Guías de implementaciónPriorizaciónNivel: dirección / operaciones

Cómo elegir el primer caso de uso de IA que sí va a funcionar

Ya hiciste el diagnóstico de madurez y tienes una lista con ocho, doce, quince candidatos a primer caso de uso de IA, cada uno con su nombre bonito en el documento del comité. El problema no es la lista: es lo que pasa en la reunión donde alguien decide cuál va primero. Ahí es donde la mayoría de las empresas pierde meses de credibilidad, eligiendo al candidato que mejor suena en una presentación de directorio en vez del que tiene datos, dueño y volumen suficiente para funcionar en ocho semanas. Esta guía es el filtro concreto: los seis criterios de viabilidad, la matriz de impacto vs. viabilidad, y qué hacer cuando dirección insiste en el proyecto ambicioso que no los cumple.

Definición

Elegir el primer caso de uso de IA es aplicar un filtro de viabilidad (dolor medible, datos disponibles, dueño con nombre, implementación corta, bajo riesgo) antes que un filtro de impacto vistoso, para asegurar una primera victoria real.

1234CUElegir el primer caso de uso
Se sube un escalón a la vez. Saltarse uno se paga después.

Por qué la mayoría elige mal su primer caso de uso

Si ya hiciste el diagnóstico de madurez, tienes en la mesa una lista de candidatos: procesos que duelen, áreas que piden ayuda, ideas que salieron en la última reunión de innovación. El diagnóstico resuelve el “dónde nos duele”. Esta guía resuelve el problema siguiente, más peligroso: de esa lista, ¿cuál va primero?

El error casi nunca está en la lista de candidatos: está en el criterio, o la falta de criterio, para elegir uno. En la mayoría de comités gana el candidato más vistoso, el que suena mejor en una presentación de directorio, el que promete el número más grande, el que alguien con poder político ya decidió que quiere ver funcionando. Eso no es un criterio de negocio, es elegir para impresionar, no para ganar.

El costo de equivocarse aquí no es solo técnico. Un primer caso de uso que se atasca, que no entrega nada en tres meses, que depende de datos que nadie tiene limpios, quema la paciencia política que necesitas para el segundo intento, y la mayoría de empresas no tiene presupuesto ni paciencia para un segundo intento fallido.

Por eso el primer caso de uso no se elige por impacto potencial en abstracto, se elige por la combinación de impacto real y viabilidad concreta: un método que rara vez se aplica y casi siempre se reemplaza por intuición, jerarquía o simpatía con quien propuso la idea.

Qué significa elegir bien (y qué no)

Elegir bien el primer caso de uso no es encontrar “el proyecto de IA más importante” de la empresa. Es encontrar el proyecto con más probabilidad real de entregar un resultado medible en semanas, no en trimestres, con los recursos que la empresa realmente tiene hoy, no los que tendrá “cuando maduremos”.

Definición

Elegir el primer caso de uso de IA es aplicar un filtro de viabilidad (dolor medible, datos disponibles, dueño con nombre, implementación corta, bajo riesgo) antes que un filtro de impacto vistoso, para asegurar una primera victoria real.

Los seis criterios que de verdad predicen si un caso de uso va a funcionar

Cada candidato de tu lista se evalúa contra los mismos seis filtros. No son opcionales ni intercambiables: un candidato que falla en dos o más de estos, por más atractivo que sea el argumento de negocio, no debería ser el primero.

  • Dolor real y medible: el proceso duele hoy, alguien se queja de él en voz alta, y existe un número (horas, errores, costo, tiempo de espera) que ya se mide o se puede medir sin inventar un sistema nuevo. Si nadie puede decir cuánto cuesta el problema actual, no vas a poder demostrar que lo resolviste.
  • Volumen suficiente: el proceso ocurre con la frecuencia necesaria para que automatizarlo importe. Un proceso que pasa tres veces al año, por doloroso que sea, no genera el volumen de evidencia que necesitas en ocho semanas para mostrar resultado.
  • Datos disponibles: la información que el caso de uso necesita ya existe, en un formato que se puede tocar, sin depender de un proyecto de limpieza de datos de seis meses que nadie ha empezado. Si la respuesta a “¿tenemos esos datos?” es “deberíamos”, ese candidato no es el primero.
  • Dueño con nombre: hay una persona concreta, no un área genérica, responsable de que este caso de uso funcione y de defenderlo cuando algo salga mal en el camino. Un caso de uso sin dueño con nombre es un caso de uso sin nadie que pelee por él cuando aparezca el primer obstáculo.
  • Tiempo de implementación corto: se puede llegar a una primera versión funcional en semanas, no en trimestres. Cuanto más larga la implementación, más tiempo tiene el comité para perder el interés o para que cambie la prioridad de la empresa.
  • Bajo riesgo si falla: si el primer intento no funciona como se esperaba, el costo de ese fracaso (reputacional, financiero, operativo) es contenido. El primer caso de uso no es el lugar para apostar el proceso más crítico de la empresa; es el lugar para aprender rápido y barato.

