Información práctica y basada en fuentes para programas de IA responsables.

Buscar estrategia de IA, automatización o gobernanza...
Mostrar u ocultar el menú

Descubrimiento de casos de uso de IA

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

Un método práctico para observar casos reales, contrastar evidencias y decidir si conviene probar IA, otra mejora o ninguna intervención.

Dos colegas intercambian una carpeta beige sobre una mesa de oficina con expedientes y un archivador azul abierto.

Una queja es una pista de investigación, no un caso de uso de IA listo para aprobarse. Si un equipo de operaciones afirma que preparar fichas de incorporación de clientes toma demasiado tiempo, un diagrama elaborado de memoria puede hacer que la redacción parezca el problema. Sin embargo, los expedientes terminados podrían mostrar otra historia: los casos difíciles esperan decisiones comerciales faltantes y se reescriben cuando alguien resuelve datos contradictorios. Automatizar el resumen atacaría el paso más visible, pero dejaría intacta la restricción recurrente. La propuesta defendible nace al observar casos delimitados, vincular el patrón con una consecuencia operativa y comparar la IA con cambios más sencillos.

Ideas clave

  • Una molestia reportada es una pista válida, pero todavía no demuestra una oportunidad de IA.
  • Delimite trabajo recurrente y seleccione solo los métodos necesarios para responder la pregunta de investigación.
  • Entrevistas, observación, artefactos, diarios y registros ofrecen perspectivas parciales y complementarias.
  • Una hipótesis creíble conserva recurrencia, ubicación, consecuencia, mecanismo, contraevidencia y capacidad de intervención.
  • Compare IA, reglas, cambios de responsabilidad, rediseño del proceso, capacitación, mejor información y ninguna intervención.

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

Dos colegas organizan páginas impresas y carpetas de colores en un flujo marcado con pequeñas flechas negras.

Antes de observar, hay que definir un límite provisional del trabajo y las preguntas que la investigación debe resolver. Registre el hecho que inicia el flujo, la condición que lo termina, el resultado producido, quién lo recibe después, los roles participantes y los casos rutinarios y excepcionales pertinentes. La frontera puede revisarse si la evidencia revela una dependencia anterior o posterior. Este encuadre evita preguntar en abstracto dónde podría usarse IA y concentra la atención en trabajo recurrente, productos reales, variaciones, traspasos y decisiones.

En el ejemplo, el recorrido empieza cuando operaciones recibe un traspaso comercial aprobado y termina cuando una persona responsable de entrega acepta la ficha. La muestra debe incluir expedientes rutinarios, incompletos y con cambios de alcance. Antes de salir al campo, anote qué necesita averiguar: dónde aparecen las esperas, qué información falta, qué provoca correcciones y qué resultado considera aceptable el usuario posterior. Así podrá pedir formularios, borradores y mensajes concretos en vez de coleccionar opiniones generales sobre productividad.

  • Entrevistas para reconstruir casos y decisiones recordadas.
  • Observación para ver herramientas, interrupciones y atajos en contexto.
  • Artefactos para seguir estados, prioridades y coordinación.
  • Diarios para capturar tareas dispersas a lo largo del tiempo.
  • Registros operativos para examinar recurrencia, espera y retrabajo.

Esta combinación es una síntesis práctica de métodos complementarios, no un protocolo obligatorio validado como paquete único. Use la mezcla más pequeña que responda la pregunta y compense los puntos ciegos previsibles. Una entrevista y varios expedientes pueden bastar para una exploración inicial; una tarea intermitente quizá necesite un diario; un flujo con registros consistentes permite contrastar pautas operativas. Incorporar todos los métodos por rutina aumenta la carga sin garantizar una interpretación mejor.

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

Un hombre señala una página de un archivador abierto mientras una mujer anota junto a una laptop y documentos sueltos.

Las entrevistas de casos recientes revelan el trabajo al reconstruir un expediente específico en orden, sin convertir recuerdos en una descripción universal. Pida un caso terminado y pregunte qué lo inició, qué información llegó, qué ocurrió después, qué decisiones se tomaron, a quién se entregó cada resultado, qué producto fue aceptado y dónde se apartó el caso del camino esperado. Las preguntas abiertas y neutrales mantienen el relato anclado en hechos: «¿Qué pasó después?», «¿Qué le indicó eso?» o «¿Puede mostrarme lo que utilizó?».

