Preguntas y respuestas

No.

No hace falta empezar con una estrategia para toda la empresa. Empieza por una tarea que merezca la pena mejorar. Si funciona, tienes una base concreta desde la que seguir.

Empieza por las tareas que se repiten, que llevan mucho tiempo o que se resuelven de forma distinta según quién las haga.

No tiene que ser una tarea simple. De hecho, se vuelve interesante cuando el trabajo necesita tus propias reglas, datos y experiencia para hacerse bien.

Enséñanos el trabajo con el que quieres ayuda. Mejor con un par de ejemplos reales, resueltos como te gustaría que se resolvieran.

¿Prefieres empezar con una conversación? El calendario está abierto. contacto.md →

Por eso mismo pedimos ejemplos reales en vez de descripciones largas del proceso.

Enséñanos el trabajo tal como ya se hace. Nosotros dedicamos el tiempo a entender el patrón y volvemos con las dudas que nos queden.

Si el trabajo ya está en el catálogo, va más rápido. La puesta en marcha suele tardar unas 2 semanas. La mayor parte de ese tiempo no se dedica a la técnica, sino a aprender tus reglas, excepciones y zonas grises.

Te lo decimos. Tienes una fecha para la respuesta definitiva, aunque esa respuesta sea que no.

No. Empezamos por personas que ya son buenas en su trabajo y miramos qué puede quitarles la IA de encima.

La idea no es meter más tareas en el mismo día. Es liberar capacidad y margen para el trabajo en el que la persona marca la mayor diferencia.

Lo dice. No está hecha para improvisar una respuesta cualquiera con tal de dar una. Cuando hay una fuente, enseña en qué se basa.

Un chatbot suele estar hecho para una conversación. Lo que construimos está hecho para un trabajo.

Tiene un encargo acotado y se monta según cómo resuelves tú ese trabajo de verdad.

Con los sistemas donde ya se hace el trabajo: correo, calendario, CRM, contabilidad, documentos o atención al cliente, por ejemplo. Empezamos con acceso de solo lectura y damos más acceso solo cuando tú estés listo.

No. La puesta en marcha no está atada a un único proveedor de IA. Puedes cambiar de modelo o de proveedor cuando tenga sentido.

No. No sale nada sin que lo hayas aprobado antes.

La tecnología rara vez es lo difícil.

Lo difícil es sacar cómo se hace el trabajo en realidad. ¿Qué reglas se aplican? ¿Cuándo no se aplican? ¿Qué sistemas se usan? ¿Y qué sabe el empleado con experiencia que nunca se ha escrito?

Por eso empezamos con ejemplos reales del trabajo, y no con una descripción del proceso en dos líneas.

No. Si todo estuviera ya perfectamente descrito, nuestro trabajo sería bastante más fácil.

Partimos de ejemplos reales y de las personas que conocen el trabajo. Por el camino sacamos las reglas, las excepciones y los flujos de trabajo de la cabeza de quien los tiene, y los ponemos por escrito. Así que la documentación también mejora como parte del proceso.

Es bastante normal.

Averiguamos qué datos hacen falta de verdad. Algunos se pueden ordenar de golpe. Otros se van estructurando poco a poco, porque esto solo sale bien si la información está en un solo sitio y significa lo mismo cada vez.

Así que no necesitas datos perfectos para empezar.

Sí, y muchas veces ahí está el verdadero trabajo.

«Haz siempre X» es fácil. Lo interesante es: «Haz X, salvo que el cliente sea así, el pedido sea de este tipo o esto ya haya pasado». Esas son las reglas y las zonas grises que le enseñamos a la IA contigo al lado.

No por la IA en sí.

Empezamos con el trabajo tal como es hoy. Si algo ya funciona bien, la IA lo aprende tal cual. Si por el camino encontramos un proceso que solo existe porque «siempre se ha hecho así», hablamos de eso en su momento.

La puesta en marcha cambia con ella.

Aparecen reglas nuevas, productos nuevos, excepciones nuevas. Por eso no vemos la puesta en marcha como algo que se entrega y se olvida. Mejora precisamente por mantenerse cerca del trabajo real.

Sobre todo, la gente se vuelve mejor en su propio trabajo. Cuando la búsqueda previa ya está hecha y el siguiente paso preparado, más tiempo se va a lo que esa persona de verdad sabe hacer.

Cuando la IA tiene que aprender el trabajo, las reglas, las excepciones y los flujos quedan por escrito. Eso hace la calidad más uniforme, la incorporación más fácil y la empresa menos dependiente de un conocimiento que solo tienen unas pocas personas.

Y cuando el trabajo repetitivo y cargado de contexto ocupa menos, queda más margen para el criterio, para los clientes, para los compañeros y para las relaciones.

Es una de las primeras cosas que buscamos.

Casi todas las empresas tienen trabajo que «se hace así porque sí», porque una persona lleva cinco años haciéndolo de esa forma. El problema aparece el día que esa persona se pone enferma, cambia de trabajo o tiene que enseñárselo a otra.