Cómo armar la matriz de impacto vs. viabilidad (y cerrar la decisión)

Construye los dos ejes

La matriz tiene dos ejes. El eje de impacto combina el criterio de dolor real y medible con el de volumen suficiente: cuánto vale resolver esto y con qué frecuencia. El eje de viabilidad combina los otros cuatro: datos disponibles, dueño con nombre, tiempo de implementación corto y bajo riesgo si falla. No hace falta software especializado para esto: una hoja de cálculo con una fila por candidato y una columna por criterio es suficiente.

Puntúa cada candidato, no lo discutas primero

Cada persona que conoce el candidato le pone una nota de uno a cinco en cada uno de los seis criterios, por separado, antes de discutir en grupo. Si discutes primero, la nota termina reflejando quién habló más fuerte en la sala, no la viabilidad real del candidato. Suma las notas de impacto por un lado y las de viabilidad por el otro, y recién ahí compara resultados con el resto del comité.

Ubica cada candidato en el cuadrante correcto

Con el promedio de impacto en un eje y el promedio de viabilidad en el otro, cada candidato cae en uno de cuatro cuadrantes. El cuadrante de impacto alto y viabilidad alta es tu primer caso de uso: ahí es donde se elige, sin excepción. El cuadrante de impacto alto y viabilidad baja es la trampa: es el candidato vistoso, el que suena mejor en la presentación, el que no tiene datos ni dueño ni tiempo corto detrás. Ese va a la lista de “casos de uso número dos o tres”.

Cierra la sesión con una decisión escrita, no con una preferencia

La sesión de decisión no termina en “creo que deberíamos ir por este”. Termina con el nombre del caso de uso elegido, el nombre del dueño, la fecha en que se espera la primera versión funcional, y el número exacto que se va a medir para saber si funcionó. Si el comité sale de la reunión sin esos cuatro datos escritos, no eligió un caso de uso: solo tuvo una conversación.

Errores comunes al elegir el primer caso de uso

  • Elegir el caso de uso que mejor suena en la presentación de directorio, no el que mejor puntúa en la matriz. El argumento “esto va a impresionar a la junta” no es un criterio de viabilidad, es una trampa de ego.
  • Saltarse la puntuación individual y decidir directamente en grupo. La discusión abierta desde el minuto uno favorece al que tiene más jerarquía o más carisma en la sala, no al candidato con mejores datos.
  • Confundir “tenemos los datos en algún sistema” con “los datos están disponibles”. Si nadie puede extraerlos, limpiarlos y usarlos en un plazo razonable, ese criterio no está cumplido, aunque técnicamente el dato exista en algún servidor.
  • Elegir un caso de uso sin dueño con nombre, asumiendo que “el área de operaciones” se va a hacer cargo. Un área no defiende un proyecto cuando se pone difícil; una persona sí, o debería.
  • Tratar el primer caso de uso como el proyecto más importante de la estrategia de IA de la empresa, en vez de tratarlo como la primera prueba de que el sistema completo (datos, criterio, gente) puede sostener un segundo y un tercer caso de uso.

Qué hacer cuando dirección insiste en el caso ambicioso que no cumple los criterios

Esto va a pasar. Alguien en el comité, casi siempre con poder para imponerlo, va a insistir en el candidato que perdió en la matriz: el que promete transformar el área comercial completa, el que suena mejor para el reporte anual, el que ya prometió en una reunión externa antes de consultar con el equipo técnico.