No limite la reconstrucción a clics y documentos. Explore qué señal hizo relevante un dato, qué información necesitaba la persona, qué alternativas consideró, qué seguía incierto y qué juicio resultó difícil. Este sondeo compacto toma principios del análisis cognitivo de tareas, pero no equivale al protocolo ACTA formal. Evite pedir que la persona diseñe una función de IA durante la reconstrucción: esa conversación adelanta una solución y puede ocultar el mecanismo del problema que se intenta comprender.

  1. Seleccione un caso rutinario reciente y otro difícil.
  2. Reconstruya cada secuencia desde el desencadenante hasta la aceptación.
  3. Pida que le muestren entradas, borradores, consultas y comentarios reales.
  4. Marque decisiones, traspasos, excepciones y puntos de incertidumbre.
  5. Contraste el relato entre coordinación, operaciones comerciales y responsables de entrega.

Entrevistar a roles que prestan el servicio conjuntamente ayuda a cubrir los traspasos, siempre que la dinámica del grupo permita expresar desacuerdos. En la incorporación de clientes, la persona coordinadora puede recordar una demora como tiempo de redacción, mientras operaciones comerciales recuerda una aprobación pendiente y el responsable de entrega señala contradicciones en los campos fuente. Ninguna versión debe descartarse: cada una describe una parte de la experiencia. Un caso ilustra el recorrido; la comparación de casos y roles permite formular preguntas más precisas.

¿Qué conviene mirar cuando el trabajo ocurre en su entorno habitual?

Una mujer coloca una tarjeta blanca en un expediente grueso mientras su colega observa y escribe en un cuaderno de espiral.

En el entorno habitual conviene mirar cómo interactúan herramientas, documentos, datos, interrupciones, dependencias y decisiones, no solo la secuencia formal. Registre cambios entre fuentes, espera, verificación, retrabajo, traspasos, atajos y momentos en que alguien interpreta información incompleta o contradictoria. En una ficha de incorporación, el acto de redactar puede durar poco, mientras la coordinación entre mensajes, registros y aprobaciones consume la atención. La observación contextual hace visible ese trabajo de soporte que un mapa idealizado suele simplificar.

Elija y documente la modalidad. La observación silenciosa conserva mejor el flujo, aunque puede dejar motivos sin explicar. Las preguntas ocasionales interrumpen un poco, pero aclaran señales y decisiones. La explicación continua brinda mayor profundidad y también modifica más la actividad. Ninguna modalidad produce una verdad objetiva. Una estructura útil de notas separa contexto del caso, acción observada, referencia al artefacto, decisión o incertidumbre, traspaso, interrupción, consecuencia e interpretación de la persona investigadora.

Presente la actividad como investigación del flujo, nunca como evaluación del rendimiento individual. Obtenga participación informada, recoja únicamente lo necesario, minimice su influencia, limite el acceso y confirme de nuevo el consentimiento antes de cualquier grabación adicional. Al manejar información de empleados, clientes, asuntos confidenciales o ámbitos regulados, involucre según corresponda a responsables de privacidad, seguridad, asuntos legales, relaciones laborales, accesibilidad y dominio. Estas medidas editoriales no sustituyen una determinación normativa ni la orientación de profesionales calificados.

Al terminar, pida a la persona observada que confirme o corrija el flujo reconstruido, incluidos los motivos que usted infirió. Conserve desacuerdos entre participantes y notas de interpretación en vez de mezclarlos con las acciones observadas. La revisión mejora la comprensión compartida, pero no vuelve representativa una muestra pequeña ni elimina el efecto de la presencia investigadora. El resultado es una explicación contrastable de ciertos casos, suficiente para orientar la siguiente búsqueda de evidencia, no un retrato definitivo de toda la fuerza laboral.

¿Qué métodos muestran el trabajo que la entrevista o la observación dejan fuera?

Una investigadora agrupa impresiones y notas adhesivas de colores alrededor de grandes carpetas con divisores sobre una mesa amplia.

Los artefactos, diarios breves y registros operativos muestran estados y momentos que una conversación o una sesión de observación pueden dejar fuera. Pida que le expliquen plantillas, listas de verificación, hojas de cálculo, mensajes, borradores, notas en papel y vistas de colas asociadas al caso. Sus marcas y formatos pueden revelar prioridades, memoria, organización y coordinación ausentes del procedimiento oficial. Confirme siempre quién usa cada elemento, cuándo lo actualiza y qué significa; verlo no demuestra su frecuencia ni su función.

