Cómo observar el trabajo real antes de proponer un caso de uso de IA

Una queja sobre el trabajo es una pista de investigación, no un caso de uso de IA listo para aprobar. Si un equipo de operaciones dice que elaborar los informes de incorporación de clientes toma demasiado tiempo, puede parecer lógico proponer un resumidor. Sin embargo, un mapa recordado no equivale al trabajo observado: los casos terminados pueden mostrar que la demora aparece cuando faltan decisiones comerciales o hay campos contradictorios, y que la redacción debe repetirse después de aclararlos. La tarea inicial es ubicar la restricción recurrente, su consecuencia y la incertidumbre antes de escoger una solución.

¿Qué hay que definir antes de observar un flujo de trabajo?

Antes de observar, defina un límite provisional: qué evento inicia el flujo, qué condición lo termina, qué resultado produce, quién lo recibe y qué roles participan. Incluya casos rutinarios y excepcionales, y escriba las preguntas que la ronda de campo debe resolver. La orientación oficial para descubrir casos de uso parte de trabajo recurrente, ejemplos y resultados reales; la guía de entrevistas de GOV.UK también recomienda planear desde las preguntas de investigación y los procesos que se necesitan comprender. El límite puede cambiar si aparece una dependencia anterior o posterior.

En el ejemplo, la muestra va desde la recepción de un traspaso comercial aprobado hasta la aceptación del informe por parte del líder de entrega. Debe cubrir expedientes rutinarios, incompletos y con cambio de alcance. Registre el resultado esperado, las variaciones, los puntos de entrega entre roles y la pregunta central: ¿la dificultad está en redactar, conseguir información o resolver contradicciones? No aplique todos los métodos por costumbre. La combinación de entrevistas, observación, artefactos, diarios y registros es una síntesis práctica, no un protocolo único validado.

• Inicio y final observables del flujo.
• Resultado y usuario que lo recibe.
• Roles, entregas y tipos de caso relevantes.
• Preguntas abiertas y evidencia necesaria para responderlas.

¿Cómo revelan las entrevistas de casos recientes lo que ocurrió?

Las entrevistas revelan mejor la secuencia cuando reconstruyen un caso reciente y concreto, no cuando solicitan una descripción general del proceso ideal. Empiece por el evento que lo activó; continúe con lo que llegó, la siguiente acción, las decisiones, los traspasos, las excepciones y el resultado aceptado. Use preguntas abiertas y neutrales: “¿Qué pasó después?”, “¿Qué le indicó eso?”, “¿Con quién habló?”, “¿Qué estaba incierto?” y “¿Puede mostrarme el elemento que usó?”. Evite pedir que la persona diseñe una función de IA durante la reconstrucción.

La secuencia debe recuperar también el trabajo cognitivo: señales consultadas, información faltante, alternativas descartadas y juicios difíciles. Este enfoque toma principios del análisis cognitivo de tareas, pero no es el protocolo ACTA formal. Cuando una explicación verbal quede corta, pida una demostración o revise el formulario, mensaje, lista de verificación o borrador pertinente; un estudio de campo encontró que algunas prácticas solo adquirían suficiente detalle al demostrarse. Un solo expediente ilustra, pero no representa el flujo, por lo que conviene contrastar casos y roles.

1. Reconstruya un informe rutinario y uno difícil.
2. Incluya coordinación, operaciones comerciales y liderazgo de entrega para cubrir los traspasos.
3. Marque qué recuerda la persona, qué puede mostrar y qué sigue siendo una interpretación.
4. Conserve desacuerdos entre relatos en vez de forzar una versión única.

¿Qué debe observar cuando el trabajo ocurre en su entorno normal?

Observe la actividad con sus equipos, documentos, fuentes de datos, interrupciones y dependencias habituales. Anote cambios entre sistemas, esperas, verificaciones, reprocesos, apoyos entre roles, soluciones informales y momentos en los que alguien interpreta información incompleta o contradictoria. La investigación contextual puede hacer visibles barreras y maneras prácticas de superarlas que son difíciles de reconstruir desde la memoria. Aun así, la presencia del investigador puede cambiar el comportamiento; por eso debe registrarse cómo se observó y evitar presentar una sesión pequeña como la realidad objetiva de toda la organización.

Elija explícitamente la modalidad. La observación silenciosa conserva mejor el flujo, pero puede ocultar motivos; las preguntas ocasionales agregan contexto con una interrupción limitada; la explicación continua aporta profundidad, aunque modifica más la tarea. Separe en las notas el contexto del caso, la acción observada, el artefacto, la decisión o incertidumbre, el traspaso, la interrupción, la consecuencia y la interpretación del investigador. Al terminar, pida a la persona que corrija la reconstrucción. Esa confirmación mejora el entendimiento compartido, pero no convierte la muestra en evidencia poblacional.

Presente la actividad como investigación del flujo, nunca como calificación individual. Obtenga participación informada, recolecte solo lo necesario, controle el acceso y reconfirme el consentimiento antes de cualquier grabación adicional. La información personal debe manejarse de forma segura. Si el trabajo involucra datos de empleados, clientes, información confidencial o materias reguladas, convoque a los responsables apropiados de privacidad, seguridad, asuntos jurídicos, relaciones laborales, accesibilidad y dominio. Estas prácticas no sustituyen una determinación profesional sobre las obligaciones aplicables.

