Cuestionario
Ambición de IA y automatización
Dónde dejas decidir a los agentes de IA, dónde solo aconsejar y qué puertas humanas se mantienen. No "IA en todo", sino una elección dirigida por caso de uso, con responsabilidad humana en los puntos adecuados.
Actualizado el 18 may 2026
Cuestionario · 4.12
Por qué esto ahora, no después
La tentación es aplazar la IA como “fase 2” (“primero estabilizamos y luego IA”). Pero las decisiones de configuración que tomas ahora (clasificaciones, estructura de la base de conocimiento, campos del ticket) determinan directamente cómo de bien podrá rendir la IA después. Decide ahora qué nivel persigues por caso de uso; eso marca la calidad de datos que pones hoy.
¿Qué entregas?
Matriz de ambición de IA
Por caso de uso: nivel (aconsejar / asistir / actuar), con criterios de éxito y responsable.
Puertas humanas
¿Dónde interviene un humano: en cada acción, en las de alto impacto, en caso de incertidumbre?
Requisitos de calidad de datos
¿Qué clasificaciones, artículos de KB e historial hacen falta para materializar la matriz?
Gobernanza y transparencia
¿Qué logs, auditorías y explicaciones das al usuario final y al regulador?
Los tres niveles
Nivel 1 — Aconsejar
La IA sugiere (categoría, resolución, respuesta). El agente decide y actúa. Punto de partida más seguro.
Nivel 2 — Asistir
La IA ejecuta acciones parciales (clasificar, enrutar, redactar la primera respuesta). El humano revisa y confirma.
Nivel 3 — Actuar
La IA actúa por sí sola dentro de límites predefinidos. El humano comprueba después vía paneles o auditoría.
Preguntas clave
- 1¿Qué casos de uso quieres con apoyo de IA: clasificación de tickets, primera respuesta, búsqueda en KB, detección de no-show, anomalía de ocupación, enrutamiento automático?
- 2Por caso de uso: ¿qué nivel (1/2/3) objetivas en la fase 1 y cuál es el roadmap a las fases 2/3?
- 3Límites, ¿qué decisiones nunca puede tomar la IA de forma autónoma (médicas, legales, financieras por encima de X €)?
- 4Transparencia al usuario final, ¿cómo informas de que es la IA quien responde? Etiquetas, descargos, opt-out.
- 5Requisito de calidad de datos, ¿qué profundidad de clasificación y madurez de KB necesitamos para alcanzar cada nivel de forma fiable?
- 6Bucle de retroalimentación, ¿cómo recoges correcciones (un agente rechaza una clasificación incorrecta)? ¿Alimenta esto al modelo?
- 7Cumplimiento y AI Act, ¿qué casos caen en qué categoría de riesgo? Documentación, registro, supervisión humana.
- 8Privacidad y uso de datos, ¿qué datos puede ver la IA (contenido completo del ticket, solo metadatos)? ¿Anonimizar? ¿Acuerdo de tratamiento de datos?
- 9KPI de éxito de la IA: tasa de adopción, precisión, correcciones del agente, tiempo ahorrado, satisfacción.
- 10Procedimiento de rollback, si la IA se equivoca, ¿cómo bajas rápidamente un caso de uso al nivel 1?
Plantilla — Matriz de ambición por caso de uso
| Caso de uso | Fase 1 | Fase 2 | Límite (nunca) | Requisito de calidad de datos | Responsable |
|---|---|---|---|---|---|
| Clasificación de tickets | Aconsejar | Asistir | Incidentes mayores | Clasificación a 3 niveles + 500+ tickets históricos | Service Manager |
| Respuesta KB | Asistir | Actuar | RR. HH./legal | 200+ artículos KB con tags FAQ | Mgr servicedesk |
| Detección de no-show | Aconsejar | Actuar | Sala de juntas y VIP | Datos check-in ≥ 3 meses | Mgr FM |
| Anomalía de ocupación | Aconsejar | Aconsejar | Planificación de plantilla | Sensores IoT activos | Lead workplace |
| Enrutamiento auto de tickets | — | Asistir | Incidentes P1 | Grupos de trabajo + skill tags | Service Manager |
| … | … | … | … | … | … |