Cómo preparar un diagnóstico de IA: datos, procesos y decisiones

Por qué los diagnósticos fallan (cuando fallan)

Un diagnóstico de IA bien hecho termina con algo concreto: un plan de 60-90 días con pilotos acotados, métricas claras, y equipo asignado. Un diagnóstico mal hecho termina con un deck genérico que dice "exploren IA, es el futuro" y nadie mueve nada en los próximos seis meses.

La diferencia no es el consultor. Es la preparación del cliente. Los diagnósticos que producen plan ejecutable tienen en común que el equipo del cliente llegó con:

• Datos reales sobre sus operaciones.
• Procesos descritos con honestidad (no el organigrama oficial).
• Autoridad para decidir representada en la sala.
• Criterios claros para priorizar oportunidades.

Este artículo es la guía concreta para que tu diagnóstico no sea ceremonial. Funciona sea que lo hagamos con Fanfusion Hub o con cualquier otro partner serio.

El material mínimo a reunir antes

1. Volumen operativo real

Necesitás números honestos, no estimaciones marketiniadas:

• Mensajes entrantes por canal y día (WhatsApp, email, chat web, llamada, Instagram, etc.). Con picos horarios si los hay.
• Tickets abiertos, resueltos, reabiertos por semana, promedio de los últimos 3 meses.
• Tiempo medio de primera respuesta por canal.
• Tiempo medio de resolución por tipo de consulta.
• Tasa de contención en primer contacto (si se mide).
• Volumen de leads entrantes y tasa de conversión a oportunidad calificada.
• Tamaño del equipo de CX/Ventas/Ops y horas dedicadas a cada función.

Si no tenés algunos de estos números, dato importante: el diagnóstico va a identificar "necesitás medir esto" como output, antes de poder recomendar IA.

2. Muestra de interacciones reales

Nada sustituye ver 50-100 conversaciones reales (anonimizadas). Pedir:

• 20 tickets de CX completos.
• 10 intercambios de venta de principio a fin.
• 10 escalaciones o quejas.
• 10 consultas que terminaron mal resueltas.

De esto un analista serio saca más insight en 30 minutos que de 3 entrevistas a directores.

3. Procesos escritos (o ausencia de ellos)

Mapear con honestidad:

• ¿Hay manuales de atención? ¿Actualizados?
• ¿Hay árboles de decisión para casos frecuentes?
• ¿Hay playbooks de ventas?
• ¿Hay una FAQ interna que los agentes consultan?
• ¿O cada agente improvisa con experiencia personal?

La ausencia de procesos no es vergüenza; es un dato. IA aplicada sobre proceso inexistente multiplica caos. Hay que formalizar primero o formalizar como parte del proyecto.

4. Stack actual

Lista de herramientas en uso, con integración y costo:

• CRM (Salesforce, HubSpot, Pipedrive, Nekovu, custom).
• Help desk (Zendesk, Freshdesk, Intercom, custom).
• Messaging (WhatsApp Business API via qué BSP, Instagram, Messenger).
• Email marketing.
• Analytics.
• Integraciones existentes (Zapier, Make, custom APIs).

El diagnóstico evalúa qué se mantiene, qué se reemplaza, qué se extiende con IA. Sin inventario real, la recomendación es ciega.

5. Restricciones reales

No todas las restricciones se anuncian. Conviene declararlas por adelantado:

• Presupuesto disponible (aunque sea rango).
• Timing político (cambio de dirección, proceso de venta de la empresa, año electoral en el cliente público).
• Obligaciones regulatorias (PCI, HIPAA, GDPR, banca local).
• Herramientas que no se pueden cambiar (mandato corporativo).
• Proveedores con los que ya hay contrato vigente.

Si el diagnóstico recomienda reemplazar una herramienta bajo contrato de 3 años, el plan no es accionable. Mejor saberlo antes.

Los procesos a mapear con honestidad

Para tres o cuatro procesos candidatos, describir:

a) Flujo actual paso a paso

Desde input hasta output. Quién hace qué, con qué herramienta, con qué tiempo. Si hay loops o retrabajos, marcarlos. Si hay pasos que "oficialmente no existen pero siempre pasan", marcar esos también.

b) Fricciones conocidas

¿Dónde se traba? ¿Qué parte del proceso es la que más errores genera? ¿Cuál consume más tiempo del equipo? ¿Cuál genera más quejas de clientes?

c) Intentos previos

¿Ya probaron automatizar esto? ¿Con qué herramienta? ¿Qué pasó? ¿Por qué no funcionó o funcionó a medias?

Esto es información de oro. Evita repetir errores y permite proponer solución que incorpora lo aprendido.

d) Gatekeepers

¿Quién tiene poder de veto sobre cambiar este proceso? ¿El responsable de operaciones? ¿Un director regional? ¿Un proveedor externo? Si el gatekeeper no está en la sala, el plan no avanza.

Las decisiones que hay que tener listas

Decisión 1: ¿Aspiración de impacto?

Hay tres niveles:

• Optimización: bajar tiempo de respuesta 30%, mantener todo lo demás.
• Escalamiento: crecer 3x volumen sin 3x equipo.
• Transformación: rediseñar el modelo operativo — pasar de 20 agentes humanos a 4 humanos + squads IA.

