Cuándo no usar IA
Hay una pregunta que deberíamos hacer antes de "¿qué modelo uso?" y es: "¿Necesito IA para esto?"
No es una pregunta retórica. Es la pregunta más valiosa que un estudio de IA puede hacerle a un cliente.
Tres señales de que no necesitás IA
1. El problema tiene reglas claras y finitas.
Si podés escribir un if/else que cubra el 95% de los casos, no necesitás un modelo de lenguaje. Un formulario con validación, un sistema de turnos con reglas de negocio fijas, un cálculo de precios con variables definidas. Todo eso se resuelve mejor con código determinístico.
La IA brilla en la ambigüedad. Si no hay ambigüedad, es un desperdicio.
2. El error tiene consecuencias irreversibles.
Un modelo de lenguaje tiene una tasa de error. Puede ser del 2%, puede ser del 0.5%, pero siempre existe. Si ese error significa enviar un diagnóstico médico incorrecto, aprobar un crédito que no corresponde, o dar una instrucción legal equivocada — el costo del error supera cualquier beneficio de la automatización.
En estos casos, la IA puede asistir. Pero no decidir.
3. No hay datos para evaluar si funciona.
Si no podés medir si el agente está haciendo bien su trabajo, no deberías ponerlo en producción. "Parece que responde bien" no es una métrica. "El 94% de las respuestas son correctas según nuestro framework de evaluación" sí lo es.
Sin evaluación, no tenés un agente en producción. Tenés un experimento con clientes reales.
La honestidad como servicio
Cuando un cliente nos pide un agente de IA y la respuesta correcta es "no necesitás IA para esto", lo decimos. Perdemos el proyecto a corto plazo. Ganamos la confianza a largo plazo.
El mercado está lleno de vendors que dicen "vamos a poner IA en todo". Nosotros preferimos decir: "vamos a poner IA donde funciona".
Es menos glamoroso. Pero funciona mejor.