En 2025, un informe del MIT Media Lab (Project NANDA, “The GenAI Divide: State of AI in Business”) revisó 300 iniciativas públicas de IA en empresas, entrevistó a 52 ejecutivos y encuestó a 153 líderes. Su titular fue brutal: el 95% de las organizaciones analizadas no mostró impacto medible en el resultado del negocio. Léelo con la etiqueta puesta: es un informe preliminar, no revisado por pares, y el tamaño exacto de ese 95% se discutió bastante desde que salió. El informe tampoco reduce el fracaso a una sola causa: apunta sobre todo a sistemas que no se integran al flujo de trabajo ni aprenden con el uso. Este curso ataca otra causa que lo acompaña, y que reconoce cualquiera que haya estado en la sala: casos de uso elegidos sin baseline, sin economía y sin una definición de éxito que alguien pudiera medir. Para eso es este curso — un proceso repetible de siete pasos que convierte “deberíamos usar IA” en un caso aprobable, o en un descarte barato, con números que sobreviven a una reunión con finanzas.

El Curso de Producto y Gestión de IA cubre cada tema en profundidad — el business case, las métricas, el FinOps, el riesgo. Este curso es otra cosa: es el playbook aplicado, el paso a paso de punta a punta, con dos casos trabajados con números desde el módulo 1 hasta el 8. Y todo cuelga de una distinción que el catálogo todavía no tenía y que ordena cada decisión posterior: no todos los casos de uso de IA son iguales.

La tesis del módulo

Hay dos arquetipos de caso de uso de IA — automatizar un flujo que ya existe y crear una capacidad que no existía — y evaluar uno con las herramientas del otro es el error metodológico que mata la mayoría de los casos. El primero tiene un baseline observable —lo que ya ocurre es la vara— y su riesgo dominante es la regresión de calidad. El segundo no tiene baseline (hay que construir un contrafactual) y su riesgo dominante es que nadie lo adopte. Lo que separa a los arquetipos es contra qué se compara cada uno, no qué tipo de valor prometen. Mismo modelo, misma tecnología, dos evaluaciones completamente distintas.

Arquetipo A: automatizar un flujo existente

El arquetipo A reemplaza (total o parcialmente) un proceso que hoy hacen personas: clasificar correos, revisar documentos, responder tickets, extraer datos de facturas, resumir reuniones. Su característica definitoria es que el flujo ya existe y ya cuesta dinero — hay gente haciéndolo, con un tiempo por unidad, una tasa de error y un volumen mensual que se pueden medir.

Eso lo hace el arquetipo más fácil de defender y el más traicionero de ejecutar:

Fácil de defender, porque el valor es ahorro contra un gasto que ya ocurre. No hay que convencer a nadie de que el problema existe: aparece en la planilla de sueldos todos los meses.
Traicionero de ejecutar, porque el proceso actual es la vara. Si el humano clasifica con 96% de precisión y tu sistema llega al 90%, no automatizaste: degradaste. Pero elige bien la vara: lo que manda no es la precisión global sino el costo de los errores que el proceso actual no cometía. Un sistema con peor precisión promedio puede ser mejor negocio si sus errores son baratos y revisables; uno con mejor precisión puede ser pésimo si el 4% que falla es justo el que termina en un reclamo. Y el ahorro solo se materializa si el proceso viejo de verdad se achica — un sistema de IA que corre en paralelo al equipo de siempre suma costo, no lo resta.

Ojo con una confusión frecuente: que el arquetipo A casi siempre se defienda por ahorro no significa que tenga que hacerlo. Revisar contratos con IA es A puro — hay un proceso, hay gente, hay un tiempo por contrato — y su caso puede colgar del riesgo contractual evitado, del tiempo de ciclo o del retrabajo, sin tocar una sola dotación. Lo que define al arquetipo A no es el tipo de beneficio: es que exista una vara medible hoy contra la cual comparar.

Arquetipo B: crear un flujo que no existía

El arquetipo B habilita algo que hoy nadie hace porque era imposible o incosteable: un asistente que genera cotizaciones personalizadas en minutos, un tutor disponible 24/7, un buscador que responde en lenguaje natural sobre 20 años de documentos internos, un análisis de cada llamada de ventas que antes solo se hacía por muestreo. Su característica definitoria es que no hay proceso actual contra el cual comparar — la situación sin intervención existe (los clientes medianos hoy no reciben cotización), pero no deja un proceso que medir: hay que estimarla, o compararla contra un grupo de control al que no se le ofrece el flujo nuevo.

Difícil de defender, porque el valor descansa en supuestos: cuánta gente lo usará, cuánto ingreso incremental genera, cuánto vale la capacidad nueva. Todos los números son proyecciones.
Difícil de matar a tiempo, porque sin baseline tampoco hay una vara clara de fracaso. Un arquetipo A que no ahorra se nota; un arquetipo B que nadie usa puede vivir años como “apuesta estratégica”.

Ojo: la mayoría de los casos reales tiene algo de los dos — un asistente de soporte desvía tickets (A) y atiende de madrugada cuando antes no había nadie (B). La regla práctica: clasifica por contra qué se compara y dónde vive la mayor parte del valor prometido. Si el caso se aprueba por el ahorro, es A y se evalúa como A. Sumar el valor B al numerador del ROI es válido solo si es incremental y no se solapa con el A (las mismas horas no se cuentan como ahorro y como cobertura nueva); si no puedes demostrarlo, anótalo como upside. Sumarlo sin esa prueba es una de las formas más comunes de inflar un ROI.

La tabla que ordena todo el curso

Cada fila de esta tabla es un módulo de este curso. Vuelve a ella cuando dudes de por qué un paso se hace distinto según el arquetipo.

