No te equivocaste con la RPA. Tampoco con el piloto de IA

Si te quemaste con la RPA, con un piloto de IA o con los dos, es fácil sacar una conclusión dura sobre ti: te adelantaste, elegiste mal la herramienta, debiste esperar. Suelta esa idea. Cada una de esas apuestas era razonable en el momento en que la hiciste. Lo que pasó es un patrón, y sigue corriendo.

La automatización ha llegado en tres olas. Cada una resolvió el problema que dejó la anterior y trajo uno nuevo. La tecnología mejoró. El trabajo de organización que la rodea casi no se movió.

Tus dos últimos intentos no se trabaron por falta de convicción. Se trabaron porque compraste cada ola como si fuera el destino, cuando cada una resolvía un problema técnico y dejaba atrás un cuello de botella operativo. Cuando ves el patrón, dejas de pagar dos veces por la misma lección.

Primera ola, la RPA: acabó con la repetición y se quebró con lo imprevisto

La RPA resolvió un problema real. Había gente pasando horas en los mismos clics, copiando los mismos campos de un sistema a otro, y la RPA grabó esos clics. En tareas limpias, ordenadas y estables, funcionó. Pero seguía reglas fijas paso a paso, así que se rompía apenas cambiaba una pantalla, se movía un campo o llegaba un documento en un formato que no conocía.

Automatizó la parte fácil y dejó la difícil donde estaba: esa mayoría desordenada del trabajo donde vive la complejidad de verdad. Según Forrester y Gartner, entre el 30 % y el 50 % de las automatizaciones RPA de las grandes empresas quedan inactivas antes de cumplir 18 meses. Ese es el techo de lo que pueden hacer las reglas fijas, y chocar con él no fue falta de coraje.

Segunda ola, los agentes públicos: se acabó la rigidez, se perdió el control

Después llegaron los modelos de punta, y de un día para otro el software podía leer documentos desordenados, razonar con ambigüedad y adaptarse cuando cambiaba un formato. Era justo la pared contra la que chocó la RPA. Muchos apuntaron agentes públicos a su operación, y las primeras demos fueron eléctricas.

Casi nadie miraba lo que hacía falta para convertir una demo en una operación confiable. El problema nuevo apareció después de salir a producción. Un modelo público, solo, no tiene quién lo controle, su precisión no alcanza en las transacciones que importan y vive en la nube, así que los datos de tu operación salen de la empresa. Con la Ley 21.719 encima, eso ya no es un detalle.

Las fallas de esa ola se repiten tanto que ya tienen lista: autoridad sin límites, datos de decisión defectuosos, resultados impredecibles y falta de registro auditable. La segunda ola sacó la rigidez y volvió a meter el riesgo. Podía con el desorden, pero un modelo solo nunca fue una operación.

Tercera ola, las plataformas de agentes: control posible, a un precio alto

La respuesta a los agentes sin control fue entregarle a la empresa una plataforma: piezas de orquestación, barandas y gobierno para armar un sistema de verdad. En el papel, eso cierra el hueco que abrió la segunda ola. En la práctica abre otro. Estas plataformas son complejas, caras de operar y difíciles de hacer crecer, y exigen ingenieros de IA que la mayoría de las empresas no tiene ni puede contratar a tiempo.

La plataforma se vuelve una cosa más que dotar, mantener y actualizar, y el proyecto se estanca donde se estancaron los otros: antes de producción.

Hay algo que sorprende a quien lo vive por primera vez: construir la automatización suele ser de las partes más chicas del proyecto.

El esfuerzo se va en entender cómo decide de verdad la gente con experiencia y en escribir lo que la empresa sabe y nunca escribió. Se va en conseguir un patrocinador en la gerencia, en preparar la infraestructura y los accesos, en probar cientos de casos reales, en afinar las excepciones y en acompañar a los usuarios hasta que lo adoptan. Nada de eso sale en una demo ni en un cronograma optimista, y es lo que decide si el proyecto devuelve lo que prometió.

Las tres olas, y la que falta, una al lado de la otra:

• RPA. Acabó con los clics manuales. Se rompe con excepciones, cambios y datos desordenados.

• Agentes públicos. Leen el desorden. Quedan sin control, con precisión dudosa y con tus datos afuera.

• Plataformas armadas en casa. Hacen posible el control. Son caras y piden ingenieros que no tienes.

• Un cargo con alguien que responde. Alguien se hace cargo del resultado completo, así que no te entregan un hueco nuevo.

El patrón de las tres olas, y cómo dejar de pagarlo

Cada ola movió el cuello de botella en vez de sacarlo. La RPA lo llevó de los clics a las excepciones; los agentes, de las excepciones al control; las plataformas, del control a la ingeniería. Lo que nunca cambió es que el hueco que dejaba la herramienta quedaba en tus manos. Ese hueco nunca fue una capa más de tecnología. Era lograr que el trabajo funcionara.

La lección no es dejar de apostar por la automatización. Es dejar de comprar capas y empezar a comprar resultados. Una capa te entrega una capacidad nueva y un problema nuevo, y te deja a ti la tarea de convertirla en una operación que funcione.

Comprar un resultado significa que las excepciones, los controles, la ingeniería y la operación diaria son responsabilidad de alguien que responde por el resultado y no por la herramienta. En nuestro sitio lo llamamos SaaS al revés: no compras la herramienta, compras el trabajo hecho, y el software viene adentro.

Por qué se repite, y por qué no es culpa tuya

Porque cada ola se vendió como la respuesta cuando era solo una pieza, y el reloj siguió corriendo. Las demos se volvieron más impresionantes y los plazos más ambiciosos, mientras el trabajo poco vistoso de poner las cosas en marcha siguió igual de difícil y casi nadie lo contó.

Mientras tanto, quedarse evaluando sale cada trimestre más caro. La pregunta ya no es si automatizar. La pregunta es quién llega primero a una operación que funcione: tú, o el competidor que dejó de comprar herramientas y se puso a aprender a usarlas. Cada trimestre que pasas discutiendo la última decepción, ellos lo usan para juntar una experiencia que después cuesta alcanzar.

Lo que venimos diciendo

En esta serie dijimos que la IA no puede aprender lo que tu mejor persona sabe y nunca escribió, que un piloto que sale bien prueba algo muy distinto de una operación en producción y que el valor aparece cuando pones un cargo a trabajar, no una capacidad suelta. Esta columna suma el paso siguiente: cada ola sacó una barrera técnica, y ninguna sacó el trabajo de convertir la IA en una operación.

Así que date el crédito que el patrón te da. No te equivocaste al automatizar los clics, ni al probar los modelos, ni al mirar una plataforma. Llegaste temprano, cada vez, a algo real. El paso ahora es dejar de comprar la capa siguiente y sumar un cargo con jefe y con registro, con un equipo detrás que responde por el resultado.

Fuentes

• Forrester y Gartner, 2024-2025: entre el 30 % y el 50 % de las automatizaciones RPA empresariales quedan inactivas antes de 18 meses.