Inteligencia artificial para pymes: qué sirve hoy y qué no

La inteligencia artificial para pymes ya sirve, y bastante, pero para cosas más concretas y menos espectaculares de lo que se escucha por ahí. Hoy es buena para leer información desordenada (un PDF, un mail, un pedido escrito a las apuradas), para escribir borradores, para encontrar datos que están perdidos entre planillas y documentos, y para explicar números que ya calculó otro. No es buena para decidir por vos, para hacer cuentas sin supervisión ni para ordenar un proceso que en tu empresa todavía no existe.

Esta es la guía que le daría a un dueño de pyme que quiere saber, sin vueltas, si esto le sirve y por dónde arrancar.

¿De qué hablamos cuando decimos IA?

Cuando hoy alguien dice “IA” en una empresa, casi siempre habla de modelos de lenguaje: programas que entienden y escriben texto de una forma muy parecida a como lo haría una persona. ChatGPT, Claude y Gemini son los más conocidos.

Lo que cambió es simple de explicar. Antes, para que una computadora hiciera algo, había que darle reglas exactas. Ahora le podés dar algo desprolijo, como la foto de un remito o un mail con tres pedidos mezclados, y lo entiende. Y eso pega de lleno en una pyme, porque buena parte del trabajo administrativo consiste justamente en leer cosas desordenadas y pasarlas en limpio.

Lo que no cambió es que sigue sin conocer tu negocio. No sabe que a cierto cliente le hacés un descuento porque paga en efectivo, ni que el proveedor de Rosario siempre manda la factura con la razón social mal escrita. Eso se lo tenés que dar vos.

¿Qué puede hacer hoy la inteligencia artificial para las pymes?

La forma más fácil de verlo es con un día cualquiera. Tomemos como ejemplo una distribuidora de artículos de limpieza con diez empleados, un sistema de gestión y muchas planillas.

A la mañana: pedidos que llegan de cualquier forma

Los pedidos entran por mail, por WhatsApp y por teléfono. Uno escribe “lo mismo que la otra vez pero el doble de lavandina”, otro manda la foto de una lista hecha a mano. Alguien los lee, los interpreta y los carga en el sistema.

La IA puede leer cada pedido, entender qué productos y cantidades son, buscarlos en tu lista y dejar el pedido armado en borrador. La persona que antes tipeaba ahora revisa y confirma. Y cuando algo no está claro (¿la lavandina de un litro o la de cinco?), lo bien hecho es que lo marque en vez de adivinar.

A media mañana: facturas de proveedores

Llegan facturas electrónicas en PDF, cada proveedor con su formato. Alguien copia CUIT, fecha, número, neto, IVA y total a una planilla o al sistema. Es el ejemplo de manual: la IA extrae esos datos, los deja cargados y una persona controla. Si cargás diez facturas por mes, no vale la pena el esfuerzo. Si cargás cientos, seguramente sí.

Antes del almuerzo: la pregunta que nadie sabe responder

Un vendedor quiere saber a qué precio le vendieron a una ferretería de Morón la última vez. La respuesta existe, pero está en una planilla, en un mail viejo o en la cabeza de alguien que justo está de vacaciones.

Un asistente conectado a tus planillas y documentos responde eso en segundos y te dice de dónde sacó el dato. Es de lo que más rápido se nota en el día a día, porque la empresa deja de depender de la memoria de dos personas.

A la tarde: cobranzas

Hay que mandar recordatorios a los clientes con facturas vencidas, con un tono distinto para el cliente de hace veinte años que se atrasó por primera vez y para el que se atrasa siempre. La IA puede preparar cada mensaje a partir de la planilla de cuentas corrientes y dejarlo listo para que alguien lo lea y lo mande.

Si querés que siga el caso por su cuenta (que se fije si pagó, que prepare el segundo aviso), ya estás en el terreno de los agentes de IA, que encadenan varios pasos en lugar de contestar una sola cosa.

Los lunes: el reporte

Alguien junta ventas, cobranzas y stock de tres lugares distintos y arma un resumen para el dueño. Gran parte de esto ni siquiera necesita IA: con una planilla bien armada y una automatización que la mande por mail, alcanza. La IA suma al final, para escribir en dos párrafos qué cambió respecto de la semana anterior y qué explica la diferencia. Lo cuento paso a paso en la guía para automatizar reportes en Excel o Google Sheets.