Use un diario cuando el evento relevante sea intermitente, distribuido o difícil de capturar en una visita programada. Cada entrada debe referirse a una tarea real y puede registrar el desencadenante, tipo de caso, información faltante, solicitud de aclaración, espera, revisión y aceptación. Aclare después las entradas ambiguas: el diario sigue siendo evidencia autoinformada. Cuando existan datos utilizables, examine secuencias, marcas de tiempo, devoluciones y motivos registrados, pero documente también el trabajo que ocurre fuera de los sistemas.

Qué aporta cada método y cómo compensar sus puntos ciegos
Método de evidenciaQué puede revelarQué puede omitirCómo corroborarlo
Entrevista de caso recienteSecuencia recordada, decisiones, incertidumbre y significado de la experiencia.Pasos tácitos, frecuencia real y detalles olvidados.Pedir demostraciones, artefactos y casos contrastantes.
Observación contextualHerramientas, interrupciones, atajos, verificaciones y apoyo entre roles.Eventos infrecuentes y comportamiento no visible durante la sesión.Confirmar el flujo y compararlo con diarios y expedientes.
Artefactos del flujoEstado, prioridad, memoria, revisiones y coordinación.Cómo, por qué y con qué frecuencia se usan.Solicitar la explicación de quien los utiliza.
Diario breveInstancias reales distribuidas en el tiempo y experiencia cercana a la tarea.Actividad no registrada y detalles difíciles de interpretar.Realizar entrevistas de seguimiento y revisar artefactos.
Registros operativosRecurrencia, espera, retrabajo, desviaciones y problemas repetidos.Trabajo fuera del sistema, motivos y definiciones inconsistentes.Conciliar con observación, casos y conocimiento operativo.

Para las fichas de incorporación, compare el formulario de entrada, los registros fuente, los mensajes, la lista de verificación, el historial de borradores y los comentarios de corrección. Luego contraste entradas del diario con antigüedad de la cola, devoluciones y razones de campos faltantes. No descarte excepciones solo porque sean menos comunes: primero examine su esfuerzo y consecuencia. Tampoco suponga que una marca de tiempo explica una demora; puede excluir aclaraciones realizadas fuera del sistema o mezclar actividades con definiciones diferentes.

¿Cuándo se vuelve creíble la hipótesis de un cuello de botella?

Un equipo investigador compara filas de carpetas de colores y mueve marcadores redondos de madera entre ellas, junto a flechas de madera.

Una hipótesis de cuello de botella se vuelve creíble cuando distintas evidencias sitúan una restricción recurrente en un punto reconocible y la conectan con una consecuencia observable, sin ocultar casos contrarios. La intensidad de la queja no basta. Tampoco basta una gráfica de tiempos. El equipo debe poder explicar qué ocurre, dónde entra la dificultad, cómo podría producir la consecuencia y qué información aún falta. Esta es una regla editorial para decidir qué investigar o probar, no una prueba estadística ni una demostración causal.

  1. Recurrencia: comprobar si la restricción aparece en más de un caso, rol o fuente pertinente.
  2. Ubicación: identificar dónde comienza la espera, cola, repetición, brecha informativa o sobrecarga de juicio.
  3. Consecuencia: relacionarla con demora, manejo repetido, corrección, trabajo perdido, inconsistencia, esfuerzo evitable o exposición al riesgo.
  4. Mecanismo: describir cómo podría producirse la consecuencia y pedir correcciones a quienes realizan el trabajo.
  5. Contraevidencia: conservar los casos que evitan el problema, sus diferencias y las explicaciones alternativas.
  6. Capacidad de intervención: preguntar si cambiar ese punto alteraría el resultado y si la IA supera opciones más simples.

En el ejemplo, la evidencia desplaza la hipótesis desde «resumir toma demasiado» hacia «las decisiones faltantes y los campos contradictorios detienen los casos difíciles». Las fichas rutinarias se completan con rapidez y las más largas no son siempre más lentas. Además, los registros no capturan aclaraciones fuera del sistema. Por eso la conclusión debe permanecer como hipótesis. La siguiente prueba tendría que distinguir si mejorar la entrada y la responsabilidad del traspaso reduce la espera y el retrabajo antes de evaluar ayuda para redactar.

No pregunte dónde encaja la IA hasta poder mostrar dónde aparece la restricción, qué consecuencia sigue y qué permanece incierto.

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

Un grupo de colegas examina una hoja en blanco colocada entre pilas separadas de documentos favorables y contradictorios.

