primer proyecto sea pequeño y mal pagado.

Las 4 capacidades reales que sostienen a un consultor de IA (y ninguna es saber programar a nivel experto)

Quitando el ruido de las certificaciones y los cursos, lo que de verdad separa a un consultor que entrega valor de uno que solo entrega entusiasmo se reduce a cuatro capacidades. Las cuatro se aprenden, ninguna es un don, pero solo una de ellas se enseña bien en un curso corto.

• Leer un proceso de negocio: entender cómo fluye el trabajo hoy, dónde se traba, quién decide qué y con qué información, antes de proponer tocar nada. Sin esto, cualquier solución técnica resuelve el síntoma equivocado.
• Trabajar con datos reales, no con datasets de curso: los datos de una empresa vienen sucios, incompletos, repartidos en tres sistemas que no se hablan. Saber diagnosticar ese desorden, y decir con honestidad cuándo todavía no hay proyecto de IA posible, es más valioso que saber entrenar un modelo con un dataset perfecto de práctica.
• Criterio de negocio para decidir qué conviene rediseñar: no todo proceso que se puede automatizar conviene automatizarlo. Hace falta criterio para descartar proyectos vistosos que no mueven el número que le importa a la empresa, y para priorizar el aburrido que sí lo mueve.
• Comunicación con dirección: traducir un hallazgo técnico en una frase que un gerente entienda en diez segundos, con el número al frente. Nadie en un comité aprueba presupuesto por una arquitectura bien explicada, lo aprueba por un retorno que entiende.

De estas cuatro, la única que un curso enseña razonablemente bien es la técnica que subyace a la primera y la segunda: entender qué puede y qué no puede hacer la tecnología. Leer el proceso, tener criterio de negocio y comunicar con dirección se aprenden viendo procesos reales y equivocándose en reuniones reales, no viendo un video. Por eso la lista completa de qué habilidades necesita un consultor de IA separa, precisamente, las que se pagan de las que solo decoran un perfil.

Lo que no hace falta para empezar, aunque el mercado de cursos diga lo contrario

El negocio de vender certificaciones y bootcamps de IA necesita convencer a la gente de que hace falta comprar algo antes de empezar. En la práctica, lo que sostiene a el consultor de IA que cobra bien tiene poco que ver con ese listado.

• Saber programar a nivel senior. Ayuda entender los límites técnicos de lo que se propone, pero el consultor no suele ser quien escribe el código de producción. Ese trabajo, cuando existe, lo hace un equipo técnico o un socio especializado.
• Una certificación de una plataforma de nube o de un proveedor de modelos. Demuestra que alguien completó un curso, no que sabe diagnosticar un proceso. Un gerente de operaciones no pregunta por certificados en la primera reunión.
• Haber trabajado en una consultora grande. Ayuda con el vocabulario y la disciplina de entregables, pero varios de los mejores diagnósticos que he visto salieron de gente que nunca pisó una consultora y sí pasó años dentro de un área operativa viendo el problema de cerca.
• Un título de maestría en inteligencia artificial o en datos. Es útil si el objetivo es investigar o construir modelos desde cero. Para diagnosticar procesos de negocio y responder por un resultado, ese título no reemplaza haber estado cerca del problema.

Nada de esto significa que estudiar sea inútil. Significa que estudiar la tecnología sin haber tocado nunca un proceso real produce un perfil que sabe explicar cómo funciona un modelo y no sabe explicar por qué a ese gerente le conviene o no usarlo.

Cuánto tarda de verdad, sin el optimismo de la publicidad de los cursos

La parte técnica se aprende rápido, en el sentido de que en poco tiempo se puede entender qué hace un modelo, qué es un agente, qué resuelve una automatización y qué no. Esa parte tiene una curva corta porque es información, y la información se estudia. La parte de diagnóstico no tiene esa curva, porque no es información: es criterio, y el criterio se construye viendo procesos reales, uno detrás de otro, hasta que empiezan a repetirse los mismos patrones de negocio detrás de fachadas distintas.

Por eso la pregunta “¿cuánto tarda?” tiene una respuesta incómoda: no se mide en semanas de estudio sino en la cantidad de procesos reales que alguien ha diagnosticado, con o sin título de consultor. Alguien que lleva tiempo dentro de un área de operaciones, viendo de cerca cómo se toman decisiones distintas semana a semana, suele tener más criterio de negocio que alguien que terminó varias certificaciones el mes pasado y nunca se sentó con un gerente a defender un número. No es una cuestión de talento: es que el diagnóstico se entrena con exposición a casos reales, y esa exposición no se comprime en un curso, por bueno que sea el instructor.

Las tres rutas de entrada que de verdad funcionan

No hay una sola puerta de entrada a esta consultoría, y conviene mirar las tres con honestidad antes de elegir cuál conviene según de dónde viene cada quien.

• Desde la automatización. Quien ya automatizó procesos dentro de una empresa o para clientes chicos tiene la mitad del camino recorrido: sabe leer un flujo de trabajo y detectar dónde se pierde tiempo. Lo que suele faltarle es el salto de vender la tarea (“te automatizo este reporte”) a vender el resultado (“te reduzco en la proporción acordada el tiempo de cierre mensual”). Vale la pena revisar qué es un automatizador para entender exactamente dónde termina ese rol y dónde empieza la consultoría.
• Desde la consultoría tradicional. Quien viene de estrategia, procesos o gestión de proyectos ya sabe hablar con dirección y ya sabe estructurar un diagnóstico. Lo que tiene que sumar es entender, con suficiente profundidad, qué puede y qué no puede hacer hoy la inteligencia artificial, para no prometer de más ni descartar por desconocimiento algo que sí es viable.
• Desde un puesto interno. Quien ocupó un rol como el de Gerente de IA dentro de una empresa ya vivió, de primera mano, cómo se prioriza un proyecto de IA frente a otras prioridades del negocio y cómo se defiende su presupuesto ante dirección. Externalizar esa experiencia como consultoría suele ser más rápido que partir de cero, porque ya trae casos reales que contar.

Las tres rutas convergen en el mismo punto: la parte de negocio se trae de antes, y la parte de inteligencia artificial se suma encima. Ninguna ruta empieza al revés.

Mi criterio sobre el atajo que no existe

El criterio se construye viendo procesos reales, no viendo demos

Todo lo anterior se resume en una sola inversión de orden. La mayoría entra queriendo dominar primero la tecnología y recién después entender el negocio del cliente. Lo que de verdad funciona es al revés: entender primero cómo se lee un proceso, cómo se le pone número, cómo se defiende ese número frente a dirección, y sumar la tecnología encima, como la última pieza, no la primera.

Esa inversión de orden no es una preferencia de estilo, es la razón de que unos consultores de IA sostengan clientes en el tiempo y otros desaparezcan después del primer proyecto que salió mal. El técnico que nunca aprendió a diagnosticar entrega una solución que funciona en la demo y no mueve el número que el gerente necesitaba mover. El que sí diagnosticó bien puede después definir, con el cliente ya convencido, qué servicios vale la pena vender y cuáles conviene dejar pasar. El criterio no se certifica. Se construye proceso por proceso, y ese trabajo no tiene atajo.