Lo mismo, en otros rubros

Cambian los papeles, pero el patrón se repite.

Una inmobiliaria puede armar las fichas de las propiedades a partir de las notas de la tasación, o saber en segundos qué contratos se actualizan este mes. Un estudio contable puede ordenar los comprobantes que sus clientes mandan como pueden, en fotos borrosas y mails reenviados. Una clínica puede tener las indicaciones de preparación de cada estudio a mano de quien atiende el teléfono. Un e-commerce puede redactar las descripciones de sus publicaciones en Mercado Libre y separar los reclamos por tipo. Una fábrica chica puede pasar las órdenes de compra que le llegan en PDF a su planilla de producción.

En todos los casos la IA lee algo desordenado y lo deja en un formato útil, encuentra un dato o escribe un primer borrador que después revisa una persona.

Cuatro palabras que vas a escuchar (y qué significan)

Conviene tener claras las diferencias antes de que alguien te quiera vender algo:

• Un asistente es una herramienta que responde preguntas sobre tu negocio usando tu propia información: planillas, documentos, listas de precios.
• Una automatización ejecuta pasos fijos sin intervención humana, siempre de la misma manera. No necesita IA.
• Un agente combina las dos cosas: interpreta un pedido y además actúa, siguiendo varios pasos y usando las herramientas que le habilitaste.
• Un tablero junta en una sola pantalla los números que hoy están repartidos (ventas, stock, cobranzas) y se actualiza solo.

Muchas veces la parte con IA es la más chica de la solución.

Lo que no conviene esperarle a la IA

Acá es donde más plata se pierde.

No hace cuentas confiables por sí sola. Un modelo de lenguaje puede sumar mal una columna y presentarte el resultado como si nada. Los cálculos los tiene que hacer una planilla o tu sistema; la IA, en todo caso, los explica.

Inventa cuando no sabe. Si le preguntás algo que no está en la información que le diste, muchas veces no te contesta “no sé”: te arma una respuesta que suena perfecta y es falsa. A esto se le dice “alucinar”. Por eso las herramientas serias responden solo con tu información y te dicen de dónde salió cada dato.

No ordena lo que está desordenado. Si cada vendedor arma los presupuestos a su manera, la IA no va a descubrir cuál es la forma correcta. Primero se ponen de acuerdo ustedes y después se automatiza.

No reemplaza tu criterio. Decidir si le seguís vendiendo a un cliente que se atrasó, negociar con un proveedor o resolver un reclamo delicado sigue siendo trabajo de una persona.

Y no se instala y se olvida. Cambian los formatos de las facturas, las listas de precios (acá, bastante seguido) y la gente. Alguien tiene que estar atento.

Cuándo no hace falta IA

Esto lo repito siempre: si una tarea se resuelve con una regla fija, no uses IA. Mandar un aviso cuando el stock baja de cierto número, recordar un vencimiento, pasar datos de un sistema a otro cuando siempre llegan con el mismo formato. Todo eso lo hace una automatización común, que es más barata y se comporta siempre igual.

La prueba que uso es simple. Si podés escribir la tarea como “si pasa tal cosa, hacé tal otra”, no necesitás un modelo de lenguaje. La IA tiene sentido cuando hay que interpretar algo: un texto, un documento, un pedido escrito de cualquier manera.

¿Cómo elegir el primer proyecto de IA en tu empresa?

Lo que más veo es gente que quiere empezar por lo más vistoso: un asistente que sepa todo de la empresa o un sistema que atienda a todos los clientes. Casi siempre sale mal, o sale carísimo. El primer proyecto tiene que ser aburrido, frecuente y con poco riesgo.