Cada nivel tiene presupuesto, riesgo y timing distintos. Saber cuál aplicás evita ambigüedad.

Decisión 2: ¿Build, buy, o híbrido?

• Build: equipo interno construye sobre APIs (OpenAI, Anthropic). Más control, más costo operativo, necesita talento.
• Buy: producto empaquetado (plataforma tipo Fanfusion Hub, Intercom Fin, Salesforce Einstein). Time-to-value rápido, menos personalización profunda.
• Híbrido: plataforma como base + extensiones custom para lo diferencial.

La respuesta honesta depende de tamaño de equipo, madurez técnica y estrategia. Un diagnóstico que no aterrice esto es genérico.

Decisión 3: ¿Riesgo que tolerás?

¿Estás dispuesto a que un agente responda directo al cliente sin humano? ¿O todo tiene que pasar revisión? ¿Cuánto tolera tu marca un error en una respuesta automatizada?

Esto define arquitectura (cuán autónomo es cada squad) y define métricas de éxito (qué tasa de error es aceptable).

Decisión 4: ¿Cómo decide tu organización?

• ¿Podés aprobar un piloto de USD 50k en 2 semanas, o necesita comité de inversiones trimestral?
• ¿Quién es el sponsor ejecutivo? ¿Tiene cobertura política para sostener un piloto que al mes 2 aún no muestra resultados finales?
• ¿Hay cultura de experimentación o de "lanzamos cuando está perfecto"?

Esto define el shape del plan. Un plan de lanzamiento big-bang no sobrevive en empresa de comité trimestral.

Qué esperar del diagnóstico (entregables reales)

Un diagnóstico serio entrega, mínimo:

1. Mapa de oportunidades priorizado. Entre 4 y 10 iniciativas, ordenadas por impacto/esfuerzo. Cada una con estimación de ROI aproximada y riesgos específicos.

2. Pilotos recomendados para 90 días. Uno o dos pilotos concretos con: scope, equipo asignado, métricas de éxito, presupuesto, dependencias, fecha de review.

3. Arquitectura target a 12-18 meses. No detalle fino, sí dirección: qué plataforma core, qué integraciones clave, qué capacidades internas construir.

4. Gaps críticos identificados. Datos faltantes, procesos no documentados, decisiones pendientes que bloquean cualquier avance.

5. Análisis de riesgos. Regulatorios, operativos, reputacionales. No lista genérica, sino específica al contexto del cliente.

6. Recomendación de equipo. Qué roles necesitás (internos y/o partners), con qué skills, en qué momento.

Si el deck del diagnóstico es "oportunidades de IA en la industria X" sin especificidad al cliente, pediste mal o te entregaron mal. Exigir mejor.

La reunión misma: cómo hacerla rendir

Quién tiene que estar

• Sponsor ejecutivo con autoridad.
• Líder operativo del área candidata (CX, Ventas, Ops).
• Referente técnico (CTO, VP Eng, o senior técnico).
• Responsable de datos / analytics.
• Finanzas si hay presupuesto importante.
• Legal / compliance si hay datos sensibles.

Típicamente 4-6 personas del lado cliente. Más de 8 diluye.

Duración y formato

• Diagnóstico express: 60-90 minutos remoto. Output: "¿Hay caso? ¿Próximo paso?".
• Diagnóstico profundo: 2-3 sesiones de 2 horas + workshop. Output: plan completo.

El diagnóstico de 10 minutos de Fanfusion es una versión inicial express; profundizamos en sesiones subsecuentes si hay ajuste.

Regla del "elefante en la sala"

Alguien tiene que nombrar los temas incómodos: dudas sobre capacidad del equipo, fricciones interdepartamentales, proyectos previos fracasados. Si todos fingen que todo está bien, el plan vive en fantasía.

Post-diagnóstico: los próximos 30 días

El diagnóstico sin seguimiento se pierde. Acciones inmediatas:

• Decisión formal go/no-go sobre pilotos propuestos en < 2 semanas.
• Equipo asignado (horas dedicadas, no "cuando puedan").
• Owner único por piloto con autoridad y accountability.
• KPIs instrumentados antes de empezar — nunca "los medimos al final".
• Review cadence definido (semanal típicamente los primeros 30 días, luego quincenal).

Errores clásicos del cliente

Error 1: mandar a la reunión a gente sin autoridad. El diagnóstico queda como ejercicio académico.

Error 2: no compartir datos reales "por confidencialidad" sin NDA previo. Sí, hay NDA; pedilo. Sin datos reales el diagnóstico es especulación.

Error 3: esperar que el consultor descubra qué querés. El consultor aporta perspectiva y método; la dirección la pone el cliente.

Error 4: asumir que IA va a resolver un problema de cultura. Si el equipo no documenta procesos, no mide nada, y resiste cambio, IA lo expone más, no lo cura.

Error 5: pedir el diagnóstico y no tener capacidad de ejecutar. Mejor postergar hasta tener equipo capaz de implementar.