Una ficha de oportunidad respaldada por evidencia debe convertir el trabajo observado en un registro delimitado para decidir el siguiente ensayo, sin asumir que la IA es la respuesta. Incluya el desencadenante, la condición final, el resultado, el usuario posterior y los roles; después anote el periodo observado, los tipos de caso, los roles representados y los métodos usados. Separe la molestia declarada del patrón observado y enlace cada afirmación sustantiva con notas, artefactos anonimizados, entradas de diario o consultas de registros.

  • Consecuencia operativa observada y evidencia que la respalda.
  • Contraevidencia, desacuerdos, vacíos y explicaciones alternativas.
  • Tarea delimitada, persona que necesita ayuda y resultado buscado.
  • Disponibilidad y calidad de información, permisos, seguridad, privacidad, relaciones laborales, accesibilidad y supervisión humana.
  • Alternativas: asistencia de IA, regla determinista, cambio de flujo o responsabilidad, capacitación, mejor información o ninguna intervención.
  • Prueba mínima siguiente, supuesto que examina, casos pertinentes y señales de éxito y fracaso.
  • Persona responsable, próximo hito, fecha de revisión y una de cuatro decisiones: probar IA, probar otro cambio, reunir evidencia o detenerse.

Para la incorporación de clientes, la primera prueba razonable consiste en exigir los campos esenciales, asignar explícitamente la responsabilidad del traspaso y hacer visible la cola de excepciones. Observe si cambian la espera y el retrabajo en casos delimitados. Solo después tendría sentido probar asistencia de redacción con expedientes cuyos hechos estén completos. El NIST AI RMF Playbook respalda documentar propósito, usuarios, contexto, beneficios, limitaciones, impactos, alcance y supervisión, además de considerar alternativas sin IA; su orientación es voluntaria y no decide cuál opción debe ganar.

Proponga IA únicamente cuando exista una tarea acotada, una restricción recurrente, una consecuencia observable, información utilizable, supervisión viable y una ventaja que pueda probarse frente a opciones más sencillas. Si no están claras la recurrencia, la ubicación, la consecuencia o la posibilidad de intervenir, reúna más evidencia o deténgase. Cuando el trabajo involucre información sensible, confidencial o regulada, obtenga la revisión organizacional y profesional pertinente en lugar de tratar esta ficha como una aprobación de cumplimiento.

Preguntas frecuentes

¿Cómo identificar un buen caso de uso de IA en un proceso empresarial?

Delimite un trabajo recurrente y examine casos reales, artefactos, observaciones y registros pertinentes. La oportunidad debe mostrar una restricción recurrente, su ubicación, una consecuencia observable, las incertidumbres y una tarea acotada. Antes de ensayar IA, compárela con reglas, cambios de proceso, mejor información y ninguna intervención.

¿Cuál es la diferencia entre un punto de dolor y una oportunidad de IA?

El punto de dolor es un reporte válido sobre una experiencia frustrante. La oportunidad añade evidencia de recurrencia, ubicación en el flujo, consecuencia, restricciones operativas y un mecanismo plausible. Solo entonces puede definirse una intervención comprobable sin presumir que debe usar IA.

¿Cómo observar al personal sin crear vigilancia laboral?

Presente la actividad como investigación del flujo y no como evaluación individual, con participación informada y una modalidad de observación explícita. Recoja lo mínimo necesario, controle el acceso, permita correcciones y evite monitoreo encubierto o puntuaciones de productividad. Involucre a los responsables organizacionales pertinentes cuando existan datos sensibles o riesgos laborales, legales o de seguridad.

¿Hay que usar entrevistas, observación, diarios, artefactos y registros en todos los procesos?

No. La combinación es una síntesis práctica, no una lista obligatoria. Elija la mezcla más pequeña que responda la pregunta de investigación y compense los puntos ciegos conocidos de cada fuente.

¿Observar el flujo demuestra que un cuello de botella causa demoras o retrabajo?

No. La observación y los datos operativos pueden sustentar una hipótesis coherente, pero no prueban causalidad por sí solos. Conserve casos negativos y explicaciones alternativas, y ejecute la prueba mínima capaz de distinguirlas.

ModelFold logo

Mesa editorial de ModelFold

Contamos cómo aterriza realmente la IA dentro de una empresa. Partimos de fuentes identificadas, separamos lo que encontramos de lo que opinamos y usamos asistencia de IA para investigar y redactar bajo controles editoriales documentados. No sustituimos la revisión de un experto.