  • Muestra la matriz, no tu opinión. La conversación cambia cuando el argumento no es “yo creo que no es buena idea” sino “este candidato puntuó bajo en datos disponibles y en tiempo de implementación, y esto es lo que eso significa en riesgo real”.
  • Ofrece el caso ambicioso como segundo o tercer proyecto, no como un “no” definitivo. Casi nadie insiste en un “nunca”; casi todos aceptan un “primero esto, y en ocho semanas retomamos el otro con mejor evidencia”.
  • Propón una versión reducida del caso ambicioso que sí cumpla los criterios: un piloto acotado a una sola línea de producto, a una sola región, a un subconjunto de clientes, en vez del despliegue completo que dirección tiene en la cabeza.
  • Si aun así se impone el candidato de alto riesgo, documenta por escrito qué criterios no cumple y qué riesgo específico se está aceptando. No para cubrirte cuando falle: para que la próxima decisión de priorización use el mismo criterio, no la misma jerarquía.

Cómo se ve esto en la práctica

Una empresa de manufactura mediana llegó al comité de priorización con dos candidatos principales tras su diagnóstico de madurez. El primero: un sistema de visión por computadora para inspección de calidad en línea de producción, presentado por el gerente de planta. El segundo: automatizar la clasificación y extracción de datos de facturas de proveedores para el área de contabilidad, un problema que nadie mencionaba en las reuniones de innovación porque sonaba aburrido.

En la matriz, el sistema de visión por computadora puntuó alto en impacto, pero bajo en viabilidad: los datos de imágenes etiquetadas no existían, el gerente de planta no tenía horas reales para dedicarle, y el plazo realista de implementación era de varios meses, no semanas. El caso de facturas puntuó más bajo en impacto percibido, pero alto en viabilidad: el volumen mensual era alto y constante, los datos ya existían en el sistema contable, había una persona de contabilidad dispuesta a ser dueña del proyecto, y una primera versión funcional se podía tener en menos de un mes.

El comité quería empezar por visión por computadora. La matriz mostró el riesgo en números, no en opiniones, y el comité optó por facturas como primer caso de uso, con visión por computadora documentado como segundo proyecto, una vez que hubiera datos etiquetados y presupuesto para un responsable de tiempo completo. Ocho semanas después, el proceso de facturas ya mostraba una reducción medible en tiempo de procesamiento, evidencia que destrabó presupuesto para preparar en serio el proyecto de visión por computadora.

Mi criterio

Mi criterio

El primer caso de uso no se elige para impresionar a nadie, se elige para ganar. Prefiero, sin excepción, un caso de uso aburrido con datos disponibles y un dueño con nombre, sobre un caso de uso ambicioso que depende de condiciones que la empresa todavía no tiene. La ambición tiene su lugar, es el segundo o tercer proyecto, cuando ya existe evidencia interna de que el sistema completo (datos, criterio, gente dispuesta a sostenerlo) puede cargar con algo más grande. Elegir el proyecto vistoso primero no es visión estratégica, es apostar el poco crédito político que tiene la IA en tu empresa a la carta más difícil de la baraja.

Cómo saber si elegiste bien

La señal de que elegiste bien no aparece el día que arrancas el proyecto. Aparece entre la semana seis y la semana diez, cuando deberías tener una primera versión funcional entregando el número que definiste antes de empezar.

  • El caso de uso elegido llegó a una primera versión funcional dentro del plazo estimado en la sesión de decisión, sin extensiones silenciosas de “un mes más”.
  • El número definido como meta (horas ahorradas, errores reducidos, tiempo de ciclo) se puede medir hoy contra la línea base documentada antes de empezar, no contra una impresión general de que “ya está mejor”.
  • El dueño con nombre sigue siendo el dueño: no renunció al proyecto ni lo devolvió al equipo técnico en cuanto apareció el primer obstáculo.

Si después de diez semanas no hay número que mostrar, revisa primero los criterios: casi siempre el candidato fallaba en datos disponibles o en dueño con nombre desde el inicio, y el entusiasmo inicial tapó una puntuación de viabilidad que ya advertía el riesgo.

Preguntas frecuentes

¿Cómo elijo el primer caso de uso de IA en mi empresa?

Tomas la lista de candidatos que salió del diagnóstico de madurez y la pasas por seis filtros: dolor real y medible, volumen suficiente, datos disponibles, dueño con nombre, tiempo de implementación corto y bajo riesgo si falla. El candidato que mejor puntúa en los seis, no el que suena más impresionante, es tu primer caso de uso.

