El trabajo que queda después de elegir un modelo de IA

La conversación sobre IA suele comenzar con una demostración: un documento que se resume, una consulta que obtiene respuesta o un agente que ejecuta varios pasos. Es una buena forma de explorar posibilidades. Pero quien dirige una empresa necesita saber qué cambia cuando esa demostración se incorpora a su trabajo.

¿Quién puede utilizarla? ¿De dónde obtiene la información? ¿Qué sucede si se equivoca? ¿Dónde queda registrada la decisión? Esas preguntas definen buena parte del desarrollo que viene después.

Qué nos enseña la operación de Faculty

Accenture comunicó el cierre de la compra de Faculty el 16 de marzo de 2026. La operación incorpora capacidades de diseño e implantación de IA, además de Frontier, su producto de inteligencia de decisiones. Los términos económicos no se publicaron. Fuente: Accenture.

El antecedente de Halfspace, adquirido en marzo de 2025, apunta también a la incorporación de especialistas en soluciones de IA para procesos empresariales. Fuente: Accenture.

Nuestra lectura de estos casos es concreta: el producto y el trabajo de implantación pueden complementarse. Una plataforma reutilizable aporta una base; entender cómo trabaja cada organización determina qué hay que conectar, adaptar y comprobar. Estas operaciones no permiten calcular el retorno de cualquier proyecto ni anticipar la valoración de una empresa pequeña.

El modelo responde. La aplicación organiza el trabajo

Pensemos en una empresa de servicios que recibe solicitudes con documentos adjuntos. Es un ejemplo ilustrativo, no un caso de cliente.

Una demostración puede extraer el nombre del solicitante y resumir su petición. Una aplicación útil tiene que hacer más: asociar el archivo al expediente correcto, identificar los campos que faltan, mostrar el documento original y permitir que una persona corrija la propuesta antes de incorporarla al sistema.

La diferencia se aprecia en tres momentos:

• Entrada. Los documentos llegan por un canal definido, con acceso limitado a las personas correspondientes.
• Revisión. El equipo ve qué ha propuesto la IA y qué evidencia puede consultar antes de aceptarlo.
• Registro. El resultado validado pasa al sistema de trabajo y conserva un historial de cambios.

La IA ocupa un lugar concreto dentro de ese recorrido. El proyecto debe poder explicar el resto sin recurrir a la palabra «inteligente».

Qué pedir antes de contratar

Conviene empezar por una tarea frecuente y un grupo de usuarios identificable. Después, acordar con qué ejemplos se probará la solución, qué errores requieren revisión y cómo se medirá el resultado frente al proceso actual.

La propuesta debería separar el desarrollo de los costes de modelos, alojamiento y mantenimiento. También debería especificar quién administra los accesos y cómo se recupera la información si cambia el proveedor. Tener estas respuestas permite comparar ofertas que, a primera vista, pueden parecer iguales.

En Kenea planteamos el primer desarrollo alrededor de ese recorrido completo: una necesidad delimitada, sus conexiones y una entrega que el equipo pueda revisar. Si una automatización convencional resuelve mejor una parte del trabajo, también forma parte de la solución.