Enfoque
Criterio para datos, automatización e IA.
Trabajamos con datos, automatización e IA aplicada con un mismo criterio: proporcionalidad, control y claridad. Sin humo, sin alarmismo, sin convertir cada proyecto en un proceso burocrático.
Tres principios
No hay método sin criterio.
Antes de hablar de herramientas, definimos cómo decidir. Estos son los tres principios que aplicamos en cada proyecto.
Proporcionalidad.
El control que añadimos a un proceso es proporcional a su impacto. Una clasificación interna no se documenta como una decisión que afecta a personas. Evitamos sobreingeniería y evitamos infraingeniería.
Control.
Cada paso automatizado tiene un responsable humano, un punto de revisión y una forma clara de detenerlo. La IA aumenta capacidad, no la sustituye.
Claridad.
Quien usa el sistema entiende qué hace, con qué datos y bajo qué reglas. Quien lo audita —interno o externo— encuentra lo que necesita sin tener que preguntar.
Cómo lo aplicamos
Prácticas concretas, no consignas.
Lo que estos principios significan en el día a día de un proyecto.
IA responsable aplicada a pymes.
Diseñamos casos de uso de IA pensando en el tamaño real del problema: qué decisión apoya, con qué datos, qué pasa si se equivoca y quién la revisa. Sin marcos abstractos: criterios concretos, escritos en el propio proyecto.
Gobierno del dato sin burocracia.
Acordamos lo mínimo imprescindible: quién es responsable de cada conjunto de datos, qué calidad se exige, cómo se actualiza y cuándo se elimina. No buscamos un comité del dato; buscamos que el dato tenga dueño y vida útil claros.
Trazabilidad y documentación mínima.
Cada flujo automatizado deja registro de qué entró, qué salió y qué decidió. Documentamos lo justo para que el equipo pueda mantenerlo, auditarlo y modificarlo sin nosotros. Si no se entiende sin nosotros, no está terminado.
Supervisión humana.
Definimos en cada flujo dónde hay revisión humana: antes de decidir, antes de comunicar, antes de actuar. La revisión está en el diseño, no como añadido cuando algo falla.
Límites claros de uso de IA generativa.
Decidimos qué tareas se hacen con IA generativa, con qué datos puede trabajar y qué salidas requieren validación humana. También decidimos qué no se hace con ella. Estos límites se escriben y se comparten con el equipo.
Herramientas y proveedores con criterio.
Elegimos herramientas por su encaje real con el caso, no por moda. Valoramos dónde se procesan los datos, qué dependencias creamos y qué pasa si el proveedor cambia condiciones. La portabilidad pesa.
Automatización
Automatizar no es delegar a ciegas.
Un proceso automatizado bueno es un proceso entendido, no un proceso oculto. Por eso, antes de automatizar definimos entrada, salida, responsables, límites, qué se considera error y cómo se detiene. Después medimos: qué ahorra, qué falla y cuándo deja de servir. La automatización útil es la que el equipo controla, no la que sustituye al equipo y nadie revisa.
Marco europeo
AI Act: cuándo entra en juego.
El AI Act es la regulación europea de inteligencia artificial. Clasifica los sistemas de IA por nivel de riesgo y plantea obligaciones distintas según ese nivel. La mayoría de proyectos de pyme cae en categorías ligeras —productividad, asistentes internos, análisis— y otros, según el caso de uso, pueden entrar en categorías más exigentes.
En cada proyecto identificamos a qué categoría podría corresponder el caso de uso y qué buenas prácticas tiene sentido aplicar desde el diseño: transparencia, supervisión, documentación, gestión del riesgo. Lo hacemos como criterio de ingeniería y de gestión, no como dictamen jurídico.
Esta página explica nuestro enfoque de trabajo; no constituye asesoramiento legal. Para decisiones jurídicas sobre cumplimiento del AI Act u otra normativa, recomendamos contar con asesoría especializada.
Si te encaja este enfoque, hablemos.
Empezamos por entender dónde está la fricción y qué merece la pena priorizar.