Son las 9 de la mañana y te llega un mensaje de un proveedor. El pedido que tenía que llegar mañana se demora hasta la semana que viene. Son 100 cajas de un producto que se vende todos los días. Y 90 de esas cajas ya están comprometidas con cuatro clientes.
¿Qué hacés?
La reacción más natural del mundo es abrir una herramienta de inteligencia artificial, copiar el mensaje y escribir: "respondé este mail del proveedor". Y la IA te va a devolver una respuesta impecable. Va a decir que lamentamos la demora, que necesitamos una nueva fecha, que esperamos una solución urgente. El mail puede estar perfecto.
Y sin embargo no resolviste prácticamente nada.
Responder el mail no resuelve el problema
Porque el verdadero problema no era responderle al proveedor. El verdadero problema es descubrir qué pedidos quedaron afectados, cuánto stock hay de verdad, qué alternativas tenés, a qué clientes priorizar y qué podés prometer sin inventar. En este episodio te muestro cómo delegar ese proceso completo a la IA sin soltar el control. No es una demo de una herramienta específica: es un caso ficticio para entender cómo se diseña el trabajo.
Pedirle a la IA que escriba el mail se siente productivo. Tenés algo hecho en treinta segundos. El problema es que tapaste el incendio con una foto linda.
Un mail bien redactado no te dice cuántas cajas tenés, ni a quién le fallás, ni qué te sale conseguir el faltante en otro lado. Movés una ficha que no era la que había que mover.
Y acá va la parte que nos toca a todos, a mí también: la diferencia entre alguien que "usa IA" y alguien que se vuelve difícil de reemplazar no es quién escribe mejores prompts. Es quién sabe qué trabajo delegar y hasta dónde. Esa es una habilidad, y se aprende.
Vamos al caso. Imaginate una distribuidora de insumos de limpieza. El proveedor avisa que 100 cajas de detergente no llegan mañana, sino la semana siguiente.
La distribuidora tiene 30 cajas registradas en stock, pero ya comprometió 90 con cuatro clientes: 30 para uno, 25 para otro, 20 para un tercero y 15 para el último. A simple vista faltan 60 cajas.
Primero comprobar el impacto
Pero quiero que te frenes en esas tres palabras: a simple vista. Que el sistema diga que hay 30 cajas no significa que las 30 estén disponibles. Puede haber cajas reservadas, movimientos sin registrar, una diferencia entre el inventario del sistema y lo que hay de verdad en el depósito.
Acá está el cambio de mentalidad más importante del episodio. El primer trabajo de la inteligencia artificial no debería ser decidir cómo repartir las cajas. Debería ser comprobar el impacto.
Para eso necesita acceso autorizado a la orden de compra demorada, al inventario, a las reservas y a los pedidos de cada cliente. Cruza todo eso y prepara una salida bien concreta: qué pedidos están cubiertos, cuáles están afectados, qué stock aparece disponible, qué datos se contradicen y qué falta verificar físicamente antes de decidir.
Si dos sistemas muestran cantidades distintas, la IA no elige el número que le parece más probable. Se frena y señala la contradicción.
Ese detalle vale oro. Una IA puede escribirte una respuesta segurísima a partir de un dato equivocado. Y cuando el texto suena convincente, es facilísimo olvidarse de que el dato de origen todavía no se comprobó. La IA que te sirve no es la que responde rápido. Es la que separa lo que encontró de lo que confirmó.
Buscar alternativas sin inventar disponibilidad
Supongamos que verificás el stock y sí, hay 30 cajas reales. Seguís con un faltante de 60. Ahora la IA puede buscar alternativas, pero no vale cualquiera.
Puede revisar otros proveedores ya autorizados, consultar si hay un producto equivalente aprobado, evaluar una entrega parcial, o chequear si el proveedor original manda una parte antes. En el ejemplo aparece otro proveedor habitual con 40 cajas, pero a un costo 12% mayor.
¿Problema resuelto? Todavía no.
Que una planilla diga "disponible" no demuestra que esas cajas lleguen cuando las necesitás. La IA tiene que separar dos cosas que solemos mezclar: información encontrada y disponibilidad confirmada. Y si aparece un detergente equivalente, entregar un producto distinto cambia lo que le prometiste al cliente. Aunque para vos sea lo mismo, el cliente lo tiene que aceptar.
Si estás leyendo esto y ya te diste cuenta de que tenés un proceso así dando vueltas en tu trabajo, ese es exactamente el punto de partida. Preparé un mini curso gratuito, Tu primera mejora con inteligencia artificial, que te ayuda a reconocer esa oportunidad y a entender qué solución podría servirte sin depender de un área de tecnología. Lo tenés acá: Tu primera mejora con IA.
