Automatización de procesos con IA: 10 procesos que tu empresa puede automatizar hoy

Casi todo lo que se escribe sobre automatización con IA falla en el mismo punto: enseña la categoría (automatiza tu back office) y nunca baja al proceso. Y el proceso es donde se decide todo: automatizar la captura de facturas y automatizar la aprobación de pagos no se diferencian en grado, sino en que una funciona en tres semanas y la otra te mete en un problema contable.

Los cuatro vienen de estudios con grupo de comparación y apuntan a lo mismo: la IA acelera de verdad ciertas tareas y empeora otras. Automatizar bien consiste en saber de qué lado cae cada paso de tu proceso. Ninguna de estas mediciones se hizo en México ni mide ahorro contable: miden casos resueltos, minutos y tasa de acierto.

La automatización clásica ejecuta reglas: si el campo A dice X, mueve el registro a B. Funciona perfecto con entradas estructuradas y se rompe en cuanto alguien manda la información en un correo redactado a su manera o en un PDF escaneado de lado. Ahí entra la IA: no reemplaza a las reglas, les da una entrada que antes solo un humano podía producir (leer un documento desordenado, entender un correo ambiguo) y deja que el resto del flujo siga determinista.

Eso coincide con lo que se observa en las empresas que ya la usan. En el documento de trabajo del Center for Economic Studies de la Oficina del Censo de Estados Unidos, con datos de la encuesta BTOS, los usos generativos dominantes entre los trabajadores son redacción, análisis de documentos y búsqueda de información, y 65% de las empresas donde los trabajadores usan IA mantiene ese uso acotado a tres tareas o menos ⁵. Cuidado con la lectura fácil: eso mide lo que la gente más usa, no lo que es más automatizable.

El criterio que mejor funciona tiene cuatro filtros: alto volumen y baja variedad, resultado verificable (sabes si la salida está bien sin abrir un debate), datos que ya existan en un sistema accesible, y error de costo acotado y reversible. Si falla los cuatro, no lo automatices. Si falla solo el cuarto, automatiza la preparación y deja la decisión al humano.

También conviene mirar dónde se concentra el valor. McKinsey estimó que la IA generativa podría aportar entre 2.6 y 4.4 billones de dólares anuales a la economía global a través de los 63 casos de uso que analizó, con cerca de 75% concentrado en cuatro áreas: atención al cliente, marketing y ventas, ingeniería de software e I+D ¹⁰. Es potencial modelado, no dinero capturado. La adopción real solo coincide en parte: entre las empresas estadounidenses que usan IA, las funciones más comunes son ventas y marketing (52%), estrategia y desarrollo de negocio (45%) y TI (41%) ⁵. Dos de esas tres no están entre las cuatro áreas donde McKinsey concentra el valor potencial.

Para cada uno: qué duele hoy, qué hace la IA, qué necesitas antes de empezar y qué se queda sin resolver. El orden va de menor a mayor dificultad de implementación.

Conviene guiarse por estudios con grupo de comparación y no por promesas de proveedor. En el estudio con 5,172 agentes de soporte de una empresa de software estadounidense (la mayoría trabajando desde oficinas en Filipinas), el acceso a un asistente de IA generativa subió 15% los casos resueltos por hora, con la mejora concentrada en los agentes con menos experiencia y menor desempeño ¹. Un detalle que casi nunca se menciona al citarlo en español: las ganancias fueron mayores entre los agentes ubicados en Filipinas, en parte porque el asistente mejoraba su fluidez en inglés; ese mecanismo no aplica a un equipo mexicano atendiendo en español.

En trabajo de conocimiento, el experimento de campo con 758 trabajadores reclutados con Boston Consulting Group encontró que, en dieciocho tareas dentro de lo que el modelo hace bien, quienes usaron GPT-4 completaron 12.2% más tareas, 25.1% más rápido y con calidad significativamente mejor ³. Y en desarrollo de software, tres experimentos con 4,867 desarrolladores dieron 26.08% más tareas completadas, con un error estándar de 10.3%: un efecto positivo pero impreciso ¹².