Dimensión	A: automatizar flujo existente	B: flujo nuevo
Baseline	Observable: se mide el proceso actual	No existe: se construye un contrafactual
Canasta de valor	Costo, errores, tiempo de ciclo o riesgo evitado	Ingreso incremental, capacidad nueva o cobertura
Número clave	Costo por transacción actual vs. con IA	Adopción × valor por uso
ROI	Ahorro medible contra baseline	Proyección con supuestos explícitos
Medición	A/B u holdout contra el proceso viejo	Embudo de adopción + grupo de control o contrafactual
Riesgo dominante	Regresión de calidad	Que nadie lo use
Vara de éxito	”Igual o mejor que hoy, más barato"	"Suficiente uso para justificar existir”
Error típico	Asumir 100% de automatización día 1	Confundir demo impresionante con demanda

La metodología: siete pasos con compuertas

La metodología completa es un embudo con compuertas (gates): puntos donde el caso avanza o se descarta, cada uno con un artefacto concreto que hay que producir. Descartar temprano no es fracaso — es el propósito del embudo. Cada caso que muere en el paso 3 le ahorra al equipo los meses que habría quemado muriendo en producción.

        EL EMBUDO DEL CASO DE USO — 7 PASOS

START ──► 1. INVENTARIAR   ideas de ambos arquetipos
              │
              ▼
          2. CLASIFICAR    ¿arquetipo A o B?
              │
              ▼
          3. CALIFICAR     filtros + readiness  ── descarta
              │
              ▼
          4. MEDIR         baseline o contrafactual
              │
              ▼
          5. COSTEAR       economía + TCO + landing zone
              │
              ▼
          6. PROYECTAR     ROI + métricas + sensibilidad
              │
              ▼
          7. DECIDIR       riesgos + gate + pitch ──► GO

Paso	Pregunta que responde	Artefacto	Módulo
1. Inventariar	¿Qué candidatos tenemos?	Ficha de idea	2
2. Clasificar	¿A o B?	Arquetipo asignado	1
3. Calificar	¿Merece análisis?	Scorecard	2
4. Medir	¿Contra qué comparamos?	Ficha de baseline	3
5. Costear	¿Cuánto cuesta de verdad?	Costo por tarea + TCO	4, 5, 6
6. Proyectar	¿Vale la pena?	ROI + plan de medición	7
7. Decidir	¿Go o no-go?	Dossier + pitch	8

Los dos casos que nos acompañan hasta el final

Para que la metodología no quede en abstracto, todo el curso trabaja dos casos con números — uno por arquetipo. Los verás crecer módulo a módulo hasta convertirse en dossiers completos en el módulo 8. Las cifras son ilustrativas: la mecánica es lo que se lleva.

Caso A — triaje de correos de soporte. Una empresa recibe 12.000 correos/mes. Seis personas los leen, clasifican y derivan (o responden los simples). La propuesta: un sistema de IA que clasifica todos, responde los repetitivos y deriva el resto con un resumen. Flujo existente, costo medible, arquetipo A puro.
Caso B — cotizador asistido. La misma empresa tarda 3 días en preparar una cotización personalizada, así que solo cotiza a clientes grandes. La propuesta: un asistente que genera el borrador de cotización en minutos a partir del catálogo y el historial, habilitando cotizar a los cientos de clientes medianos que hoy ni se atienden. Capacidad que no existía, arquetipo B puro.

Errores comunes

Evaluar un arquetipo B como si fuera A. “¿Cuánto ahorra el cotizador?” es la pregunta equivocada: no reemplaza a nadie. Su valor es el ingreso de los clientes que hoy no se cotizan — y ese número exige supuestos de adopción, no una medición de ahorro.
Evaluar un arquetipo A como si fuera B. “El triaje de correos es estratégico, transformará la experiencia” — no. Se compara contra un baseline medible: si no mejora ese baseline en costo, calidad, ciclo o riesgo, la épica no lo salva.
Justificar por A y soñar con B. El caso se aprueba por ahorro y a los tres meses se defiende por “aprendizajes estratégicos”. Decide desde el día 1 cuál arquetipo justifica la inversión y sostén el caso en esa vara.
Saltarse pasos del embudo. Ir de la idea directo al piloto (del paso 1 al 7) es una forma segura de terminar en la columna de los pilotos sin impacto medible: se construye antes de saber contra qué se medirá.
Tratar el descarte como fracaso. Un embudo sano descarta la mayoría de las ideas en los pasos 2 y 3, cuando cuestan horas y no meses. Si todas tus ideas llegan a piloto, el filtro no existe.
Empezar por la tecnología. “Tenemos acceso a un LLM, ¿dónde lo usamos?” invierte el embudo. El módulo 2 muestra de dónde salen las ideas buenas — y ninguna fuente empieza por el modelo.

La frase para llevarse

“Antes de preguntar cuánto vale un caso de uso, pregunta qué arquetipo es: un flujo que ya existe se compra midiendo contra lo que ya ocurre; un flujo que no existía se compra con adopción proyectada. Confundirlos no es un matiz — es la diferencia entre un ROI y un cuento.”

Qué viene

Módulo 2: descubrir y calificar. Ya sabemos clasificar; ahora hay que llenar el embudo. De dónde salen las ideas de cada arquetipo (mapear procesos para A, mapear imposibles para B), cómo se escribe una ficha de idea en diez minutos, y el scorecard de cinco filtros que separa las tres candidatas serias de las cuarenta que no sobreviven una servilleta. El objetivo del módulo: pasar de “lluvia de ideas con IA” a una lista corta que merece que alguien mida un baseline.

Casos de uso de IA — Módulo 1: los dos arquetipos