Cuando la IA entra en el trabajo, ese conocimiento tiene que salir de la cabeza y quedar por escrito. Las reglas, el orden, las excepciones y los ejemplos pasan a formar parte de la puesta en marcha.

Así la IA no solo tiene con qué trabajar. Tu empresa gana control sobre su propio conocimiento.

Sí. El nuevo empleado no tiene que descubrir todo el proceso desde cero ni tener la suerte de preguntarle a la persona indicada.

El trabajo, las reglas y los ejemplos ya están por escrito. Y la IA puede ayudarle a hacer el trabajo igual que el resto del equipo desde el primer día.

Sí. Un relevo generacional no es solo una cuestión de propiedad. En la forma de trabajar de la empresa puede haber décadas de conocimiento acumulado.

Cuando los flujos de trabajo, las reglas y las excepciones están por escrito, la empresa depende menos de que ciertas personas recuerden cómo se hacen siempre las cosas.

Sí. Y deberías.

¿Cuánto tardaba la tarea antes? ¿Cuánto tarda ahora? ¿Cuánto se produce? ¿Con qué frecuencia hay que corregir algo? ¿Dónde se acaba atascando el trabajo?

Cuanto más estructurado está el trabajo, más fácil es medirlo. Así el valor no se queda en la sensación de que «la IA parece ahorrar algo de tiempo».

Sí. Cuando el trabajo se puede medir, el esfuerzo humano también se ve más claro.

Si un empleado con la IA detrás puede atender a más clientes, entregar más o mejorar la calidad, la diferencia se nota de verdad. Eso hace más fácil hablar del valor concreto que aporta esa persona, en vez de hablar solo de las horas que echa.

No debería serlo.

Para la empresa puede significar más capacidad, mejor calidad y más clientes, sin que el trabajo crezca al mismo ritmo.

Para el empleado significa menos tiempo en tareas repetitivas y más tiempo en lo que de verdad se le da bien. Y cuando el trabajo se puede medir, su aportación también se ve más fácilmente.

Si con las mismas horas de trabajo puedes gestionar el doble o entregar resultados bastante mejores que hace un año, no debería ser solo la empresa la que vea el valor de eso. También es un buen punto de partida para pedir un aumento.

Normalmente, más sobre tu propio trabajo de lo que esperas.

Para enseñarle una tarea a la IA, tenemos que averiguar qué es un buen resultado, qué reglas se aplican, de dónde vienen los datos y qué pasa cuando lo normal deja de funcionar.

Ahí es donde muchas veces te das cuenta de cuánta parte del proceso nunca se puso por escrito.

Tu conocimiento, tus métodos y tu experiencia se quedan contigo. El modelo de IA en sí lo aloja el proveedor que uses, por ejemplo Anthropic u OpenAI.

Lo que operamos para ti, lo operamos desde Dinamarca. El modelo en sí puede alojarse en un proveedor fuera de Europa.

Cómo se puede usar y enviar la información lo acordamos como parte de la puesta en marcha.

Tú puedes ver lo que hace. Empieza con acceso de solo lectura y tú decides cuándo y para qué le das más acceso.

Sí. Siempre puedes desenchufarla. Y lo que hemos configurado para ti, te lo quedas tú.

Depende del trabajo.

Cada trabajo nuevo de IA se acota como un Project: un resultado acordado, un plazo y un precio cerrado. La cifra la tienes antes de empezar, no después.

Si luego nos quieres de forma continua, eso es Department. Está todo junto en Precios. precios.md →

No. No hay ninguna suscripción que dar de baja.

Un Project está acotado: un resultado acordado, un plazo y un precio cerrado. Detrás no viene nada automático.

En un Project: construir lo acordado, ponerlo en marcha y quedarnos durante un periodo de estabilización acordado.

Si después quieres que nos ocupemos del mantenimiento y que te echemos una mano cuando algo falle, puedes añadir un acuerdo Care.

La construimos. Así empieza casi todo: los ejemplos son trabajos que ya hemos resuelto antes, no una lista de la que elegir.

Grande o pequeña, la acotamos como un Project y el precio depende del alcance.

No. Tienes que conocer el trabajo. De la parte técnica nos encargamos nosotros.

Lo importante es que puedas enseñarnos cómo se resuelve bien la tarea, también cuando hay excepciones y zonas grises.

No. Funciona dentro de la IA que ya usas, como ChatGPT o Claude, y se conecta a los sistemas donde ya se hace el trabajo.

Antes que nada, lo construimos para que no se limite a adivinar cuando tiene dudas.

Donde hace falta aprobación, el trabajo pasa por una persona. Y si aun así algo sale mal, hay alguien de nuestro equipo a quien llamar.

Ellypsis la fundó y la dirige Sewar Sidou, en Odense, Dinamarca. ¿Quieres el resto de la historia? Está en la carta. carta.txt →