Qué automatizaciones implantar primero: 5 pasos en orden

Andrew Maryasov, consultor de IA, fundador de Auspex y Grow2.ai. La lista de automatizaciones que conviene hacer primero es más o menos la misma en todas partes. El orden en que hay que hacerlas casi no está escrito en ningún lado, y es justamente el orden lo que decide. Aquí van cinco pasos en la secuencia en que yo los recorrería hoy, y el criterio con el que los elegí: un resultado medible en dos semanas.

TL;DR (en 30 segundos)

• La primera automatización no es una automatización. Primero los datos y las etapas del embudo, los robots después. Un robot sobre una base sucia solo acelera el desorden.
• El retorno rápido no vive donde hay más IA. Las mejores cifras salieron de preguntas repetitivas cuya respuesta ya está en la base.
• El criterio de selección son dos semanas hasta el primer número. No «lanzaremos un piloto», sino una métrica concreta que el lunes es una y catorce días después es otra.
• Cifras reales de proyectos: ≈572 mil grivnas de efecto neto en el primer año en una red de distribuidores, 13 segundos de mediana de tiempo de respuesta en e-commerce, ≈0,10 € (≈0,11 $) de coste de modelo por conversación.
• Uno de los cinco pasos todavía no lo tengo hecho. Digo cuál, y por qué es el quinto y no el primero.

El error más caro no cuesta dinero

En junio de este año revisamos nuestro propio embudo de leads. Auspex implanta CRM en otras empresas, y fue justamente en nuestra base donde aparecieron 453 duplicados, 31 450 leads y veintitrés etapas del embudo, la mayoría de las cuales significaban lo mismo con otras palabras.

Ahora imagina que hubiéramos sido un poco más enérgicos y le hubiéramos colgado a esa base un robot de envíos masivos. Habría funcionado de forma impecable: 453 clientes habrían recibido varios correos idénticos cada uno, y nosotros nos habríamos enterado por el más paciente de ellos.

El error aquí no está en el trabajo en sí. Automatizar encima del desorden solo hace que el desorden vaya más rápido.

Por eso hace tiempo dejé de mirar la lista de automatizaciones y miro su orden. La lista se puede leer en cualquier blog en diez minutos. El orden hay que comprarlo con fracasos propios.

Criterio de selección: dos semanas hasta el primer número

No elijo las automatizaciones por la cantidad de IA que llevan dentro. Las elijo con una sola pregunta: ¿veré un número medible en dos semanas?

No «reuniremos los requisitos» ni «lanzaremos un piloto», sino un número: la cantidad de registros contradictorios en la base, la mediana del tiempo de respuesta al cliente, las horas de rutina por semana. Alguna de estas cosas tiene que medirse el lunes y volver a medirse catorce días después.

Las dos semanas funcionan aquí como un fusible, no como una fecha límite. Si para el primer resultado faltan tres meses, no estás automatizando un proceso, estás construyendo un sistema. Algún día también habrá que construir un sistema, solo que no primero: en tres meses sin un solo número, el entusiasmo del equipo se acaba antes que el presupuesto.

Paso 1. Primero los datos, después los robots

El punto más aburrido de la lista y el único sin el cual los otros cuatro no funcionan.

Vuelvo a ese mismo embudo. El once de junio pasamos 18 799 leads vivos a una nueva estructura de nueve etapas; el resto de aquellos 31 450 eran archivo y duplicados que no tenía sentido trasladar. Ni un solo error de traslado. El trece eliminamos los duplicados y etiquetamos 14 615 fichas por segmentos: convertidos, congelados, descartados, activos. Dos días para la migración en sí y, contando la preparación, una semana de atención de una persona que entiende el proceso y cero líneas de código.

Los robots de este embudo siguen sin configurarse. Es una cuestión de orden, no un olvido: primero una base en la que cada registro signifique exactamente lo que dice, después todo lo demás.

Qué mides a las dos semanas: cuántos registros de la base se contradicen a sí mismos. Había muchos; quedaron cero. No suena a automatización, y está bien. Son los cimientos sobre los que se apoyará todo lo demás.

Paso 2. Respuestas a las preguntas que se repiten todos los días

Una empresa manufacturera, dos plantas, una red de quinientos distribuidores (no revelamos el nombre por acuerdo; las cifras son reales). Los distribuidores preguntaban lo mismo todos los días: disponibilidad, precio, estado del envío, condiciones de pago. Los gestores abrían el ERP y leían la respuesta en voz alta.

