¿Por qué el 80% del trabajo real ocurre después del piloto?
Porque el piloto prueba que el modelo responde, no que el proceso aguanta. La diferencia entre demo y producción son cuatro cosas medibles: integración a sistemas de registro, gestión de permisos, trazabilidad auditable y alguien que revise el agente cuando falla a las 3 AM en un turno de planta.
La OCDE, 2024, documenta que los principales obstáculos para el uso estratégico de la IA no son técnicos sino de implementación: capacidades internas, calidad de datos y gobernanza.
Un agente en piloto consulta una base curada. Un agente en producción consulta Dataverse, SharePoint, SAP y un ERP local como Softland, cada uno con su propio esquema de permisos y su propia latencia.
En operación industrial se suma la restricción física: si el agente clasifica una orden de mantenimiento mal, alguien envía un técnico al lugar equivocado. El costo del error no es una respuesta incorrecta en pantalla.
Dato verificable vs. criterio. Microsoft, 2025, describe cómo los agentes de IA y los hilos digitales operan sobre datos de manufactura conectados de extremo a extremo, no sobre repositorios aislados. En el criterio de Muze AI Consulting, ese es exactamente el punto donde se decide si el piloto escala: si el hilo de datos no existe antes del agente, el agente no lo va a crear.
¿Qué capacidades exige realmente este trabajo?
Exige cinco capacidades distintas, y casi ningún proveedor tiene las cinco: arquitectura de datos, ingeniería de integración, diseño de agentes, gobernanza de permisos y operación 24/7. La quinta es la que más se omite en las propuestas y la que decide si el sistema sigue vivo al mes seis.
Arquitectura de datos. Antes del agente hay que definir dónde vive el dato maestro. Si el inventario está en SAP y también en una planilla de planta, el agente heredará la contradicción.
Integración. Conectores estándar de Power Automate resuelven Microsoft 365 y sistemas comunes. Un ERP local, un SCADA o un sistema de pesaje suelen exigir API custom o middleware.
Diseño de agentes. Copilot Studio para agentes conversacionales sobre conocimiento interno; Power Automate más AI Builder para agentes operacionales que ejecutan pasos sin humano al medio. Son problemas de diseño distintos.
Gobernanza. El agente hereda los permisos de quien lo ejecuta o los de una cuenta de servicio. Si es lo segundo y nadie lo revisó, acaba de crear un canal de acceso a datos que ninguna auditoría aprobó.
Operación. Un flujo en producción falla por causas que no son del modelo: una API que cambia versión, una licencia que expira, un campo que alguien renombró en Dataverse. Alguien tiene que verlo y arreglarlo.
¿Cómo se ve un proyecto bien hecho de punta a punta?
Tiene fases con entregables verificables y una fecha de corte para cada una. Un proyecto que solo promete “el agente funcionando” sin definir qué significa funcionando en producción no es contratable: no hay forma de discutir si se cumplió.
| Fase | Entregable verificable | Cómo se comprueba |
|---|---|---|
| Diagnóstico de proceso | Mapa del proceso actual con volumen mensual y tasa de error medida | El proveedor entrega números del proceso del cliente, no benchmarks genéricos |
| Arquitectura de datos | Diagrama de sistemas fuente, dato maestro y permisos por rol | Se revisa con TI del cliente antes de escribir código |
| Construcción | Agente en ambiente de pruebas con casos límite documentados | Se prueba con los casos que fallan, no con los que funcionan |
| Paso a producción | Plan de rollback, plan de monitoreo, log de trazabilidad | Existe respuesta escrita a “qué pasa si el agente se cae el lunes” |
| Operación | Informe mensual: horas consumidas, incidencias, estado de cada flujo | El primer informe llega el primer mes, no cuando se pide |
Muze AI Consulting entrega proyectos de implementación en 30 días promedio y, para clientes que no quieren cargar la operación a su equipo interno, opera los flujos y agentes mes a mes dentro del tenant Microsoft 365 del cliente, con informe mensual de horas, actividades y estado de cada sistema. Puede tomar la operación de automatizaciones construidas por otro proveedor.
“El piloto no es el proyecto. El proyecto empieza el día que el agente toca datos reales y alguien tiene que responder por lo que hace a las tres de la mañana.” — Marco Chávez, Fundador de Muze AI Consulting.
¿Qué preguntar al evaluar proveedores?
