La reunión empezó con una frase aparentemente inofensiva: «El personal pierde demasiadas horas con tareas repetitivas; compremos una IA». Sobre la mesa de la biblioteca municipal había una demostración comercial, una previsión de ahorro y la promesa de que las consultas sencillas se resolverían solas. Sin embargo, la responsable de atención al público pidió una pausa. No pidió otra demostración ni un descuento. Sacó una hoja en blanco y propuso algo menos espectacular: describir el problema antes de elegir la herramienta.
Aquella hoja cambió el tono de la compra. Hasta ese momento, “trabajo repetitivo” significaba casi todo y, por tanto, no ayudaba a decidir nada. El equipo descubrió que bajo esa etiqueta convivían preguntas sobre horarios, renovaciones de préstamos, altas de nuevos usuarios, avisos de ejemplares reservados y correos que llegaban incompletos. Algunas tareas consumían tiempo; otras escondían decisiones delicadas sobre menores, accesibilidad o sanciones. Una misma solución no era razonable para todas.
La ficha no pregunta qué tecnología está de moda#
Una ficha de problema no es un formulario para justificar una compra ya decidida. Es una manera de obligar a quien compra a responder, con palabras observables, cinco asuntos: qué situación se quiere mejorar, a quién afecta, qué daño se acepta si la mejora falla, qué evidencia falta y qué alternativa no técnica merece probarse primero. Si esas respuestas no caben en una página entendible por el personal y por una persona usuaria, todavía no existe una necesidad bien definida.
Una ficha de problema no es un formulario para justificar una compra ya decidida.
La primera casilla puede parecer obvia, pero exige precisión. En lugar de escribir “automatizar consultas”, la biblioteca anotó: “Reducir el tiempo que una persona espera para saber si puede renovar un libro cuando la web da un mensaje ambiguo”. Esa redacción identifica una espera, una acción concreta y un fallo actual. También evita vender una máquina como si fuera el problema. La tecnología podrá llegar después; la espera no desaparece por llamarla innovación.
La segunda casilla obliga a mirar a las personas que no asisten a la reunión de compra. El sistema de renovaciones afecta a quien tiene conexión lenta, a quien usa lector de pantalla, al padre que escribe desde el trabajo y a la bibliotecaria que recibe una explicación confusa por teléfono. Una decisión que reduce veinte segundos al equipo pero deja sin respuesta a una persona que necesita apoyo no es automáticamente eficiente. Es una transferencia de esfuerzo, y conviene nombrarla así.
La escena que detuvo el entusiasmo#
Una bibliotecaria leyó tres correos recibidos el lunes. En el primero, una estudiante preguntaba por qué una renovación había sido denegada. En el segundo, un usuario mayor pedía que alguien le llamara porque no entendía el aviso de devolución. El tercero incluía solo la palabra “bloqueado”. La propuesta comercial sugería clasificar los tres mensajes, redactar una respuesta inicial y derivar los casos complejos. Parecía útil hasta que el equipo preguntó qué significaba “complejo”.
El primer correo podía depender de una reserva de otro lector. El segundo podía revelar una barrera de uso. El tercero podía corresponder a una sanción, a una contraseña olvidada o a un error de idioma. Si el sistema respondía con seguridad sin tener esos datos, podía agravar la confusión. La ficha anotó esa incertidumbre como evidencia faltante: no sabían qué porcentaje de mensajes necesitaba una regla clara, qué porcentaje necesitaba conversación y qué información faltaba con más frecuencia.
Ese registro tuvo una consecuencia práctica: se decidió medir durante dos semanas antes de comparar proveedores. No se trataba de retrasar por miedo. Se trataba de comprar conocimiento barato antes de comprar software caro. Cada caso se marcó por origen, tiempo de resolución, dato ausente y resultado final. Al cabo de diez días, el equipo vio que muchos mensajes repetitivos no pedían una respuesta inteligente; pedían un texto de la web menos enrevesado y un formulario que solicitara el número de carné.
Tres maneras de reducir repetición#
La ficha obligó a comparar tres caminos, no a enfrentar “hacer nada” con “comprar IA”. El primero fue rediseñar el servicio. La biblioteca reescribió los avisos de renovación, añadió ejemplos visibles y creó un formulario breve que diferenciaba “no entiendo el aviso”, “quiero renovar” y “mi cuenta no funciona”. Esta alternativa no aprende ni predice, pero puede eliminar preguntas creadas por el propio diseño. Su coste es principalmente tiempo de redacción, pruebas de accesibilidad y mantenimiento editorial.
El segundo camino fue usar automatización determinista. Para los casos con reglas claras, como confirmar un horario, enviar el enlace de renovación o explicar el plazo de recogida de una reserva, se podían preparar respuestas y flujos simples. El personal revisaría las reglas y recibiría los casos que no encajaran. La ventaja es que se puede explicar por qué se produjo cada mensaje y corregirlo sin adivinar cómo razonó un modelo. Su límite aparece cuando el texto entrante es ambiguo o cuando una excepción merece contexto humano.