La IA prepara la decisión; vos decidís
Llegado este punto, la IA no debería tirarte veinte capturas, cinco mails y una lista infinita de opciones. Debería armarte una decisión.
Algo así: tenemos 30 cajas confirmadas; el proveedor alternativo podría cubrir 40 a un costo 12% mayor, pero falta confirmar la fecha; hay un sustituto aprobado sujeto a que cada cliente lo acepte; y podemos hacer entregas parciales. Estos son los cuatro pedidos afectados y estas son las consecuencias de cada camino.
Eso ya es mucho más útil que un resumen. Pero todavía hay decisiones que la IA no debería tomar sola.
¿Qué cliente tiene prioridad? ¿El que compra más? ¿El que necesita la mercadería antes? ¿El que tiene un contrato con penalidad? ¿El que hace años que labura con vos? No hay una respuesta técnica universal. Es una decisión del negocio.
Tampoco debería decidir cuánto margen estás dispuesto a resignar comprando más caro, ni ofrecer un descuento, ni cambiar el producto sin permiso, ni salir a comprar porque encontró una oferta en internet. La IA aplica una regla de prioridad si la empresa ya la definió y la autorizó. Si esa regla no existe, muestra el conflicto y pide una decisión.
Fijate la diferencia entre los dos encargos.
Diseñar el trabajo, los límites y la evidencia
El primero era: "respondé este mail del proveedor".
El segundo podría ser: "identificá qué compromisos afecta esta demora, comprobá el stock y las alternativas autorizadas, y armame una decisión con costos, clientes afectados e información pendiente. No compres, no cambies pedidos y no comuniques fechas nuevas hasta que lo apruebe".
La diferencia no es que el segundo tenga más palabras. La diferencia es que ahí estás diseñando un sistema de trabajo. Definís el objetivo, das acceso a fuentes autorizadas, marcás los límites, decidís dónde tiene que frenar y aclarás qué evidencia demuestra que el proceso terminó.
Eso es delegar sin soltar el control.
Ejecutar sólo lo autorizado
Supongamos que alguien revisa las alternativas y aprueba un plan: usar las 30 cajas para el pedido más urgente, comprar 40 al proveedor alternativo cuando confirme la fecha, y ofrecer entregas parciales a los demás. Recién en este momento la IA puede ejecutar las acciones autorizadas.
Puede preparar las comunicaciones para cada cliente, actualizar fechas y cantidades, generar la orden de compra al proveedor alternativo, registrar por qué se hizo el cambio y dejar programado el seguimiento de cada pendiente.
Pero incluso acá tiene límites. No puede comunicar una fecha que el nuevo proveedor todavía no confirmó. No puede tocar las condiciones de otros pedidos, porque recibió permiso solo para estos cuatro. Y si un cliente rechaza la entrega parcial o pide una compensación, eso es una excepción que vuelve a una persona. La IA avanza sobre lo que es seguro y frena donde empieza el criterio. Ese es el punto.
El resultado no es mandar cuatro mails
Y ojo con algo: el proceso no termina cuando la IA mandó cuatro mails. Mandar un correo es una actividad más, no es el resultado. El proceso termina cuando cada pedido afectado tiene un plan confirmado, los clientes fueron informados, las cantidades y fechas quedaron actualizadas, el abastecimiento alternativo está cerrado y cada excepción tiene un responsable. Además tiene que quedar registro de qué se decidió, quién lo aprobó y qué se comunicó. Porque en dos días alguien va a preguntar qué pasó con esas 100 cajas, y no querés reconstruir la historia buscando WhatsApps sueltos y recuerdos de gente.
La autonomía se gana con evidencia
No hace falta armar todo este sistema de una sola vez. Podés arrancar con la IA observando y preparando: que identifique los pedidos afectados y arme las alternativas, mientras una persona verifica cada dato y ejecuta las acciones.
Cuando el flujo se repite y comprobás que las reglas funcionan, recién ahí le das autonomía sobre los pasos estables y de bajo riesgo. La autonomía no se declara en un prompt. Se gana con evidencia.
Y esto es lo que quiero que te lleves, más allá de las cajas de detergente. La IA no te reemplaza cuando aprendés a hacer esto. Te vuelve la persona que diseña el trabajo, pone los límites y decide dónde hace falta criterio. Ese lugar no lo ocupa una herramienta. Lo ocupás vos.
Empezá por un solo proceso. Uno donde hoy estás apagando incendios a mano. Ese es el primero.