¿Qué métodos muestran lo que la entrevista o la observación no alcanzan a ver?

Artefactos, diarios breves y registros operativos amplían la vista cuando un episodio no aparece en una entrevista o durante una observación programada. Pida que expliquen plantillas, listas, hojas de cálculo, mensajes, notas, borradores y vistas de cola utilizados en el caso. Sus marcas y formatos pueden revelar prioridades, memoria y coordinación ausentes del mapa oficial, pero su significado siempre debe confirmarse con quien los usa. En los informes de incorporación, compare el formulario de entrada, los registros fuente, los mensajes, la lista de control, las versiones y los comentarios de corrección.

Use un diario cuando necesite capturar episodios reales distribuidos en el tiempo; cada entrada puede registrar el tipo de caso, el insumo faltante, la aclaración, la espera, la revisión y la aceptación. Después, aclare las entradas con la persona: siguen siendo evidencia autorreportada. Cuando existan datos utilizables, examine secuencias y tiempos para identificar espera, reproceso, duplicación, desvíos y problemas recurrentes. Documente también lo que ocurre fuera del sistema. Una marca de tiempo muestra un evento registrado, no la razón de una demora.

¿Cuándo un dolor reportado se convierte en una hipótesis creíble de cuello de botella?

Un dolor se convierte en una hipótesis creíble cuando distintas evidencias ubican una restricción recurrente en un punto concreto y la conectan con una consecuencia observable. Los registros pueden mostrar patrones de espera o reproceso, pero deben reconciliarse con artefactos, observaciones y explicaciones de quienes realizan el trabajo. Conserve los casos negativos: si algunos expedientes evitan el problema, averigüe qué cambia. La siguiente prueba de seis preguntas ordena la discusión; es una regla editorial, no una prueba estadística ni una demostración causal.

1. Recurrencia: ¿la misma restricción aparece en más de un caso, rol o fuente?
2. Ubicación: ¿dónde entra la espera, el vacío de información, el reproceso o la sobrecarga de juicio?
3. Consecuencia: ¿se relaciona con demora, manipulación repetida, corrección, abandono, inconsistencia, esfuerzo evitable o exposición al riesgo?
4. Mecanismo: ¿hay una explicación plausible, confirmada o corregida por quienes hacen el trabajo?
5. Contraevidencia: ¿qué casos evitan el problema y qué explicaciones alternativas siguen abiertas?
6. Posibilidad de intervención: ¿cambiar ese punto alteraría el resultado y supera la IA a una regla, mejor propiedad, capacitación, información o ningún cambio?

En el ejemplo, la hipótesis cambia de “redactar toma demasiado” a “los casos difíciles esperan decisiones comerciales y exigen reconciliar campos contradictorios”. Los informes rutinarios se completan con rapidez y los más extensos no son siempre los más lentos. Además, las marcas de tiempo no capturan las aclaraciones fuera del sistema. Por eso, la evidencia respalda una hipótesis de cuello de botella, no una causa probada. Si faltan recurrencia, ubicación o consecuencia, mantenga el dolor como una pista abierta y recolecte más evidencia.

No pregunte dónde encaja la IA hasta poder mostrar dónde se repite la restricción, qué consecuencia produce y qué sigue incierto.

¿Qué debe contener una ficha de oportunidad de IA respaldada por evidencia?

La ficha debe convertir la investigación en un registro de decisión delimitado, sin asumir que la IA es la respuesta. Consigne el inicio y final del flujo, el resultado, sus usuarios y roles; después, el periodo observado, los tipos de caso y la mezcla de métodos. Separe el dolor expresado del patrón observado y vincule cada afirmación sustantiva con notas de campo, artefactos anonimizados, entradas de diario o consultas de registros. Si algo no tiene respaldo, márquelo como supuesto. Mantenga contraevidencia, vacíos y explicaciones alternativas visibles, sin reducirlos a una calificación compuesta.

• Consecuencia operativa: espera, esfuerzo, reproceso, corrección, inconsistencia o riesgo.
• Oportunidad delimitada: quién necesita ayuda, en qué tarea y qué resultado debería mejorar.
• Restricciones: información disponible, calidad, permisos, seguridad, privacidad, relaciones laborales, accesibilidad, dominio y supervisión humana.
• Alternativas: asistencia con IA, regla determinística, cambio de flujo o responsable, capacitación, mejor información o ninguna intervención.
• Prueba mínima: supuesto por evaluar, casos incluidos, evidencia de éxito y falla, responsable y fecha de revisión.
• Decisión: probar IA, probar un cambio sin IA, reunir más evidencia o detenerse.

El NIST AI RMF Playbook propone documentar propósito, usuarios, contexto operativo, valor, limitaciones, impactos, alcance y supervisión humana, y considerar alternativas sin IA o sin tecnología; es una guía voluntaria, no una certificación. Para los informes de incorporación, la primera prueba debería exigir campos de entrada, asignar un responsable explícito del traspaso y hacer visible la cola de excepciones. La asistencia de redacción puede evaluarse después, solo en casos con hechos completos. Proponga IA cuando ofrezca una ventaja comprobable frente a opciones más simples; si la evidencia no aclara la restricción o la acción posible, reúna más información o deténgase.