Qué pasa si automatizás el proceso equivocado primero

El costo más caro de elegir mal el primer proceso a intervenir no es el tiempo ni el dinero invertido en el intento. Es lo que queda instalado en la cabeza del equipo después: "ya probamos con IA y no funcionó". Esa frase, una vez que se dice en voz alta en una reunión, es mucho más difícil de revertir que cualquier ajuste técnico.

¿Por qué pasa esto? Porque un proceso mal elegido — de bajo volumen, sin repetición clara, con alto costo de error, o sin datos disponibles — casi siempre termina en un resultado ambiguo o directamente malo. Y un resultado ambiguo, sin la explicación técnica de por qué falló, se traduce puertas adentro como "la IA no sirve para nosotros" — una conclusión mucho más amplia y mucho más difícil de desarmar que la real, que era simplemente "elegimos mal el punto de partida".

Este patrón tiene una lógica de gestión del cambio conocida: las personas necesitan pocas confirmaciones negativas para archivar una idea completa como "no funciona", incluso cuando el problema real fue de ejecución, no de la idea en sí. Por eso el orden importa tanto como la elección: un segundo intento, después de un primero fallido, arranca con menos apoyo, menos paciencia y menos margen de error que el primero — exactamente al revés de lo que necesitaría para tener éxito.

Un primer intento fallido no cuesta una oportunidad. Cuesta la predisposición para la segunda oportunidad, que suele ser más difícil de conseguir que la primera.

La forma de evitar esto no es ser más cuidadoso "en general" — es aplicar, antes de arrancar, los cuatro criterios de priorización (volumen, repetición, costo del error, disponibilidad de datos) que vimos en la nota anterior de este cluster. No garantizan el éxito, pero sí bajan drásticamente la chance de un resultado ambiguo que se lea, puertas adentro, como un fracaso general de la idea.