Cuándo la IA no es la respuesta: 7 señales de que no necesitas un modelo

Trabajamos con gestores que firman contratos de Copilot para 200 empleados entusiasmados por el pitch y tres meses después descubren que 15 lo usan. No es falla del producto. Es falla de diagnóstico — la IA no era la respuesta para 185 de las 200 plazas.

Siete señales de que el problema en tu mesa no pide IA generativa.

1 · El input es estructurado y estable

Si la entrada es planilla con schema fijo y la salida es cálculo determinístico, necesitas fórmula, regla, SQL — no LLM. LLM es probabilístico: para el mismo input puede dar outputs diferentes. En automatización financiera simple, es defecto, no feature.

Ejemplo: calcular comisión de vendedor a partir de planilla de ventas mensuales. Usa Excel o SQL.

2 · La regla existe y está escrita

Si ya existe regla clara (“si categoría X y valor > Y, clasificar como Z”), necesitas código, no modelo. LLM es caro, lento y probabilístico para algo que if/else resuelve en microsegundos con 100% de confiabilidad.

Ejemplo: clasificar factura por código fiscal. Si el código es el discriminador, regla resuelve. LLM solo entra cuando el input es no estructurado (descripción en texto libre).

3 · Error es catastrófico e irreversible

Aprobar contrato. Transferir más de $200K USD. Despedir a alguien. Liberar acceso administrativo. Si una alucinación destruye reputación o capital, la IA generativa no opera sola. Puede asistir — generar primera versión para revisión humana — pero la decisión final es humana, con gates explícitos.

Señal de alarma: proveedor te promete “automatización punta a punta” para decisión crítica. Promesa irresponsable.

4 · Volumen es bajo

10 emails por mes para automatizar no compensan costo de implementar agente. ROI de IA aparece cuando el volumen cubre el overhead de setup. Por debajo de ~100 ocurrencias/mes recurrentes, hacer manual cuesta menos.

5 · El dato es sensible y el proveedor cloud no cumple LGPD/GDPR-by-design

Health record, dato bancario preaprobación, proceso jurídico en secreto. Mandar a LLM cloud sin contrato con cláusulas explícitas es riesgo caro. En 2026 hay opciones (on-premise, deployments dedicados, providers regionales), pero requieren auditoría. No es “no uses IA” — es “no uses IA cloud genérica”.

6 · No tienes dato para entrenar ni para RAG ni para feedback

Si quieres chatbot interno pero no tienes documentación escrita, la IA generativa no compensa la ausencia. El modelo necesita algo en qué anclarse. Escribe primero la documentación. Después el chatbot es trivial.

Señal: quieres “chatbot inteligente de la empresa” pero RH aún manda PDF de política por email. Empieza por el Notion organizado, después la IA es el último 20%.

7 · El equipo no tiene ni L1 del AI Agency Ladder

Si nadie del equipo usa IA personalmente, comprar plataforma corporativa no crea adopción. Se vuelve shelfware. El camino es al revés: 3 personas pilotean personalmente, se vuelven champions, después la plataforma. No empieces con el contrato corporativo de 200 asientos.

Diagnostica el nivel actual antes de comprar: AI Agency Ladder.

Qué hacer en su lugar

Señal	Sustituto
Input estructurado, output determinístico	Fórmula, SQL, regla
Regla existe	Código if/else
Error catastrófico	IA asiste, humano decide
Volumen bajo	Mantén manual
Dato sensible + cloud sin LGPD	On-premise o esperar proveedor compliant
Falta documentación	Documenta primero
Equipo en L0	Pilotea individual antes de la plataforma

La pregunta de stewardship

Antes de cualquier proyecto de IA, pregunta: “¿cuál es el problema que estamos resolviendo y por qué la IA generativa es la mejor herramienta?”. Si la respuesta es “porque es IA”, el proyecto va a fallar. Si es “porque el input es no estructurado, el volumen es alto, el error es reversible y tenemos baseline de calidad”, el proyecto tiene chance.

La IA generativa es poderosa. También es cara, probabilística y políticamente fácil de empujar. La madurez del gestor 2026 no es “adoptar más IA” — es saber rechazar IA cuando no es la respuesta.