El tercero era adquirir un asistente basado en IA con límites explícitos. Podía ayudar a resumir una consulta para el personal, proponer un borrador no enviado automáticamente o detectar que faltaba un dato. Pero la ficha prohibía que resolviera sanciones, clasificara a las personas por supuestas intenciones o diera respuestas finales cuando una regla podía afectar al acceso al servicio. La herramienta tendría que mostrar qué información usó, permitir corrección y dejar una ruta sencilla hacia una persona.
No hay una escala en la que el tercer camino sea siempre más avanzado. La mejor respuesta para una repetición puede ser eliminarla, aplicar una regla legible o asistir a un profesional. Comprar IA solo porque existe una repetición es como comprar una grúa antes de saber si el problema es una caja mal colocada. La comparación devuelve proporción a la decisión.
Decidir qué daño es aceptable#
En la ficha, “daño aceptable” no significaba que todo error estuviera permitido hasta cierto número. Significaba anticipar qué ocurre cuando el sistema se equivoca y quién puede repararlo. Un mensaje equivocado sobre el horario de una actividad puede corregirse rápido. Una respuesta que asegura a alguien que su carné está suspendido cuando no lo está puede provocar vergüenza, un desplazamiento innecesario o la renuncia a pedir ayuda. Son fallos distintos aunque ambos aparezcan como una línea en un informe.
El equipo acordó niveles sencillos. Las respuestas informativas públicas podían automatizarse si incluían enlace a la fuente y fecha de revisión. Las respuestas sobre cuentas solo podían ofrecer pasos de comprobación y una derivación; no debían afirmar una causa sin consulta del expediente. Las decisiones que podían restringir préstamos, revelar datos o afectar a menores quedaban fuera del asistente. Esa frontera no es un rechazo a la tecnología: es una distribución consciente de responsabilidad.
También se escribió el modo de reparar. Si una respuesta propuesta era incorrecta, la persona debía poder llegar a alguien sin repetir toda su historia. El personal necesitaba ver el texto recibido, la propuesta y la información utilizada. Y la biblioteca debía poder detectar patrones de error, no solo contar cuántas respuestas se enviaron. Una compra responsable reserva presupuesto para esa reparación, igual que reserva presupuesto para licencias.
La evidencia faltante también decide#
Las hojas de compra suelen pedir beneficios esperados, pero rara vez piden pruebas que todavía no se tienen. La ficha de la biblioteca incluyó una columna visible titulada “No sabemos”. Allí aparecieron cuestiones incómodas: no conocían el idioma preferido de parte de los usuarios, no habían probado los avisos con lectores de pantalla y no sabían si las consultas nocturnas requerían inmediatez o solo acuse de recibo.
Esa columna evitó una promesa falsa. En vez de afirmar que un asistente reduciría un 40 % la carga, el equipo diseñó una prueba limitada con consultas despersonalizadas y supervisión humana. Compararía tiempos, errores, abandonos y correcciones, pero también preguntaría a usuarios si la respuesta les permitió avanzar. Una métrica de velocidad sin una señal de comprensión puede premiar el mensaje que despacha antes, no el que resuelve.
Pedir evidencia no paraliza una biblioteca pequeña. Permite elegir muestras modestas y preguntas útiles. Quizá basten treinta casos bien revisados para descubrir que la fricción está en un aviso, no en la bandeja de entrada. Quizá una semana de registro muestre que las preguntas se concentran después de un cambio de horario. La ficha convierte esas observaciones en condiciones de compra, no en anécdotas que se olvidan tras la presentación.
Una decisión que se puede revisar#
Al final, la biblioteca no descartó la IA ni firmó el contrato aquella tarde. Aprobó primero el rediseño de mensajes y la automatización de cuatro respuestas con reglas claras. Dejó preparado un piloto de asistencia para borradores, con prohibiciones concretas y una revisión mensual de errores. El documento de compra incluía la ficha, el responsable de revisar cada supuesto y una fecha para decidir si el piloto debía ampliarse, modificarse o terminar.
Eso es lo valioso de una ficha de problema: deja una huella comprensible de por qué se eligió un camino y de qué tendría que cambiar para revisarlo. Cuando el proveedor anuncie una función nueva, el equipo no tendrá que reaccionar por entusiasmo o cansancio. Podrá volver a la espera que quería reducir, al daño que no quería trasladar y a la evidencia que prometió reunir.
Antes de solicitar una demostración, prueba este gesto en tu propio equipo: toma la última tarea repetitiva que alguien mencionó y completa cinco frases. “La situación observable es…”. “Las personas afectadas son…”. “No aceptamos que ocurra…”. “Aún necesitamos saber…”. “Antes de comprar, podemos intentar…”. Si las respuestas muestran que una IA aporta ayuda real y reparable, tendrás una compra más sólida. Si muestran otra cosa, habrás evitado pagar por una respuesta elegante a la pregunta equivocada.