Calculamos la rutina: cerca de 700 mil grivnas al año de tiempo de trabajo se iban en preguntas cuya respuesta ya estaba en la base. Desarrollar un agente de IA con acceso de solo lectura al ERP costó ≈110 mil grivnas, y el mantenimiento, ≈18 mil al año. El efecto neto del primer año fue de ≈572 mil grivnas, con un retorno de la inversión en dos o tres meses. La precisión de las respuestas superó el 95%. Gestores despedidos: ninguno. Pasaron a las consultas no rutinarias, esas a las que antes simplemente no les daba tiempo a llegar.

Dos o tres meses es el extremo rápido, no la norma. El retorno típico es de dos a seis meses, y conviene planificar más cerca del límite superior. El análisis completo del caso, incluidos los niveles de protección contra respuestas inventadas, está en la web de Grow2.ai.

Por qué este paso es el segundo y no el primero. Las preguntas que se repiten son un conjunto de datos ya listo y etiquetado. No tienes que adivinar qué quiere el usuario: te lo preguntó trescientas veces el mes pasado, y tienes guardadas las trescientas consultas.

Paso 3. Un asistente en el canal donde el cliente ya está

La tercera automatización no se reduce a «poner un chatbot en la web». La web es una habitación a la que el cliente entra una vez cada varios meses; la app de mensajería es aquella en la que vive.

Una gran tienda ucraniana de ropa en línea, con una red de más de 30 tiendas físicas, lanzó un consultor de IA a finales de marzo; no revelamos el nombre por acuerdo. El agente trabaja en Instagram (cerca de dos tercios de las conversaciones), Viber, Telegram y el chat de la web, y escribe los resultados en Bitrix24; el pedido lo registra él mismo, entra automáticamente en 1C y el cliente recibe el enlace de pago en el propio chat. De abril a julio el agente atendió 6448 conversaciones. Lo más interesante de estos datos es la distribución, no el volumen: el 33% de las consultas llega fuera del horario laboral, y el 10% de todos los mensajes llega entre las diez de la noche y las ocho de la mañana. La mediana de respuesta es de 13 segundos; el percentil 90, de 31 segundos. Junio costó aproximadamente 175 € (≈200 $; tipo de cambio del BCE ≈0,88 € por dólar, julio de 2026) por 1782 conversaciones, es decir, ≈0,10 € (≈0,11 $) por conversación. Es justo en esa unidad, euros por conversación, en la que hay que comparar al agente con un gestor.

La distribución por canales resultó distinta de como describíamos este proyecto en público aún en primavera: Instagram, 67,7%; Viber, 17,6%; Telegram, 11,9%; el widget de la web, 2,9%. En nuestros propios textos, Telegram y Viber figuraron durante mucho tiempo como los canales principales. La telemetría de junio mostró a Instagram con dos tercios de todas las conversaciones, y hubo que reescribir los textos.

El límite honesto de este caso: el pedido en el ERP todavía lo tramita una persona. El agente busca en el catálogo (también por foto), revisa existencias y tallas, muestra el estado del pedido y registra la conversación en el CRM. La tramitación del pedido es la siguiente iteración y aún está en desarrollo. El caso con telemetría describe la arquitectura con más detalle.

Qué mides a las dos semanas: la mediana del tiempo de respuesta y la proporción de consultas que llegaron cuando todos dormían.

Paso 4. Reemplazar la herramienta que ya se te ha quedado pequeña

Hace cinco años este habría sido un mal consejo. Hoy es mi paso favorito.

Pagábamos 45-50 dólares al mes por un SaaS de contabilidad de gestión. No porque fuera bueno, sino porque nadie se habría animado a trasladar a mano el histórico contable desde 2019. El quince de mayo hice el primer commit en una plataforma propia. El veinte de mayo ya llevábamos en ella la contabilidad en producción. Cinco días.

Después vino el núcleo, de ocho fases: unas dos semanas y media. En total: 326 commits, cerca de 52 800 líneas de TypeScript, 838 pruebas, la migración de 23 372 transacciones de 2019-2026, cuatro entidades jurídicas, tres usuarios. La plataforma se llama Finickly, y es el único caso de este artículo en el que puedo dar el nombre: es nuestra.