Pregunte por evidencia de operación, no por casos de éxito. Un caso de éxito describe el lanzamiento; el informe de incidencias del mes seis describe la realidad. Estos son los criterios que puede exigir y comprobar en una sola reunión.
| Capacidad | Qué pedir como evidencia | Señal de alerta |
|---|---|---|
| Agente en producción real | Nombre de un agente con más de 90 días operando y su tasa de intervención manual | Solo muestran demos, pilotos o videos de producto del fabricante |
| Integración a sistemas de registro | Diagrama de una integración a ERP (SAP, Softland) o SCADA que hayan hecho, con el método usado | Todo el caso vive dentro de Microsoft 365 y nunca tocaron un sistema externo |
| Gobernanza de permisos | Cómo resuelven la identidad con la que corre el agente y quién audita ese acceso | ”Usamos una cuenta de servicio” sin explicar el alcance de sus permisos |
| Trazabilidad regulatoria | Un log de ejecuciones exportable que sirva ante SMA, SERNAPESCA, CMF o SII | Ofrecen trazabilidad “a nivel de plataforma” sin mostrar el registro |
| Modelo de operación post-entrega | Contrato o anexo que describa monitoreo, resolución de incidencias e informe mensual | La operación queda como “capacitamos a su equipo” y ahí termina |
| Plan de reversa | Documento de rollback y criterio para apagar el agente | No existe respuesta escrita a “cómo lo revertimos” |
| Propiedad del entregable | Los flujos y agentes quedan en el tenant del cliente | El agente vive en una plataforma propietaria del proveedor |
Estos criterios funcionan igual si termina contratando a otro. La pregunta útil no es quién tiene mejor pitch, sino quién puede mostrar un sistema suyo funcionando hoy con sus fallas documentadas.
Antes de la primera reunión conviene tener claro qué exigir de un proveedor de IA agéntica antes de firmar, porque la mayoría de las diferencias reales entre propuestas están en el anexo de operación y no en la portada.
¿Qué señales de alerta descartan a un proveedor?
Cuatro señales bastan para descartar sin más análisis: no puede nombrar un agente propio en producción, no tiene plan de rollback, no define quién opera el sistema después de la entrega y confunde un chatbot con un agente que ejecuta acciones.
El piloto eterno. Si la propuesta encadena pilotos sin fecha de paso a producción, el modelo de negocio es el piloto. Pida el criterio de salida por escrito.
Trazabilidad implícita. “La plataforma registra todo” no es trazabilidad. Trazabilidad es un registro exportable, con timestamp, identidad y payload, que sobrevive a una fiscalización.
Dependencia de plataforma propia. Si el agente vive fuera de su tenant, el costo de cambiar de proveedor incluye reconstruirlo entero.
Cifras sin origen. Un proveedor que presenta porcentajes de mejora sin decir de qué cliente, qué proceso y qué línea base salieron está haciendo marketing. Aplique el mismo filtro a este artículo: las cifras de Muze AI que aparecen acá —3.000+ horas anuales ahorradas, 80% menos errores de digitación, 15-40% de ahorro en costos operativos directos— corresponden a proyectos ejecutados y se pueden pedir desglosadas.
¿Cuándo conviene resolverlo internamente en vez de contratar?
Conviene internalizarlo cuando ya tiene un equipo que administra el tenant Microsoft 365, hace deploys y responde incidencias fuera de horario. Si esas tres condiciones se cumplen, el proveedor externo aporta en el diseño inicial y sobra en la operación.
Internalice si: el proceso es estable, toca un solo sistema fuente y su equipo de TI ya opera automatizaciones críticas. El costo de coordinación con un tercero supera al de aprender.
Contrate si: el proceso cruza tres o más sistemas, hay un regulador de por medio o su equipo de TI ya está saturado con el ERP. La complejidad crece con el número de sistemas fuente conectados, no con el número de usuarios.
Modelo mixto: el proveedor construye y opera los primeros meses, su equipo toma la operación después. Exija que la transferencia esté escrita con fecha y entregables, o no ocurrirá.
La Política Nacional de Inteligencia Artificial de Chile del Ministerio de Ciencia señala que la discusión normativa sobre IA sigue abierta a nivel mundial. Para una operación industrial eso implica una decisión de diseño: el agente debe poder auditarse aunque las reglas cambien después.
Si el caso es un asistente de consulta sobre procedimientos y no un agente que ejecuta acciones, el problema es distinto y más barato: revise cómo se resuelve un asistente interno para el personal de una planta antes de contratar un proyecto de agentes completo.
Cómo empezar sin comprometer un proyecto completo
La forma barata de validar todo lo anterior es levantar el proceso candidato antes de pedir propuestas: volumen mensual, sistemas que toca, tasa de error actual y quién respondería si el agente falla. Con eso en la mano, las propuestas se vuelven comparables.
Muze AI Consulting ofrece un diagnóstico IA gratuito en muze.cl para hacer ese levantamiento: identificar qué procesos son candidatos reales a agentes, cuáles conviene resolver con automatización simple y cuáles no conviene automatizar todavía. Si el resultado es que su equipo puede resolverlo internamente, esa también es una respuesta válida.