Toda pyme argentina tiene hoy la misma conversación: “tenemos que meter IA en algo”. Y la mayoría la resuelve mal — no por falta de opciones sino por exceso: chatbots, generadores de contenido, análisis predictivo, automatización de procesos… Todo suena posible y nada parece urgente. Esta nota propone un framework de tres filtros para elegir el primer proyecto, y explica por qué —con honestidad de parte interesada— el procesamiento de documentos suele ser el que gana.
El error típico: empezar por lo vistoso
El primer proyecto de IA de una empresa cumple una función que excede su resultado: define si habrá un segundo. Un piloto que fracasa —aunque fracase por mala elección del problema, no por la tecnología— vacuna a la organización contra la IA por dos años. Por eso el criterio de selección no es “¿qué es lo más innovador que podemos hacer?” sino “¿qué proyecto tiene la mayor probabilidad de éxito visible en 30 días?”.
Los proyectos vistosos (el chatbot que atiende clientes, el modelo que predice demanda) suelen fallar ese test: dependen de datos que la pyme no tiene ordenados, tocan procesos con clientes de por medio (donde un error cuesta caro), y su ROI es difícil de medir. Terminan en el cajón de “la IA no era para nosotros”.
El framework: tres filtros para el primer proyecto
Filtro 1 — ROI medible en semanas, no en trimestres
El primer proyecto necesita un antes/después que se pueda mostrar en una reunión: horas ahorradas, errores evitados, plata concreta. Si para demostrar el valor hace falta un dashboard nuevo y tres meses de datos, no es el primer proyecto.
Pregunta filtro: ¿puedo medir el resultado con un reloj y una calculadora?
Filtro 2 — Sin cambiar los sistemas que ya funcionan
Los proyectos que exigen migrar el ERP, cambiar el sistema contable o reentrenar a todo el equipo apilan dos riesgos (el cambio + la IA) y multiplican las razones de fracaso. El primer proyecto ideal se acopla a lo que existe: entra por un costado, produce un resultado que los sistemas actuales consumen, y si mañana lo apagás, nada se rompe.
Pregunta filtro: ¿el día 1 funciona con el Excel/sistema que ya usamos?
Filtro 3 — Riesgo acotado: error visible y reversible
En el primer proyecto va a haber errores — la pregunta es qué pasa cuando ocurren. Un error de IA frente a un cliente es un problema de reputación; un error en una predicción de compra es plata; un error en un proceso interno con revisión humana es un campo corregido en segundos. El primer proyecto debe tener al humano en el circuito y errores que se ven antes de que tengan consecuencias.
Pregunta filtro: cuando la IA se equivoque (se va a equivocar), ¿quién lo ve y cuánto cuesta?
Pasemos candidatos por los filtros
| Proyecto candidato | ROI medible | Sin cambiar sistemas | Riesgo acotado | Veredicto |
|---|---|---|---|---|
| Chatbot de atención | Difícil de medir | Requiere integración | Error frente a clientes | Segundo o tercer proyecto |
| Predicción de demanda | Trimestres de datos | Depende del ERP | Error = plata en stock | Cuando haya datos ordenados |
| Generación de contenido | Medible a medias | Sí | Bajo | Buen candidato lateral |
| Automatización de emails | Medible | Media | Error frente a clientes | Con cuidado |
| Procesamiento de documentos | Horas y errores, con reloj | Exporta al Excel/sistema actual | Revisión humana de lo dudoso | El primer proyecto típico |
No es casualidad que el procesamiento de documentos pase los tres filtros: es un proceso interno (sin clientes en el circuito), universal (toda empresa recibe facturas), medible al minuto (la carga manual tiene tiempos conocidos: 2–4 minutos por comprobante) y acoplable (el resultado es un Excel o una llamada de API — nada que tu sistema actual no consuma hoy).
El caso concreto: la administración que pasó de 4 horas a 20 minutos
El patrón que vemos repetirse en pymes que arrancan por acá: una administración que dedicaba ~4 horas diarias a cargar facturas de proveedores (unas 60–80 por día entre dos personas) pasa a un flujo donde los documentos se procesan solos y el equipo dedica ~20 minutos a revisar los campos que el sistema marcó como dudosos. Las dos personas siguen ahí — haciendo conciliaciones, reclamos y control, el trabajo por el que se les paga criterio.
La cuenta completa de ese ahorro la publicamos aparte; la versión corta: a partir de ~200 comprobantes mensuales, el costo de la carga manual supera al de automatizarla.
Y después del primer proyecto, ¿qué?
Acá está el beneficio menos obvio: el primer proyecto exitoso no solo ahorra horas — ordena datos y construye músculo. Una empresa que procesó seis meses de comprobantes con IA tiene sus gastos estructurados y limpios: la materia prima exacta que los proyectos de la segunda ola (análisis de gastos, predicción de flujo de caja, detección de anomalías) necesitan y que hoy no existe en ninguna pyme. El orden es: primero digerir los documentos, después ponerse inteligente con los datos.
Para cerrar: el checklist de arranque
- Elegí el proceso que pase los tres filtros (si es la carga de comprobantes, ya sabés dónde probarlo gratis — 50 hojas sin tarjeta).
- Medí el “antes” con reloj: comprobantes por día, minutos por comprobante, errores del último mes que recuerden.
- Corré 30 días con volumen real y el humano revisando lo marcado.
- Mostrá el antes/después en una reunión de 15 minutos.
- Recién ahí, elegí el segundo proyecto — con la credibilidad ganada.
La IA en una pyme no empieza con una estrategia de transformación digital. Empieza con un proceso que duele, un mes de prueba y un número que nadie pueda discutir.