El año pasado escuché la frase «la IA nos ahorrará tiempo» unas mil veces. En conferencias, en posts de LinkedIn, de proveedores que intentaban vendernos una herramienta más. El problema es que la mayoría habla en generalidades. «La IA aumenta la productividad un 40%.» Bien, pero ¿dónde exactamente?
En Rise.sk usamos IA a diario. No porque esté de moda, sino porque podemos comprobar dónde funciona de verdad. Los tiempos de abajo son puntos de partida orientativos. Su propio piloto tiene que medirlo sobre una muestra real de trabajo, porque sus cifras no serán las nuestras.
Leer, categorizar y asignar correos a la persona adecuada a mano nos costaba 45 min al día. Hoy estamos en 10. Una combinación de la OpenAI API y Zapier lee los mensajes entrantes, los ordena por urgencia y tema, y sugiere a quién corresponden.
En el piloto, mida la precisión de la categorización, el número de correcciones manuales y el tiempo que sus agentes ahorran de verdad. Sin una muestra comparable de antes y después del despliegue, cualquier porcentaje concreto sería solo una estimación.
Cada reunión de una hora se llevaba otros 20 a 30 min en notas y en enviar los puntos de acción. Con Zoom AI Companion o Slack AI son 3 min. El resumen, las tareas y los puntos clave los extrae la herramienta sola.
Es un cambio que se nota de inmediato. Se acabaron los correos de «¿en qué habíamos quedado?» al día siguiente. El resumen está listo antes de que se levante de la mesa.
El primer borrador de una propuesta comercial, un informe o un documento interno costaba 2 a 3 horas. Con Notion AI o ChatGPT tiene un borrador estructurado en 30 a 45 min, y a partir de ahí solo edita.
No nos engañemos, la versión final no la escribe la IA. Pero ¿ese primer documento en blanco donde no sabe cómo empezar? Esa es exactamente la parte que hace bien. Usted después añade el contexto y hace suyo el texto.
Analizar los datos mensuales, crear gráficos y redactar conclusiones se iba a 1 o 2 horas. Suba la hoja de cálculo a ChatGPT o use la OpenAI API y en 20 a 30 min tiene un resumen de tendencias, anomalías y sugerencias para los siguientes pasos.
Personalmente, uso esto para los informes mensuales de clientes. En lugar de una hora en Excel, en 15 minutos tengo una visión de qué cambió y por qué. El resto del tiempo lo dedico a decidir qué hacer al respecto.
Un pull request grande le llevaba a nuestros desarrolladores 30 a 60 min de revisión. Con GitHub Copilot, 15 a 25. Copilot identifica posibles bugs, sugiere mejoras y explica las secciones de código más complejas.
Aquí hay que tener cuidado. Copilot es excelente detectando los problemas evidentes, pero las decisiones de arquitectura y las revisiones de seguridad siguen requiriendo un desarrollador con experiencia. Lo usamos como un segundo par de ojos, no como sustituto de un desarrollador senior.
Traducir y localizar un artículo de blog o una página costaba 2 a 3 horas. Con traducción por IA vía ChatGPT o DeepL y una revisión humana posterior para cada mercado, estamos en 30 a 40 min.
Ahorra cantidades enormes de tiempo. Eso sí, no elimine la revisión humana, sobre todo en eslovaco, donde a veces la IA falla con los modismos o la terminología específica de un sector.
Una persona nueva pasaba 2 a 3 días leyendo documentación y haciendo preguntas básicas a sus compañeros. Una base de conocimiento interna conectada a un asistente de IA, en nuestro caso Notion AI sobre documentos internos, responde al instante. El onboarding se acortó aproximadamente un 40%.
Nuestro asistente interno conoce nuestros procesos, nuestro stack tecnológico y nuestras reglas. Un desarrollador nuevo pregunta «¿cómo desplegamos en staging?» y obtiene una respuesta en segundos en lugar de buscar en Confluence.
El tiempo medio de primera respuesta era de 2 a 4 horas en horario laboral. El asistente de IA resuelve preguntas frecuentes como el estado del pedido, la política de devoluciones o las especificaciones técnicas en menos de 2 minutos, y cubre así el 60 a 70% de las consultas habituales.
La clave está en la configuración. La IA debe saber cuándo pasar la conversación a una persona. Lo peor que puede hacer es dejar que la IA responda a todo, incluso cuando no lo sabe. Eso destruye la confianza más rápido de lo que la IA la construye.
Verificar los datos a mano, cotejarlos con el pedido y comprobar los importes llevaba 15 a 20 min por factura. Con la IA extrayendo los datos, comparándolos con el pedido y marcando las discrepancias, son 3 a 5 min.
Es un flujo de trabajo que la gente subestima. Con 50 facturas al mes, es la diferencia entre 15 horas y 4 horas de trabajo. Y menos errores.
Las publicaciones para LinkedIn, Instagram y un newsletter mensual costaban 3 a 4 horas semanales. Con la IA generando borradores, proponiendo variantes y adaptando el tono a cada plataforma, son 1 a 1,5 horas.
De nuevo, la IA no escribe la publicación final por usted. Pero elimina por completo lo de mirar una pantalla en blanco. Usted añade su voz, sus opiniones y su experiencia. La IA hace la parte aburrida.
Sería injusto hablar solo de éxitos. Estas son las áreas donde probamos la IA y los resultados no fueron convincentes.
La IA ayuda con la ejecución, pero no con la estrategia. Cuando necesita idear una nueva dirección de marca, un enfoque de mercado único o una solución poco convencional a un problema, la IA no le va a salvar. Genera un promedio de promedios. Y el promedio no basta.
La IA le da datos, análisis y recomendaciones. Pero la decisión final, si invertir, con quién asociarse y qué proyecto priorizar, sigue siendo cosa suya. Y así debe ser.
Si su negocio se basa en relaciones, la IA no le ayudará a generar confianza con un cliente. Puede preparar materiales, analizar el historial de comunicación, pero ¿ese momento humano en que le dice a un cliente exactamente lo que necesita oír? Eso la IA no lo tiene.
No necesita implementarlo todo a la vez. Empiece por el flujo de trabajo que más le molesta cada día. Mida el tiempo antes y después. Si ve una diferencia, añada otro. Así lo hicimos nosotros también.
Si no está seguro de por dónde empezar, o quiere saber si tiene sentido automatizar su flujo de trabajo concreto, póngase en contacto con nosotros. Lo miraremos juntos y le diremos con sinceridad si tiene sentido. A veces la respuesta es «no, esto no vale la pena automatizarlo». Y esa también es información valiosa.
Fundador y responsable técnico de Rise.sk. Diseña y entrega aplicaciones web, sistemas de datos y automatizaciones, y escribe sobre decisiones de software, IA y servicios digitales.
Los modelos chinos están ahora a meses, no a años, de la frontera estadounidense, y a una fracción del coste. Para una empresa europea la verdadera pregunta no es quién gana la carrera, sino si conviene usarlos y cómo.
OpenAI dice que GPT-5.6 Sol supera a Claude Fable 5 en programación por un tercio del coste. Anthropic dice que Fable 5 lidera en capacidad bruta. Ambos tienen razón. Aquí tiene qué modelo gana qué trabajo.
Los tokens de API pueden costar menos que una hora de desarrollador, pero no son todo el proyecto. Una comparación práctica del uso del modelo, la revisión, las pruebas y los costes operativos.
Su contexto determina la respuesta
