Los cinco errores que veo al implantar IA en grupos de restaurantes (y cómo evitarlos)

El patrón es siempre igual. Alguien del equipo (o el hijo de alguien, o un proveedor) enseña una demo espectacular. Se contratan licencias. Se manda un correo: "a partir de ahora tenemos IA, usadla". Y tres semanas después nadie la usa, porque nadie sabe para qué exactamente. La IA genérica, sin tarea asignada, es una solución buscando problema. Y las soluciones buscando problema acaban en el cajón con el resto de suscripciones que nadie canceló.

La implantación que funciona va al revés: se elige primero la tarea. Una concreta, que duela, que se repita cada mes. El cuadre de labour. El informe para el banco. La conciliación de plantilla antes de nómina. Se resuelve esa tarea de punta a punta, se mide el resultado, y solo entonces se pasa a la siguiente. La pregunta correcta no es "¿qué puede hacer la IA?" —puede hacer casi cualquier cosa, esa es justo la trampa—. Es "¿qué tarea me cuesta más tiempo o más errores cada mes?".

De esto escribí un artículo entero, así que aquí va la versión corta: no es lo mismo una cuenta personal de IA que un plan comercial. Las cuentas de consumo pueden usar tus conversaciones para entrenar modelos; los planes de empresa, con su contrato de tratamiento de datos firmado, no lo hacen nunca.

El error tiene una variante especialmente común en grupos medianos: el empresario es prudente y no sube nada... pero su equipo lleva meses pegando datos de la empresa en cuentas personales gratuitas, sin que nadie lo sepa. El riesgo no era la IA: era no tener una política. Si no le das a tu equipo una herramienta corporativa con reglas claras, el equipo se la busca por su cuenta sin reglas ningunas.

La solución cuesta una mañana: plan comercial, dos normas escritas (qué se puede subir y qué no, datos de personas siempre seudonimizados), y comunicarlo. No es un proyecto de compliance de seis meses. Es decidir que el uso informal pasa a ser formal.

"Le hemos dado la contabilidad a la IA y los análisis salen mal." Cuando alguien me dice esto, la conversación siguiente es casi siempre la misma: ¿la contabilidad está al día? Bueno, va con dos meses de retraso. ¿Las imputaciones por centro son correctas? Más o menos, hay costes que van todos al primer local. ¿Las ventas por hora se registran? Las tenemos en un sistema pero no las exportamos.

La IA no es magia. Es una analista extraordinariamente rápida y consistente que trabaja con lo que le das. Si le das datos tarde, analiza tarde. Si le das imputaciones incorrectas, sus comparativas heredan el error — y además lo hacen con una seguridad en sí misma que puede resultar peligrosa, porque el informe sale igual de bien maquetado con datos buenos que con datos malos.

La parte buena: el diagnóstico de datos es rápido y la propia IA ayuda a hacerlo. En una tarde se sabe qué fuentes están bien, cuáles cojean y qué hay que arreglar primero. Y arreglar la disciplina de datos tiene retorno por sí solo, con o sin IA: es la inversión sin riesgo de todo este asunto. Mi recomendación práctica es no esperar a tener los datos perfectos —nunca lo están— sino empezar por la tarea cuyos datos ya son razonablemente buenos, que siempre hay alguna.

Este es el error más caro, porque no rompe el proyecto: lo deja en coma. La dirección monta el sistema, los informes salen, las alertas saltan... y los encargados de los restaurantes, que son quienes tendrían que actuar sobre esas alertas, las ignoran. A veces por desconocimiento, a veces por desconfianza, y a veces —seamos francos— por miedo: si la IA detecta desviaciones, ¿a quién señala?

He visto el contraste de cerca. Donde se implanta a espaldas del equipo, el sistema produce informes que nadie ejecuta. Donde se implanta con el equipo —explicando qué hace, qué no hace, y sobre todo para qué es—, los encargados se convierten en los primeros usuarios, porque la herramienta les quita trabajo administrativo y les da argumentos. Un encargado que puede demostrar que su desviación de labour viene de tres IT simultáneas no teme al dato: lo usa.

Dos reglas que nos funcionan. Primera: la IA señala situaciones, no personas; el informe dice "el local B tiene una desviación de X por causa probable Y", y la conversación con las personas la tiene un humano. Segunda: los primeros meses, cada alerta debe terminar en una acción visible o en una explicación; si las alertas no tienen consecuencias, el equipo aprende rápido que son ruido y deja de mirarlas. Para siempre.

El último error es el más sutil porque se disfraza de virtud. "Lo estamos probando." Seis meses después, lo siguen probando: la IA hace análisis en paralelo, alguien los compara con el método antiguo, los resultados son buenos... pero la decisión de apagar el método antiguo nunca llega. Se mantienen los dos sistemas, con el doble de trabajo, indefinidamente.

Un piloto necesita tres cosas que casi nadie define: un alcance (esta tarea, estos locales), un plazo (ocho semanas, no "un tiempo"), y un criterio de decisión escrito antes de empezar (si el cuadre de nómina sale igual o mejor que el manual durante dos meses, el manual se apaga). Sin esas tres cosas, el piloto no es prudencia: es una forma educada de no decidir, con coste mensual.

Y hay un coste menos visible: el equipo lee perfectamente la ambigüedad. Si la dirección no se cree el sistema lo bastante como para apagar el antiguo, ¿por qué iban a creérselo ellos?

Si repasas los cinco errores, verás que ninguno es tecnológico. Herramienta sin tarea, cuenta sin política, datos sin disciplina, equipo sin conversación, piloto sin decisión. Todos son errores de gestión con la IA de protagonista invitada.

Esa es, en el fondo, la conclusión que me llevo de estos dos años: implantar IA en un grupo de restaurantes es un proyecto de gestión del cambio pequeño, no un proyecto tecnológico grande. Las empresas a las que les va bien no son las más digitales ni las más grandes: son las que eligieron una tarea concreta, pusieron reglas claras, hablaron con su gente y tomaron la decisión al final del piloto.

Lo que significa que la barrera de entrada no es dinero ni conocimiento técnico. Es media docena de decisiones de gestión bien tomadas. Lo cual es una excelente noticia o una incómoda, según se mire: ya no hay excusa técnica.