Mapeamos procesos, priorizamos oportunidades y definimos datos, arquitectura, riesgo y métricas. La salida es un roadmap con un primer caso acotado, sus dependencias y un criterio de aceptación para decidir si construir, preparar una condición previa o parar.
Una consultoría útil reduce incertidumbre. Debe permitir comparar oportunidades, descartar las que no compensan y especificar una primera implementación con suficientes datos para que negocio y tecnología puedan tomar una decisión.
No empezamos por modelos. Reconstruimos el trabajo actual: qué lo activa, quién interviene, qué sistemas se consultan, dónde se copia información, qué excepciones aparecen y cuánto tiempo o coste concentra cada parte. Sin esa línea base es imposible separar una mejora real de una demo que sólo cambia la interfaz.
Buscamos tareas con volumen, lenguaje o documentación, decisiones apoyadas en contexto, conocimiento disperso y traspasos manuales. También identificamos los pasos que ya funcionan bien y no deberían tocarse. Una oportunidad puede necesitar IA, automatización convencional, una mejora de software o ninguna de las tres.
Cada caso candidato se compara por valor potencial, frecuencia, disponibilidad de datos, complejidad de integración, reversibilidad y coste del error. No usamos un scoring para fingir precisión: sirve para hacer visibles los trade-offs y ordenar dependencias.
Una tarea frecuente y verificable puede ser mejor primer caso que una iniciativa más llamativa pero difícil de medir. También distinguimos quick wins de piezas estructurales: a veces conviene resolver primero acceso a datos, permisos o calidad documental antes de introducir un modelo.
Para las oportunidades que sobreviven a la priorización definimos qué tipo de solución encaja. Puede ser una automatización con un paso de clasificación, un sistema RAG sobre fuentes internas, un agente con herramientas, una aplicación a medida o un producto existente correctamente integrado.
Documentamos fuentes autoritativas, permisos, acciones permitidas, necesidad de supervisión, integraciones y comportamiento ante fallos. La elección de OpenAI, Azure, Anthropic, modelos locales, n8n, Make u otra tecnología llega después. Primero debe estar claro qué contrato tiene que cumplir el sistema.
El roadmap ordena qué probar, qué depende de qué y qué evidencia necesitamos para ampliar. Para el primer caso definimos alcance, casos de prueba, métrica, responsables y una estimación de construcción y operación. Cuando el proyecto exige varias fases, separamos piloto, integración y escalado para no ocultar complejidad dentro de una única cifra.
La consultoría debe poder terminar con tres tipos de decisión: construir, preparar una dependencia antes de construir o no seguir. Evitar una inversión que no tiene datos, ownership o retorno defendible también es un resultado.
CODE-IA puede continuar con la ejecución. Esa continuidad cambia cómo hacemos la consultoría: pensamos desde el principio en autenticación, APIs, estados, latencia, observabilidad, evaluación y mantenimiento. Una recomendación que no puede integrarse con el flujo real no pasa a ser prioritaria sólo porque el modelo funcione en una prueba aislada.
El caso de GEMA Centres Mèdics muestra este criterio aplicado a producto: el buscador semántico interpreta lenguaje natural y orienta al siguiente paso, pero mantiene límites explícitos frente a criterio médico. La capacidad de IA está acotada por la función que debe resolver.
Para equipos que buscan específicamente proximidad local, hemos separado la intención en consultoría de IA en Barcelona, sin duplicar aquí la capa geográfica.
Una implementación fiable mezcla piezas distintas: software determinista para reglas previsibles, modelos cuando el lenguaje o la ambigüedad importan, recuperación de conocimiento cuando la respuesta debe apoyarse en fuentes y supervisión humana cuando el coste del error exige criterio. El objetivo no es maximizar la cantidad de IA, sino diseñar el sistema que mejor resuelve el trabajo.
No analizamos igual una decisión clínica asistida, una operación inmobiliaria o un proceso educativo. Cuando el contexto altera fuentes, permisos, supervisión o regulación, mantenemos una página específica para esa intersección.
Priorización con especial atención a privacidad, límites entre orientación y criterio clínico, fuentes autorizadas y revisión humana.
Oportunidades sobre documentación, captación, reporting y coordinación, condicionadas por datos de proyecto y sistemas comerciales.
Casos de información, soporte y conocimiento donde hay que separar asistencia útil de evaluación o decisiones que exigen criterio humano.
Alcance, coste, tiempo, datos, equipo y continuidad de implementación: las preguntas que cambian de verdad una propuesta.
Mapeo de procesos y fricciones, cartera de oportunidades, priorización por valor/viabilidad/riesgo, revisión de datos y sistemas, arquitectura propuesta, dependencias, métricas y roadmap. Para el primer caso podemos dejar además una especificación de piloto con criterios de aceptación y paso previsto a producción.
Depende del número de procesos, equipos, sistemas y profundidad técnica que haya que revisar. No equiparamos una sesión para valorar un caso concreto con una auditoría de varios departamentos. Antes de presupuestar acotamos alcance y entregables para que el coste corresponda a una decisión que realmente pueda utilizarse. Ver qué determina el coste de implantar IA.
Puede ir desde un diagnóstico acotado hasta varias semanas cuando intervienen diferentes equipos y sistemas. La duración depende de acceso a procesos, datos y responsables. No alargamos una fase estratégica si el caso ya está suficientemente definido para probarse; el objetivo es llegar pronto a una decisión medible, no maximizar horas de consultoría.
No. Si existen varias ideas o sólo una sensación general de que “deberíamos usar IA”, la primera parte consiste precisamente en comparar dónde puede haber valor. Si ya existe un proceso claro, reducimos discovery y concentramos la consultoría en viabilidad, arquitectura, integración, riesgo y criterio de aceptación.
Como mínimo la persona que conoce el proceso y quien pueda responder por los sistemas o datos implicados. Según el caso se suman negocio, operaciones, IT, seguridad, legal/compliance o producto. Preferimos pocas personas con contexto real a un comité grande que no pueda confirmar cómo ocurre el trabajo diario.
Puede incluirla como fase posterior. CODE-IA puede continuar con automatización, agentes, RAG, integraciones o desarrollo a medida. Diseñamos el roadmap sabiendo qué exige construir y operar la recomendación.
Por la naturaleza de la tarea. Si una regla estable resuelve el problema con más certeza y menor coste, usamos una regla. Si hay lenguaje, documentos o ambigüedad puede tener sentido un modelo. Si hay conocimiento cambiante, evaluamos recuperación de fuentes. Si el siguiente paso depende del contexto, puede entrar un agente. La arquitectura puede mezclar todas esas piezas.
Sí en la parte técnica y operativa: datos, permisos, proveedores, trazabilidad, supervisión, inventario de usos y evidencias. Cuando una obligación requiere interpretación jurídica concreta, debe validarla el equipo legal o de compliance. Ver gobernanza de IA y preparación operativa.
La consultoría decide qué combinación necesita el proceso. Estas capacidades tienen página canónica propia porque resuelven problemas técnicos distintos.
Cuéntanos qué proceso quieres mejorar, qué sistemas intervienen y qué te gustaría poder medir. Podemos empezar por un diagnóstico acotado y decidir si el siguiente paso es preparar datos, probar un caso o construir directamente.