Los tres insumos que tenés que preparar antes de la llamada

Llegar al diagnóstico sin preparación lo diluye. Los tres insumos que transforman 10 minutos de conversación en plan operativo:

Insumo 1 — Un proceso concreto, con volumen. No "mejorar el soporte" sino "recibimos 800 tickets/mes de soporte, el 40% son sobre tracking de pedidos". Volumen importa para saber si justifica inversión; ejemplos específicos importan para modelar scope.

Insumo 2 — Un KPI con número. No "queremos mejorar". Sí: "queremos bajar tiempo de primera respuesta de 6h a 30 min" o "queremos subir conversion de 2.1% a 3%". Sin número medible, no hay diagnóstico.

Insumo 3 — Una idea de tus constraints. Qué podés comprar (budget aproximado), qué aplicaciones tenés ya, qué regulaciones te aplican, qué datos podés usar. Sin esta info, cualquier propuesta es especulación.

Si llegás con los tres, el diagnóstico sale con plan. Si falta uno, la llamada sirve para identificar qué preparar y volver en 1-2 semanas.

Decisiones que anticipar

El diagnóstico te va a pedir que tomés posición sobre varios dilemas. Anticiparlos ayuda:

¿Priorizar costo o experiencia? Una solución ultra-barata puede ser subóptima para CSAT. Una premium puede ser overkill. Definir ratio aceptable.

¿Reemplazar humanos o asistirlos? En casi todos los casos recomendamos asistir. Pero el cliente debe saberlo de antemano — "no estás reemplazando al equipo, estás amplificándolo".

¿Lanzar a todos o piloto contenido? Piloto siempre es más seguro pero más lento. Con clientes enterprise a veces hay presión de "lanzar ya". Dejar claro el trade-off.

¿Ownership del lado cliente o proveedor? Algunos clientes quieren "llave en mano" (proveedor opera 100%). Otros prefieren aprender y eventualmente operar (co-pilot model). Definir desde inicio afecta diseño.

¿Integración con sistemas existentes o greenfield? Con sistemas legacy (custom CRM, ERP viejo) integración es más costosa pero preserva inversión. Greenfield es más rápido pero crea duplicación.

Tomar posición en estos dilemas antes hace que el diagnóstico produzca plan concreto en lugar de opciones abstractas.

Qué NO preparar (porque no sirve)

Slides corporativas largas sobre tu empresa. No los necesitamos. 2 minutos de contexto bastan.

Lista de "requirements funcionales detallados". Genera conversación teórica sobre features en vez de operativa sobre problema. En nuestro modelo, requirements emergen de KPIs.

Proyección de ROI a 3 años en Excel. Útil después del diagnóstico, no antes. Antes del diagnóstico tu proyección se basa en supuestos que vamos a desafiar.

RFP formal. Si el formato de tu empresa requiere RFP, lo hacemos, pero preferimos conversación primero y RFP como documentación post-decisión.

La preparación debe orientarse a lo que tu proceso tiene hoy (datos reales) y qué te duele (pain real), no a cómo imaginás la solución.

Preguntas frecuentes

¿Cuánto cuesta un diagnóstico?

El diagnóstico de 10 minutos de Fanfusion es gratuito. Un diagnóstico profundo (2-3 sesiones + deliverables) varía USD 5-25k según alcance. Empresas grandes típicamente invierten más en diagnóstico amplio multi-área.

¿Qué pasa si no tenemos datos limpios?

Se hace lo que se puede. El diagnóstico identificará "necesitamos estos datos" como output y propondrá cómo instrumentarlos. A veces el primer piloto es "medición", no "automatización".

¿El consultor ve data sensible? ¿Qué salvaguardas?

NDA firmado antes de compartir. Acceso a data limitado a lo necesario. Trabajo con datos anonimizados o en ambiente aislado cuando aplica.

¿Puedo hacer el diagnóstico interno sin partner?

Sí, con riesgo de sesgo (los que proponen son los que operan). Partner externo aporta perspectiva y benchmark; equipo interno aporta contexto profundo. Lo ideal es combinación.

¿Cuánto tiempo de mi equipo consume?

Diagnóstico express: 2-4 horas totales por participante. Profundo: 8-12 horas sobre 2-3 semanas incluyendo preparación de material.

¿Cuándo se recomienda hacer diagnóstico?

Cuando hay presión operativa real (volumen que no escala, tiempos que se degradan), cuando hay presupuesto para piloto post-diagnóstico, y cuando hay sponsor ejecutivo comprometido. Sin esos tres, el diagnóstico es ejercicio.

¿Qué diferencia a un buen diagnóstico de uno malo?

Un buen diagnóstico termina con 2-3 cosas concretas que podés empezar el lunes. Un mal diagnóstico termina con un PDF que nadie abre. Exigí la primera opción.

Si estás pensando en hacer diagnóstico de IA y querés llegar preparado, empezá con nuestro diagnóstico de 10 minutos — te mandamos antes la lista exacta de material a preparar. Más contexto: Señales de que tu empresa está lista para agentes IA, Del diagnóstico al piloto en 90 días, plataforma en /platform, producto en /products/fanfusion-hub.