Para encontrarlo, hacete estas preguntas en orden:

1. ¿Qué tarea se repite todos los días o todas las semanas y nadie quiere hacer?
2. ¿Cuánto tiempo lleva hoy, de verdad? No a ojo. Pedile a quien la hace que lo anote durante una semana.
3. ¿Qué pasa si sale mal? Si el error se detecta y se corrige fácil, como una factura mal cargada que aparece en la revisión, es buena candidata. Si un error significa mandarle un precio equivocado a un cliente, dejala para más adelante.
4. ¿La información está en formato digital o se puede digitalizar? La foto de un remito sirve. Lo que está solo en la cabeza de alguien, no.
5. ¿Hay alguien que sea dueño del tema? Una persona que conozca la tarea, que pueda decir si el resultado está bien y que tenga ganas de que funcione.

Con esas respuestas casi siempre queda una candidata clara. Y ahí conviene hacer una cuenta, aunque sea aproximada. Un ejemplo ilustrativo: si cada factura de proveedor te lleva 3 minutos y cargás 200 por mes, son 10 horas mensuales de alguien tipeando. Si con IA esa persona solo revisa y le lleva un minuto por factura, recuperás casi 7 horas por mes. Ese número, multiplicado por lo que te cuesta la hora de esa persona, te dice cuánto tiene sentido invertir. Lo desarrollo con más detalle en la nota sobre cuánto cuesta implementar inteligencia artificial en una empresa.

Antes de gastar, probá con lo que ya tenés

Mi recomendación es hacer una prueba casera antes de contratar nada. Juntá un puñado de casos reales de esa tarea, sacales los nombres, los CUIT y cualquier dato sensible, y pasáselos a ChatGPT o a Claude explicándole bien qué querés. Mirá qué resuelve, qué le cuesta y dónde se equivoca. En una tarde te das cuenta de si la idea tiene futuro.

En la guía sobre cómo usar ChatGPT en tu empresa hay ejemplos de cómo pedirle las cosas y, sobre todo, de qué no pegarle nunca.

Si la prueba anda, recién ahí tiene sentido conectarlo a tus sistemas para que trabaje solo. Si no anda, perdiste una tarde y no un presupuesto.

¿Cómo saber si la IA funcionó en tu pyme?

Casi nadie lo define antes de arrancar, y después la evaluación se vuelve una discusión de sensaciones.

Antes de empezar, elegí uno o dos indicadores. No diez.

• Tiempo: cuántas horas por semana lleva la tarea, antes y después.
• Correcciones: de cada cien casos que procesa la herramienta, cuántos tuvo que arreglar una persona.
• Demora: cuánto tarda en resolverse algo desde que llega. Un pedido que antes se cargaba al día siguiente y ahora queda cargado en el momento, por ejemplo.

Anotá cómo están esos números hoy. Sin esa foto del antes, después no hay comparación posible.

También hay señales que no aparecen en ninguna planilla y dicen mucho. Si el equipo usa la herramienta sin que nadie le insista, funciona. Si la persona que tenía que revisar empieza a rehacer todo a mano “por las dudas”, algo falla: o la herramienta se equivoca demasiado, o nadie le explicó cómo controlar sin desconfiar de todo.

Dale tiempo con casos reales antes de juzgar. Al principio siempre aparecen situaciones que nadie había contado, como el proveedor que factura en dólares. Eso se ajusta. Si después de los ajustes sigue sin ahorrar tiempo, hay que tener la honestidad de cortarlo.

Cuando ya anda, preguntate qué hizo la persona con las horas que liberó. Si se le fueron en otra tarea manual igual de tediosa, ahí tenés el segundo proyecto.

Lo que tenés que cuidar con los datos

Cada vez que usás IA, la información de tu empresa pasa por los servidores de alguien. No hace falta paranoia, pero sí algunas reglas básicas: nada de datos de clientes, sueldos ni historias clínicas en cuentas personales o gratuitas; cuentas a nombre de la empresa y no del empleado que se fue el año pasado; y fijarte si el proveedor puede usar lo que le mandás para entrenar sus modelos. Cuando una herramienta se conecta a tus sistemas, dale acceso solo a lo que necesita. Si lee facturas, no tiene por qué ver los sueldos.

Una tarea para esta semana

No salgas a buscar herramientas. Juntá a tu equipo quince minutos y preguntales qué tarea harían desaparecer si pudieran. La que más se repita en las respuestas probablemente sea tu primer proyecto, y ya vas a saber quién es la persona indicada para probarlo.