La herramienta con la que lo hice cuesta 200 dólares al mes: es la partida más cara de mi stack, no todo el stack; la cuenta completa y de qué se compone están en el desglose del stack. Más cara que el SaaS que hemos reemplazado, y ahí está toda la moraleja. El ahorro aquí no está para nada en la suscripción. La contabilidad ahora está descrita con nuestra lógica, y no con la lógica de un producto ajeno a la que durante años ajustamos nuestros procesos. El análisis técnico describe las fases, los commits y la migración de datos.

Cuidado con este paso. Funciona cuando sabes exactamente cómo debe funcionar el proceso. Si no lo sabes, una herramienta propia dejará tu falta de comprensión cuidadosamente fijada en el código, y te tocará a ti vivir con ella. Mi procedimiento para filtrar herramientas responde a una pregunta cercana: si vale la pena siquiera dedicarle a esto otros dos días.

Paso 5. Velocidad de respuesta al lead

Esta automatización no la tengo.

Está quinta en la lista y primera entre las cosas que por fin voy a hacer. Por eso la doy como una recomendación apoyada en datos ajenos, no como un caso propio. La diferencia entre lo uno y lo otro la marco de forma explícita.

Investigadores de Harvard Business Review analizaron 1,25 millones de leads en 29 empresas B2C y 13 B2B. Las empresas que intentaban hacer contacto dentro de la hora siguiente a la solicitud tenían casi siete veces más probabilidades de llevar el lead a una conversación sustancial con quien toma las decisiones que las que tardaban una hora más. Frente a las que esperaban un día, la diferencia superó las sesenta veces. Una auditoría paralela de 2241 empresas estadounidenses mostró la otra cara: el 23% no respondió nunca a la solicitud de prueba, y el tiempo medio de respuesta entre las que sí respondieron fue de 42 horas.

El estudio original salió en marzo de 2011. Antes de descartarlo por antiguo, haz una comprobación más barata: deja una solicitud en tu propia web y cronometra cuántos minutos pasan hasta la primera llamada.

Quinto paso y no primero, pese al efecto evidente. La razón es la misma: un robot rápido sobre una base sucia significa un envío rápido a las personas equivocadas. Primero datos limpios, después velocidad.

Qué no está en esta lista y por qué

Con frecuencia me preguntan por tres automatizaciones que suenan atractivas: un resumen semanal para el equipo, la monitorización de menciones de la marca, el onboarding automático de un cliente nuevo en los primeros tres días.

No las pongo en la lista de las primeras. No porque sean malas. Porque no tengo ni una sola implantación que pueda citar con cifras, y recomendar sin cifras es exactamente ese consejo de blog contra el que advertí al principio.

Aparte están los procesos financieros «aburridos»: facturas, cobros pendientes, recordatorios de citas. De verdad son los primeros en amortizarse en muchas empresas, y Auspex los analizó en detalle en el artículo «Por dónde empezar a automatizar una pyme: 5 procesos aburridos». Allí está la respuesta a la pregunta «qué procesos». Aquí, la respuesta a la pregunta «en qué orden».

El orden en una página

Paso	Qué haces	Qué mides a las dos semanas	Con qué está respaldado
1	Limpias los datos y las etapas del embudo	Cantidad de registros contradictorios	El embudo propio de Auspex: 31 450 leads, 23 etapas → 9, cero errores de traslado
2	Respuestas a preguntas repetitivas	Horas de rutina por semana	Red de distribuidores: ≈572 mil UAH de efecto en un año, retorno en 2-3 meses, precisión de 95%+
3	Asistente en mensajería	Mediana del tiempo de respuesta	E-commerce: 6448 conversaciones, mediana de 13 s, ≈0,10 € (≈0,11 $) por conversación
4	Reemplazo del SaaS que ya se te ha quedado pequeño	Días hasta el uso en producción	Finickly: primer commit → contabilidad en producción en 5 días
5	Velocidad de respuesta al lead	Minutos desde la solicitud hasta el contacto	HBR: casi siete veces más probabilidades de cualificar el lead al responder dentro de la primera hora

Las tres primeras filas de la tabla hablan de lo que ya funciona. La cuarta, de lo que hemos hecho para nosotros. La quinta, de lo que me debo a mí mismo desde hace medio año.