El mismo patrón aparece en las pymes. Una encuesta de la OCDE a pymes de siete países (cuatro del G7; México no está en la muestra) encontró que, entre las que ya usan IA generativa, solo 29% reporta usarla en sus actividades centrales: el uso predominante es periférico, apoya la operación sin rediseñar a fondo los procesos productivos. El beneficio más reportado es la mejora del desempeño de los empleados, por delante del ahorro en costos ⁷.

Y conviene calibrar el discurso de la automatización total. En la encuesta del Foro Económico Mundial a más de mil empleadores globales, en 2025 el 47% de las tareas las realizaban solo humanos, 22% principalmente la tecnología y 30% una combinación, y para 2030 esperan proporciones casi parejas ⁹: expectativas declaradas, no medición de lo automatizado. El AI Index 2026 de Stanford HAI (datos de 2025) reporta que 88% de las organizaciones encuestadas a nivel global declara haber adoptado IA de alguna forma, con el despliegue de agentes todavía en un dígito en casi todas las funciones ⁶. Mucho uso, poca automatización de punta a punta.

Los datos disponibles no respaldan esa lectura, al menos no todavía. En el mismo documento de trabajo del Center for Economic Studies del Censo de Estados Unidos, entre las empresas usuarias de IA que reportan algún cambio en su estructura de tareas, 66% la usa únicamente para aumentar tareas y no para sustituirlas; 52% de las usuarias no reporta ningún efecto sobre las tareas. Las reducciones de plantilla son raras: 95% de las usuarias no reporta cambio de empleo por IA, y el 2% que reporta una disminución es una proporción ligeramente menor que el 2.3% que reporta aumentos ⁵.

Eso no significa que el horizonte sea estático. McKinsey Global Institute estima que, para 2030, las actividades que representan hasta 30% de las horas trabajadas hoy en Estados Unidos podrían automatizarse (frente a 22% sin IA generativa) y que podrían ser necesarias 12 millones de transiciones ocupacionales adicionales, con las caídas concentradas en soporte administrativo, atención al cliente y servicios de alimentos ¹¹. Son horas técnicamente automatizables, no empleos eliminados, y no es un dato de México. Lo que vemos el primer año es otra cosa: el equipo deja de capturar y empieza a revisar excepciones.

1. 1

   Mide el proceso antes de tocarlo (1 semana)

   Cuántos documentos o correos por semana, cuántos minutos cada uno, cuántos errores. Sin línea base, el proyecto solo se podrá defender con anécdotas. Es el paso que más se salta y el que más caro sale.

2. 2

   Automatiza un solo paso, no el proceso completo (3 semanas)

   Elige el paso de mayor volumen y menor consecuencia: casi siempre extracción o clasificación. Ponlo contra datos reales, en paralelo al proceso actual, con alguien revisando todas las salidas. Ahí ves la tasa de acierto real, que nunca es la del demo.

3. 3

   Define el umbral de confianza y el fallback (2 semanas)

   Qué casos pasan solos, cuáles van a revisión humana y qué ocurre cuando el sistema no está seguro. Una automatización se mide por cómo falla, no por cómo acierta: sin ruta de excepción no tienes un sistema, tienes una apuesta.

4. 4

   Conecta el resto del flujo y observa el costo

   Integración con el ERP, el CRM o el correo; monitoreo de latencia, costo por documento y calidad; alertas cuando la tasa de acierto cae. Solo con esto estable pasas al segundo proceso de la lista.

Un cierre honesto sobre plazos: si alguien te ofrece automatizar seis procesos en paralelo el primer trimestre, está vendiendo alcance, no resultado. Uno bien automatizado y estable vale más que seis a medias, porque el segundo tarda la mitad cuando ya resolviste accesos, permisos y observabilidad.