Cuándo no usar IA en operaciones: cuatro casos

Un modelo de lenguaje es útil cuando la tarea consiste en interpretar texto libre y un error se detecta y se corrige con poco coste. Resume una llamada, clasifica un correo ambiguo o prepara el borrador de una respuesta que alguien revisa. Cuando la tarea pide otra cosa (un resultado exacto, una decisión que tienes que justificar o un volumen alto de casos que una regla ya resuelve), suele salir mejor una regla escrita, una fórmula o un flujo de automatización sin IA. Estos son los cuatro casos en los que conviene pararse antes de añadirla.

1. Cuando el resultado tiene que ser exacto y repetible

Calcular el IVA de una factura, comprobar que la letra de un NIF es correcta o aplicar una tarifa son operaciones con una única respuesta válida. La letra del NIF, por ejemplo, sale de dividir el número entre 23 y buscar el resto en una tabla publicada por el Ministerio del Interior. Con el mismo número, la fórmula devuelve la misma letra.

Un modelo de lenguaje no funciona así. La documentación de OpenAI indica que sus respuestas no son deterministas por defecto y que, incluso fijando los parámetros para que se repitan, la repetición no está garantizada. Para un borrador eso da igual. Para un importe que va a contabilidad, no.

Decisión: si existe una fórmula o una regla que da la respuesta correcta, úsala. Si el dato llega en texto libre, la IA puede extraerlo, pero el cálculo y la comprobación los hace la regla.

2. Cuando el coste crece con el volumen y una regla ya resuelve la tarea

Cada llamada a un modelo tiene un coste que depende del proveedor, del modelo y de la longitud del texto. Una regla por remitente, por asunto o por palabras concretas no cuesta nada por ejecución. Con pocos casos al mes la diferencia apenas se nota. Con miles, se nota en la factura y en la velocidad.

Decisión: antes de elegir, calcula el coste mensual con los precios vigentes de tu proveedor: casos al mes por el coste medio de cada llamada. Compáralo con el coste de mantener la regla. Si la regla cubre la mayoría de los casos, deja la IA solo para los que la regla no sabe clasificar.

3. Cuando tienes que explicar cada decisión

En selección de personal, en la concesión de un crédito o en una sanción, «lo decidió el modelo» no es una explicación. El RGPD reconoce en su artículo 22 el derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado cuando produce efectos jurídicos o afecta significativamente de modo similar, con excepciones y con garantías como la intervención humana. El Reglamento europeo de IA, además, clasifica como de alto riesgo los sistemas usados para seleccionar personal o decidir promociones y despidos (anexo III, punto 4). Tras su modificación de 2026, esas obligaciones se aplican a partir del 2 de diciembre de 2027.

Decisión: en estos procesos, la regla y el motivo de cada decisión quedan por escrito y decide una persona. La IA puede ordenar documentación o preparar un resumen, siempre que quien decide pueda revisar el original. Si dudas de si tu caso entra en estas normas, pide asesoramiento jurídico antes de implantarlo.

4. Cuando el proceso ya funciona

Añadir IA a un flujo que funciona sin un problema concreto que resolver suma piezas que mantener: un proveedor más, instrucciones que ajustar cuando cambia el modelo, casos raros que revisar. El flujo no mejora y el mantenimiento crece.

Decisión: antes de tocarlo, escribe en una frase qué problema resuelve la IA (tiempo, errores, retrasos), cómo lo vas a medir y quién mantendrá el cambio. Si no hay respuesta para las tres, déjalo como está.

Un ejemplo: el buzón de administración

Imagina el buzón de administración de una empresa de servicios. Llegan facturas de proveedores, consultas de clientes sobre pagos, avisos de bancos y publicidad. Hoy una persona lo revisa a mano cada mañana y pasa las facturas a contabilidad.

Así queda con IA solo donde aporta:

1. Dato que entra: un correo con una factura en PDF de un proveedor habitual.
2. Responsable: la persona de administración que hoy revisa el buzón.
3. Regla primero: los remitentes conocidos se clasifican por dirección y asunto, sin IA. La publicidad se filtra igual.
4. IA donde hay texto libre: de la factura se extraen proveedor, NIF, base, IVA y total. Los correos que ninguna regla clasifica reciben una categoría propuesta.
5. Comprobación por regla: la letra del NIF se valida con la fórmula y la base más el IVA tiene que coincidir con el total. El proveedor debe existir en el maestro de contabilidad.
6. Excepción: si falla cualquier comprobación o el remitente es nuevo, el correo va a una cola de revisión con el motivo. Ningún importe entra en contabilidad sin pasar las comprobaciones.

Resultado observable: la persona de administración ya no revisa todo el buzón, sino la cola de excepciones, y cada excepción indica qué comprobación falló. Si el modelo extrae mal un importe, la suma no cuadra y el error se ve antes de contabilizarlo.

Dónde sí encaja

Fuera de esos cuatro casos, la IA suele aportar en tareas con texto libre y tolerancia al error: resumir reuniones o llamadas, proponer una categoría que alguien confirma, buscar en la documentación interna o redactar borradores que una persona revisa antes de enviarlos. En todos, alguien sabe que el resultado es una propuesta y tiene una forma sencilla de corregirla.

Cuatro preguntas para esta semana

Elige un proceso en el que estéis pensando añadir IA y responde por escrito:

1. ¿Hay una única respuesta correcta que una fórmula o una regla puede dar?
2. ¿Pasan muchos casos al mes que una regla podría resolver? Calcula cuánto costaría cada llamada con los precios actuales.
3. ¿Alguien tendrá que explicar a una persona o a un auditor por qué se tomó cada decisión?
4. ¿Qué problema concreto tiene hoy el proceso, cómo lo mediréis y quién mantendrá el cambio?

Si las tres primeras respuestas son «no» y la cuarta tiene un problema concreto con responsable, la IA tiene sitio. Si alguna de las tres primeras es «sí», empieza por la regla y deja la IA para lo que la regla no cubre.

Si queréis aprender a hacer esta evaluación dentro, hay formación en IA para empresas y una ampliación sobre evaluación de casos de uso de IA.

Siguiente paso

Si tras las cuatro preguntas tenéis un proceso en el que la IA encaja, pero hay que integrarla con vuestras herramientas y con comprobaciones como las del ejemplo, puedes ver cómo enfocamos la estrategia de IA o reservar una llamada. Trae pensado qué proceso es y qué comprobación debería parar un error antes de que llegue al cliente o a contabilidad.

Fuentes

1. OpenAI, documentación de la API: Advanced usage, «Reproducible outputs»: las respuestas no son deterministas por defecto y el parámetro seed ofrece una reproducibilidad de «mejor esfuerzo». Documentación de un fabricante; otros proveedores pueden comportarse distinto.
2. Ministerio del Interior, Cálculo del dígito de control del NIF/NIE.
3. Reglamento (UE) 2016/679 (RGPD), artículo 22.
4. Reglamento (UE) 2024/1689 de IA, anexo III, y Reglamento (UE) 2026/1744 (Ómnibus digital sobre IA), que fija el 2 de diciembre de 2027 para las obligaciones de los sistemas de alto riesgo del anexo III. Texto legal; no sustituye al asesoramiento jurídico. Fuentes consultadas el 21-oct-2026.

Autor: Borja Martínez, Automation & AI Consultant. Publicado: 21 de octubre de 2026.