¿Qué pasa si elijo mal el primer caso de uso de IA?

El riesgo no es solo que el proyecto falle técnicamente. Un primer caso de uso que se atasca quema la paciencia política del comité para aprobar un segundo intento, y en la mayoría de empresas no hay presupuesto ni voluntad para probar dos veces seguidas.

¿Debo elegir el caso de uso más rentable o el más fácil de implementar?

Ninguno de los dos por separado: eliges el que puntúa alto en ambos ejes de la matriz de impacto vs. viabilidad. Un caso de uso muy rentable pero sin datos disponibles ni dueño con nombre no es viable en las primeras semanas, y uno fácil pero sin impacto real no convence a nadie del valor de la IA.

¿Cuántos candidatos necesito antes de elegir el primer caso de uso?

Con el diagnóstico de madurez ya deberías tener entre ocho y quince candidatos razonables. Menos de eso y probablemente no exploraste suficientes áreas de dolor; más de veinte y el comité pierde tiempo evaluando opciones que nunca tuvieron chance real de ganar.

¿Qué hago si dirección insiste en un caso de uso ambicioso que no cumple los criterios?

Le muestras la matriz, no tu opinión: el candidato puntuó bajo en datos o en tiempo de implementación, y eso es riesgo medible, no una preferencia personal tuya. Ofrece ese proyecto como segundo o tercero, o una versión reducida que sí cumpla los criterios, en vez de pelear un “no” definitivo.

Fuentes

Este artículo sintetiza y pone en contexto de negocio material público de estas fuentes. Léelas directo; aquí solo se agrega criterio de implementación.

  1. Anthropic recomienda empezar con la tarea más simple que resuelva el problema, y solo añadir complejidad de agente cuando un flujo más simple demuestre no ser suficiente, el mismo criterio que separa un primer caso de uso viable de uno ambicioso. anthropic.com/engineering
  2. McKinsey documenta en sus análisis de QuantumBlack que las empresas que capturan más valor de IA priorizan casos de uso por viabilidad de datos y de gobierno antes que por el tamaño del impacto prometido. mckinsey.com/quantumblack
  3. BCG señala en su práctica de inteligencia artificial que los programas de IA que escalan son los que empiezan con un caso de uso acotado y con dueño claro, no los que arrancan con la transformación más ambiciosa del negocio. bcg.com/capabilities/ai

Sigue explorando

Guías de implementación

Cómo hacer un diagnóstico de madurez en IA: guía paso a paso

Guía paso a paso para ejecutar un diagnóstico de madurez en IA en una semana: qué seis dimensiones evaluar, cómo entrevistar a cada área y cómo convertir el resultado en una lista priorizada de casos de uso.

Guías de implementación

Cómo escribir un PRD para un proyecto de IA (y no uno de software)

Guía práctica para escribir un PRD de IA: cómo documentar el dolor, el KPI, los datos, el límite de autonomía y el plan de errores antes de construir. Con plantilla de secciones lista para copiar.

Guías de implementación

Cómo calcular el ROI de un proyecto de IA: método paso a paso

Metodología concreta para calcular el ROI de un proyecto de IA: línea base, costos reales, beneficio en dinero, ventana de medición correcta y fórmula, con ejemplo numérico ilustrativo.

Guías de implementación

Cómo hacer una prueba de concepto de IA en dos semanas (sin que se alargue a seis meses)

Guía práctica con cronograma día por día para ejecutar una prueba de concepto de IA en catorce días: cómo acotar el alcance, definir el criterio de éxito y cerrar con una decisión, no con “seguimos evaluando”.

Guías de implementación

Cómo decidir si construyes o compras una solución de IA: el proceso paso a paso

Cómo decidir si construyes o compras una solución de IA sin que la elección la haga quien habló último: el proceso paso a paso para documentar el dolor, evaluar el mercado y decidir con datos, no con intuición.

Sigue por aquí

Ver todas las páginas de Guías de implementación · Ver todo el Playbook AI Native

José Andonaire

Sobre el autor

José Andonaire

Ayudo a empresas de Latinoamérica y España a identificar, priorizar e implementar oportunidades de inteligencia artificial que generen resultados reales para el negocio. Lo que publico sale de implementaciones reales, no de teoría.