FAQ

¿Por dónde empezar si la empresa no tiene ningún CRM?

Por el CRM, y no es broma. El paso uno supone que los datos están en algún lugar. Si están en la cabeza del dueño y en tres hojas de cálculo, no hay nada que automatizar: primero hace falta un lugar donde viva la historia de la relación con el cliente. Un CRM vacío, rellenado con cuidado desde el primer día, es mejor que una automatización sobre hojas de cálculo.

¿Cuánto cuesta la primera automatización?

Depende del paso. Limpiar los datos cuesta tiempo, no dinero: una semana de atención de una persona que entiende el proceso. Un agente para preguntas repetitivas parte de unos miles de euros de desarrollo, y justo aquí en Grow2.ai ofrecemos un piloto desde 1800 € con un KPI contractual. El pago es por adelantado, y en la revisión del día treinta rige una regla simple: si la métrica acordada no se ha movido, devolvemos el importe íntegro. El formato está elegido a propósito para esa misma regla de las dos semanas.

¿Se puede saltar el primer paso si la base «parece normal»?

Compruébalo con una sola consulta: cuántos contactos tienen el mismo teléfono o correo. Si la respuesta no es «cero», la base no es normal, simplemente todavía no ha ofendido a nadie. Nosotros encontramos 453 duplicados en la base de una empresa que se dedica profesionalmente a los CRM ajenos.

¿Por qué en la lista no hay un agente de IA que venda?

Porque la venta es una acción no rutinaria con un alto coste del error, y las primeras automatizaciones deben ser lo contrario: rutinarias, con bajo coste del error, con datos ya listos. Un agente que responde preguntas sobre disponibilidad se equivoca un 5% de las veces y te arruina el día. Un agente que vende se equivoca un 5% de las veces y te arruina un cliente. La diferencia entre un asistente y un vendedor se analiza aparte: Agente de IA vs chatbot.

Dos semanas para un resultado: ¿es realista?

Es realista para el primer número, no para tenerlo todo listo. En dos semanas obtienes la mediana del tiempo de respuesta, no un departamento de soporte que funciona. En dos semanas ves cuántos duplicados hay en la base, no un embudo ideal. El sentido de la regla es darte cuenta pronto de que vas por el camino equivocado, mientras el coste son dos semanas y no un trimestre.

¿Qué hago si ninguna de las cinco le sirve a mi negocio?

Entonces tienes un proceso muy específico o (más a menudo) uno que todavía no está descrito. La comprobación es simple: pídele a un empleado que anote todo lo que hace en una jornada de trabajo, con una precisión de quince minutos. Lo que se repita tres veces al día en tres personas distintas será tu primera automatización, aunque no esté en mi lista.

¿Esto no dejará gente sin trabajo?

En el caso de los distribuidores hubo cero despidos, y no es retórica: los gestores pasaron a las consultas a las que antes no les daba tiempo a llegar. Automatizar la rutina libera horas, no puestos. Los puestos los recortan otras decisiones, y en ellas la IA suele servir de pretexto cómodo, no de causa.

Qué sigue

El orden que he descrito no es una ley universal, sino el resultado de unos cuantos errores caros y de unos cuantos proyectos en los que todo salió bien. Responde a la pregunta «por dónde empezar» y no responde a la pregunta «qué es exactamente lo que está roto en tu empresa». La segunda pregunta exige mirar tus procesos, y ahí un artículo no ayuda.

Si quieres recorrer esta lista con tus propios datos, escríbeme y empezamos por cuál de los cinco pasos es el primero en tu caso y cuál se puede saltar.

Ver también:

• Cómo evaluar una herramienta de IA en 20 minutos: el procedimiento de filtro antes de implantar cualquier cosa.
• Mi stack de IA 2026: lo que realmente uso cada día: las herramientas con las que se hizo todo lo descrito arriba.
• Agente de IA vs chatbot: diferencia, precio, cuándo elegir cada uno: para cuando la automatización no debe responder, sino actuar.
• Cómo contratar a un consultor de IA: checklist de 12 preguntas: si no tienes ganas de hacerlo tú mismo.

Publicado por Andrew Maryasov, consultor de IA, fundador de Auspex y Grow2.ai; las implantaciones las llevan Auspex (CRM) y Grow2.ai (agentes de IA).