Qué automatizar primero: priorice costo de excepción y reversibilidad

La mejor primera automatización no es la más visible, sino la que elimina excepciones costosas mediante acciones reversibles y evidencia suficiente. Esta tesis se puede refutar con datos: si una idea patrocinada por la dirección supera a otra solo en atractivo narrativo, pero falla en esos tres factores, debe esperar o permanecer como experimento.

Por qué las listas de ideas producen malas decisiones

Las organizaciones suelen recoger casos de uso en talleres. Cada área describe horas manuales, frustración y “potencial de IA”. El resultado es una lista donde las unidades no son comparables: una idea cuenta transacciones, otra salarios completos y otra una oportunidad comercial sin línea base. El patrocinador más persuasivo gana.

También se confunde posibilidad técnica con conveniencia operativa. Clasificar un correo puede ser fácil, pero si una clasificación incorrecta dispara un pago o niega un servicio, el costo de excepción domina el ahorro. En sentido contrario, una tarea menos vistosa puede liberar una cola cara con acciones fáciles de revertir.

Tres preguntas antes de puntuar

Primero defina el objeto y la decisión. ¿La automatización afecta una factura, una orden, un envío o una solicitud? ¿Clasifica, recomienda, escribe o aprueba? Sin esas respuestas, “automatizar compras” no es un caso evaluable.

Segundo, mida la excepción actual: volumen, tiempo de espera, retrabajo, pérdida o riesgo. Use datos observados y separe costo por caso de costo total. Tercero, establezca la reversa: qué ocurre si la salida es incorrecta, quién puede detenerla y si la acción puede deshacerse antes de causar daño.

El AI RMF de NIST propone ajustar las actividades de gestión a la tolerancia y prioridad de riesgo de la organización. No entrega una tabla para seleccionar automatizaciones; respalda el principio de que el control debe ser proporcional al riesgo, no al entusiasmo.

Matriz ponderada: ejemplo configurable, no benchmark

La siguiente escala y sus pesos son estrictamente ilustrativos. No provienen de un estudio externo. Deben aprobarse con los dueños del portafolio y probarse con decisiones históricas. Puntúe cada dimensión de 0 a 5, donde 5 es más favorable para empezar.

Dimensión	Peso ilustrativo	Pregunta verificable
Costo de excepción evitable	30	¿Existe una línea base de retrabajo, espera, pérdida o riesgo que el caso reduce?
Reversibilidad	25	¿Puede detenerse o deshacerse una salida antes de una consecuencia grave?
Evidencia y calidad de datos	20	¿Hay fuentes autorizadas, identificadores y verdad de referencia?
Repetición y estabilidad	15	¿La decisión se repite con reglas y población suficientemente estables?
Facilidad de integración	10	¿Puede instrumentarse sin acceso frágil ni escrituras directas peligrosas?

La fórmula ilustrativa es:

Puntaje = Σ (calificación de 0 a 5 × peso) / 5

El máximo de 100 solo ayuda a ordenar esta cartera; no significa probabilidad de éxito ni retorno. Publique también las calificaciones y su evidencia para que el total no oculte desacuerdos.

Ejemplo trabajado con supuestos visibles

Suponga, únicamente para mostrar el método, tres candidatos internos:

• A: clasificar solicitudes y enrutar. Costo de excepción 4, reversibilidad 5, evidencia 4, repetición 5, integración 4. Resultado ilustrativo: 440/5 = 88.
• B: aprobar automáticamente notas crédito. Costo 5, reversibilidad 1, evidencia 3, repetición 3, integración 2. Resultado: 300/5 = 60.
• C: resumir contratos para revisión. Costo 2, reversibilidad 5, evidencia 3, repetición 4, integración 5. Resultado: 355/5 = 71.

Con estos supuestos, A merece una prueba operacional primero. B puede tener mayor beneficio bruto, pero la acción es difícil de revertir; debería rediseñarse como recomendación con aprobación humana. C es seguro para explorar, aunque necesita una hipótesis de resultado más fuerte. Cambiar pesos o calificaciones cambia el orden: esa sensibilidad es una característica, no un defecto.

La guía de costos de GAO exige propósito, alcance, línea base técnica, supuestos, datos, análisis de sensibilidad y actualización con costos reales para obtener estimaciones confiables. Use esa disciplina: anote fuente, fecha, rango y dueño de cada dato; después sustituya supuestos por observaciones del piloto.

Puertas de veto que ningún puntaje compensa

Una idea no entra a producción, aunque puntúe alto, si ocurre cualquiera de estos casos:

• no hay derecho legal o contractual para usar los datos;
• nadie acepta ser dueño del resultado y de las excepciones;
• una acción irreversible carece de aprobación independiente;
• no existe una verdad de referencia para evaluar salidas;
• la integración exige credenciales compartidas o escritura sin idempotencia;
• no hay capacidad de revisar la cola durante el horario comprometido.

El AI Playbook del Gobierno del Reino Unido recomienda control humano significativo en las etapas apropiadas, gestión del ciclo de vida y uso de la herramienta adecuada. Por eso una idea puede aprobarse como automatización determinística o asistente, no necesariamente como agente autónomo.

Del ranking a un experimento que compra evidencia

Seleccione el candidato superior y redacte una hipótesis con objeto, población, decisión, límite y resultado. Defina una prueba reversible que produzca evidencia para las dimensiones inciertas. Si la calidad de datos obtuvo 2, no construya primero una interfaz vistosa: mida cobertura, conflictos y antigüedad. Si reversibilidad obtuvo 1, cambie la acción por una propuesta sujeta a aprobación.

En Quantum Automation Center, el catálogo puede conservar el candidato, dueño, estado y decisión; las ejecuciones y líneas de tiempo muestran el comportamiento; los artefactos y logs reúnen evidencia; y las analíticas permiten comparar la línea base con resultados observados. La superficie del Automation Center debe registrar la decisión, no reemplazar el análisis.

El contrapunto: la matriz castiga apuestas transformadoras

Es una crítica válida. Casos nuevos carecen de datos históricos y pueden puntuar bajo justo porque son distintos. Si toda inversión depende de la matriz, el portafolio converge a mejoras pequeñas.

Separe dos carriles. El carril operativo usa la puntuación para decidir producción. El carril de exploración compra aprendizaje con presupuesto, plazo y criterio de abandono explícitos; no promete ROI ni autonomía. Una apuesta estratégica puede entrar allí, reunir evidencia y volver a la matriz. Así la incertidumbre recibe espacio sin disfrazarse de madurez.

Cuándo no usar esta matriz

No use la puntuación como aprobación automática. Tampoco ordene con ella trabajos obligatorios por ley, seguridad o continuidad: esos entran por una vía de obligación y aún deben elegir el control técnico apropiado. No mezcle ideas cuyo resultado se mide en horizontes incompatibles sin hacer explícita esa diferencia.

Si el portafolio tiene menos de un puñado de casos y la decisión es obvia, una conversación documentada puede ser suficiente. Conserve, como mínimo, costo de excepción, reversibilidad, evidencia, dueño y motivo de descarte.

La decisión útil no es el número final

La reunión termina bien cuando el equipo puede explicar por qué una idea quedó arriba, qué supuesto podría invertir el orden y qué evidencia comprará primero. Guarde la versión de la matriz y revise calificaciones después del piloto. Si el puntaje nunca cambia ante datos reales, se convirtió en ceremonia. Si cambia y queda trazabilidad, está funcionando como instrumento de decisión.

Sources

• NIST AI Risk Management Framework Core — nist.gov
• AI Playbook for the UK Government — gov.uk
• GAO Cost Estimating and Assessment Guide — gao.gov