Vítor Jaime de Oliveira · VitorProDev · Caracas 5 de octubre de 2026
Casi todas las conversaciones sobre IA en una pyme empiezan igual: «tenemos que meter IA en algo». Se prueba un chatbot, se automatiza un correo, y a los tres meses nadie sabe si valió la pena. El problema casi nunca es la tecnología. El problema es el punto de partida.
Prashanth Southekal lo plantea con claridad en la introducción de The agentic enterprise: a menudo el reto clave no es construir la solución de IA, sino identificar dónde conviene aplicarla. Lo difícil, dice, es determinar qué oportunidades son de verdad valiosas, están alineadas con la estrategia y merecen la inversión.
Opinión: hoy los modelos están al alcance de cualquiera; lo que separa un proyecto útil de uno decorativo es elegir el problema correcto.
La pregunta equivocada
Southekal recomienda empezar con talleres colaborativos entre negocio, procesos, tecnología y datos. Pero advierte que el propósito de esos talleres no es preguntar «Where can we use AI?» («¿dónde podemos usar IA?»): es una pregunta demasiado centrada en la tecnología, que suele producir casos de uso superficiales. En su lugar, propone usar el taller para entender cómo crear valor para el negocio.
Si preguntas dónde usar IA, obtienes herramientas buscando un problema. Si preguntas cómo gana dinero tu negocio y dónde pierde margen, aparecen los puntos donde se necesita una mejora.
Opinión: en una pyme esto pesa más que en una empresa grande. No hay presupuesto para «experimentar por experimentar». Cada hora que el dueño o el equipo dedican a una herramienta tiene que volver en forma de ventas, ahorro o tiempo extra.
La transacción no es la oportunidad
Un negocio vive de transacciones: pedidos, facturas, pagos, envíos, solicitudes de préstamo, interacciones con clientes. Pero, según Southekal, la transacción no es la oportunidad. La oportunidad está en las decisiones asociadas a ella: aprobar, rechazar, escalar, priorizar, modificar, enrutar o investigar.
Para él, una decisión es especialmente importante si tiene una o más de tres características: consecuencias económicas altas, alta frecuencia (se toma cientos, miles o millones de veces) o dificultad para revertirla. Las que combinan dos o más suelen ser buenas candidatas para la IA. De ahí su principio:
«High-value AI opportunities emerge where high-value business transactions intersect with high-impact business decisions.»
Es decir, la oportunidad aparece donde una transacción importante se cruza con una decisión de alto impacto. Como resume el autor, la transacción genera los datos y la decisión determina el resultado y el valor.
Una plantilla para escribir el caso de uso
Para aterrizar la idea, el autor propone una plantilla práctica:
«Use AI to help [decision maker] make a better [business decision] by analyzing [business transaction data], resulting in [business outcome].»
En español: usar IA para ayudar a [quien decide] a tomar una mejor [decisión de negocio] analizando [los datos de la transacción], con el resultado de [un resultado para el negocio].
Opinión: la plantilla vale por lo que obliga a nombrar. Si no puedes llenar los cuatro huecos, tienes una idea, no un caso. Y si «quien decide» queda vacío, el proyecto no tiene dueño.
Ejemplo ilustrativo: una dulcería decide cada mes cuántos frascos de dulce de lechosa cocinar. La transacción es la venta mensual; la decisión es la cantidad a producir. Aplicando la plantilla:
Usar IA para ayudar a la encargada de producción a decidir mejor cuánto cocinar de cada producto analizando el historial de ventas por mes y por producto, con el resultado de menos merma y menos clientes que se van sin lo que buscaban.
El caso no empieza por «queremos un chatbot», sino por una decisión que ya se toma a ojo cada mes.
Otro caso típico: un negocio que aprueba descuentos a clientes. La transacción es la venta; la decisión es si conceder el descuento y de cuánto. Ahí hay datos (historial del cliente, margen del producto) y hay una persona que decide.
Verificar antes de invertir
Antes de invertir, Southekal propone verificar el caso con preguntas concretas:
- qué problema resolvemos,
- por qué importa,
- qué pasa si nada cambia,
- qué objetivo de negocio buscamos,
- qué transacción y qué decisión mejora la IA,
- cuál es el impacto económico esperado,
- cuál es el coste de no actuar,
- cómo mediremos el éxito.
También pide distinguir el problema del objetivo: la IA debe optimizar el objetivo, no solo responder al problema.
Opinión: la pregunta de cuál es el coste de no actuar es la que más proyectos elimina. Si dejar las cosas como están no le cuesta al negocio, la IA tampoco le va a aportar. Y la medida del éxito se fija antes de empezar.
Cuidado con lo que le pides a la máquina
Según Southekal, la IA puede ser muy eficaz optimizando, pero no entiende por sí sola lo que la organización más valora. Si le das un objetivo mal diseñado, puede optimizarlo con éxito y aun así producir resultados que no encajan. Eso es lo que describe como value asymmetry trap.
Lo vincula con el principio del economista Charles Goodhart: cuando una medida se convierte en objetivo, puede dejar de ser una buena medida. La lección, en sus palabras, es que la IA puede optimizar lo que le pides que optimice, pero no lo que tu organización valora.
Como solución, plantea un enfoque multiobjetivo: muchas decisiones importantes implican objetivos que compiten, así que conviene no medir el éxito de la IA con una sola métrica y, en su lugar, maximizar los resultados deseables mientras se minimizan los indeseables.
Opinión: en el ejemplo de la dulcería, optimizar solo «cero merma» llevaría a cocinar de menos y quedarse sin producto a mitad de la temporada navideña. Optimizar para que no se acabe nunca llevaría a desechar producto no vendido. La decisión buena es equilibrada, y eso hay que decírselo al sistema de forma explícita.
Por dónde empezar mañana
Si tienes un negocio y quieres usar IA, el orden es este:
- Haz una lista de las transacciones que más pesan en tu negocio.
- Dentro de cada una, identifica las decisiones que alguien toma: aprobar, rechazar, priorizar, escalar.
- Elige la que más pese en dinero, se repita más o cueste más revertir.
- Escríbela con la plantilla y verifícala: problema, coste de no actuar, medida del éxito.
- Define qué otros objetivos no puedes sacrificar.
Solo entonces toca elegir herramienta.
Para Southekal, la pregunta más importante de una transformación con IA es esta:
«Which business decisions, if improved, would create the greatest measurable value?»
¿Qué decisiones de tu negocio, si mejoraran, crearían el mayor valor medible?
Empieza por ahí. La IA viene después.
Fuente: Prashanth Southekal (DBP-Institute), «Don’t start with AI. Start with the decisions that create business value», introducción de The agentic enterprise (AWS Marketplace, serie Data & AI Book 2, 2026-Q3).