IA empresarial: los casos de uso que realmente crean valor en SAP.

Pocas veces una tecnología se habrá adoptado tan rápido en los discursos y tan despacio en los procesos. Todas las direcciones han visto demostraciones impresionantes. Muchas han lanzado pilotos. Muy pocas pueden señalar un proceso completo cuyo rendimiento haya cambiado de forma duradera. Al contrario de lo que se dice, este desfase debe poco a la madurez de los modelos; se explica por la manera en que las empresas eligen sus casos de uso. O, más exactamente, por la manera en que no los eligen.

Por qué «la IA en todas partes» fracasa

Espolvorear IA sobre todos los temas a la vez produce invariablemente el mismo resultado: una colección de pilotos huérfanos. A fuerza de autopsias, encontramos siempre los mismos mecanismos.

• La demostración sustituye al proceso. Un asistente que brilla en un comité y un tratamiento que cumple su promesa sobre miles de operaciones reales, con sus excepciones, sus litigios y sus datos imperfectos, son dos objetos distintos. El primero se consigue en unas semanas. El segundo exige rehacer el proceso que lo rodea.
• Nadie es dueño del resultado. Cuando el caso de uso nace en un «lab» y no en manos de un responsable de proceso, nadie responde de la distancia entre la promesa y la producción. El piloto tiene éxito, el despliegue queda huérfano, el tema se apaga.
• El dato se descubre demasiado tarde. La IA empresarial no razona sobre internet, sino sobre sus pedidos, sus facturas, sus datos maestros. Si están incompletos o son contradictorios, el modelo industrializa la confusión. Muchos proyectos de IA mueren por un problema de datos que un encuadre honesto habría revelado el primer día.

Lo que distingue a un buen caso de uso

Nuestra criba es deliberadamente austera. Cinco condiciones, todas necesarias.

• Un proceso frecuente y costoso en atención humana. El valor de la IA se cuenta en ocurrencias; desconfíe de los temas prestigiosos de bajo volumen.
• Un resultado medible en los términos del negocio: plazo, tasa de error, carga evitada. Definido antes del proyecto. Los indicadores reconstruidos a posteriori no prueban nada.
• Datos accesibles y suficientemente fiables, o un trabajo de fiabilización incluido explícitamente en el alcance.
• Un propietario de negocio que quiera el resultado hasta el punto de aceptar modificar su propio proceso para obtenerlo.
• Un camino hacia la producción: integración en el sistema, gestión de excepciones, supervisión. Sin plan de industrialización, un caso de uso sigue siendo un prototipo, sea cual sea su presupuesto.

Sustituya «¿dónde podemos poner IA?» por «¿qué proceso queremos ver funcionar de otra manera dentro de un año?»: la mitad de la criba ya está hecha.

En SAP, lo que supera el listón de la producción

En el ámbito SAP, los casos de uso que llegan realmente a producción se parecen entre sí. Con la práctica, los vemos agruparse en torno a tres terrenos.

La automatización documental

Facturas de proveedores, pedidos de clientes, confirmaciones, avisos de pago: una parte considerable del trabajo administrativo consiste en leer documentos para volver a teclear su contenido en SAP. La extracción, el cotejo y la contabilización asistidos forman el terreno más seguro de la IA empresarial. Los volúmenes son altos, el resultado se verifica, y las ganancias son visibles para los propios equipos, lo que lo cambia todo para la adopción.

Lo predictivo anclado en las operaciones

Previsión de la demanda, anticipación de retrasos de proveedores, proyección de tesorería: lo predictivo crea valor cuando su salida alimenta una decisión recurrente e instrumentada, un plan de aprovisionamiento o una revisión de riesgos, y no un cuadro de mando más. El criterio decisivo no tiene nada que ver con la sofisticación del modelo. Hace falta que un gesto del negocio cambie gracias a él.

Los copilotos y agentes

Asistentes que responden con el conocimiento de la empresa, agentes que preparan o ejecutan transacciones bajo control humano: la familia más prometedora es también, a nuestros ojos, la más exigente. Supone un marco estricto. Perímetro de acción delimitado, trazabilidad de cada gesto, validación humana en todo lo que compromete a la empresa. Un agente sin gobierno no es más que un riesgo operativo con una buena interfaz.

Los prerrequisitos que el entusiasmo no sustituye

Ninguna de estas familias se sostiene sin dos cimientos. El dato, primero: maestros limpios, definiciones compartidas, accesos gobernados. Es el trabajo ingrato que condiciona todos los demás, y la razón por la que nuestra oferta SAP Analytics trata el dato y sus usos juntos. El gobierno, después: quién decide lo que la IA tiene derecho a hacer, quién supervisa sus salidas, quién responde de sus errores. Nos negamos a ver en ello frenos a la innovación. Es lo que separa una capacidad de empresa de una experimentación permanente.

Y como esos cimientos viven en el núcleo del sistema, la trayectoria de IA no se piensa al margen de la trayectoria del ERP. Un núcleo S/4HANA limpio, con procesos armonizados y datos fiables, sigue siendo a nuestro juicio la mejor inversión en IA que la mayoría de las empresas pueden hacer. Lo explicamos en nuestra lectura de la fecha límite de ECC en 2027.