# Automatización vs IA: qué necesita tu empresa y cuándo hace falta cada una
Hay dos formas de que un proceso deje de hacerse a mano. Una es escribir una regla: si entra un pedido de más de 500 €, avisa a Ventas. La otra es poner un modelo a interpretar: lee este correo y dime si el cliente está enfadado.
La primera es automatización. La segunda es inteligencia artificial. Y la pregunta que importa no es en qué se diferencian, eso lo explica cualquiera, sino cuál de las dos necesita el proceso que tienes delante, porque elegir mal sale caro de una forma que casi nadie te cuenta.
Gartner predice que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027, y las tres razones que da son costes que se disparan, valor de negocio poco claro y controles de riesgo insuficientes. Ninguna de las tres es un problema de tecnología. Las tres son problemas de haber puesto un modelo donde bastaba una regla.
Este artículo es el test que usamos para decidirlo, con doce tareas reales ya clasificadas.
La diferencia en una frase
La automatización ejecuta reglas que tú escribes. La IA produce respuestas que tú no puedes predecir del todo.
De ahí sale todo lo demás. Una automatización es determinista: con la misma entrada, siempre da la misma salida. Puedes leerla, probarla y saber exactamente qué hará el martes que viene. Un modelo es probabilístico: con la misma entrada da salidas parecidas, no idénticas, y no puedes enumerar de antemano todo lo que hará.
Eso no convierte a una en buena y a la otra en mala. Las hace útiles para cosas distintas. El error caro es tratarlas como si fueran la misma herramienta con distinto nivel de sofisticación.
Qué es la automatización con IA
Es la combinación de las dos: un flujo determinista que en uno de sus pasos llama a un modelo. El pedido entra por un formulario (regla), un modelo clasifica la consulta por tema (IA), y según la clasificación el flujo la enruta a un buzón u otro (regla otra vez).
Esa es la forma que adopta el 90 % de lo que de verdad funciona en una empresa pequeña o mediana, y por eso las automatizaciones con IA casi nunca son «poner un chatbot»: son fontanería determinista con un punto de criterio en medio. Si quieres la definición larga y los tipos de flujo, la tenemos desarrollada en qué es la automatización con IA y en qué son los flujos de trabajo con IA.
El test de tres preguntas
Coge una tarea concreta (no «la atención al cliente», sino «clasificar los correos que entran en info@») y respóndelas en este orden:
1. ¿Existe una respuesta correcta única y puedes escribirla como regla? Si sí, es automatización. Punto. No sigas leyendo, no metas un modelo. Calcular un IVA, mover un archivo, crear una factura a partir de un pedido, enviar un recordatorio a las 48 horas: todo eso son reglas. Un modelo haría lo mismo peor, más caro y con la posibilidad de equivocarse.
2. ¿La entrada es ambigua (lenguaje, imágenes, documentos con formato libre) y hay que interpretarla? Si sí, ahí sí hace falta un modelo. Resumir una llamada, extraer datos de facturas que cada proveedor manda distintas, detectar el tono de una reseña. Ninguna regla cubre la variedad de entradas.
3. ¿Puedes tolerar que se equivoque de vez en cuando, y lo notarías si lo hiciera? Esta es la pregunta que casi nadie hace y la que decide el proyecto. Si la respuesta es no, porque el error va directo al cliente, a la contabilidad o al registro legal, el modelo no puede ser el último paso. Va detrás de una validación determinista, o va con una persona revisando.
Tres preguntas, un minuto por tarea. Con eso se descarta la mayoría de los proyectos que Gartner ve cancelarse.
Doce tareas reales, ya clasificadas
| Tarea | Qué necesita | Por qué | Qué se rompe si eliges mal |
|---|---|---|---|
| Enviar la factura al cerrarse un pedido | Automatización | Regla fija, salida única | Un modelo introduce errores donde no había ninguno |
| Recordatorio de carrito abandonado a las 24 h | Automatización | Condición temporal, sin ambigüedad | Coste y latencia sin ninguna ganancia |
| Sincronizar contactos entre CRM y newsletter | Automatización | Correspondencia campo a campo | Duplicados silenciosos si un modelo «interpreta» |
| Calcular comisiones del mes | Automatización | Aritmética con reglas conocidas | Cifras plausibles pero incorrectas en nómina |
| Clasificar por tema los correos de info@ | IA | Lenguaje libre, categorías difusas | Con reglas: todo cae en «Otros» |
| Resumir una llamada de ventas | IA | Entrada no estructurada | Sin resumen no se registra nada, y eso es peor |
| Extraer datos de facturas de proveedores | Híbrido | El modelo lee; la regla valida totales | Datos mal leídos que entran directos en contabilidad |
| Responder preguntas frecuentes de clientes | Híbrido | El modelo redacta; el catálogo acota | Respuestas inventadas sobre precios o stock |
| Puntuar leads entrantes | Híbrido | El modelo lee texto; el umbral es una regla | Leads buenos descartados sin que nadie se entere |
| Detectar el tono de una reseña | IA | Juicio sobre lenguaje | Con reglas: «no está mal» se marca como negativo |
| Publicar en redes a una hora fija | Automatización | Calendario, nada que interpretar | Complejidad gratuita |
| Redactar el primer borrador de una ficha de producto | IA con revisión | Genera; una persona valida antes de publicar | Fichas con datos que no existen, indexadas por Google |
Fíjate en el patrón: todo lo que toca dinero, stock o un registro legal aparece como híbrido, nunca como IA a secas. No es casualidad, es la pregunta 3.
La regla del híbrido: la IA nunca es el último paso
Cuando un flujo mezcla las dos cosas, el orden importa. La versión que funciona es siempre la misma:
- Entrada determinista. Un formulario, un webhook, un archivo en una carpeta. Sabes exactamente qué llega.
- El modelo interpreta. Clasifica, extrae, redacta. Aquí es donde aporta lo que ninguna regla puede.
- Una regla valida su salida. ¿El total extraído cuadra con la suma de líneas? ¿La categoría está en la lista permitida? ¿El importe está dentro de un rango razonable?
- La acción irreversible se ejecuta solo si la validación pasa. Y si no pasa, va a una cola humana, no al vacío.
El paso 3 es el que se salta todo el mundo y el que separa un flujo que aguanta un año de uno que se desactiva en marzo porque «daba fallos raros».
Lo que falla cuando eliges mal
Aquí está la asimetría que casi nadie explica y que es la razón real de la regla del híbrido.
Cuando falla una automatización, falla a gritos. Se rompe el flujo, salta un error, deja de llegar el correo. Alguien lo nota el mismo día, se busca la causa, se corrige una vez y no vuelve a pasar. Es molesto y es barato.
Cuando falla un modelo, falla en silencio. No se rompe nada: devuelve una respuesta perfectamente plausible que resulta ser incorrecta. El flujo sigue. Nadie ve un error porque no hay ninguno que ver. Y como es probabilístico, la siguiente vez se equivoca de otra manera, así que ni siquiera hay un patrón que detectar hasta que el daño se acumula.
Un error ruidoso cuesta una tarde. Un error silencioso puede costar tres meses de datos mal cargados que descubres al cerrar el trimestre. Por eso la pregunta 3 del test no es opcional.
«Agent washing»: cómo saber si te venden IA o RPA con otro nombre
Este es un problema de mercado, no tuyo, pero lo vas a sufrir tú. Gartner lo llama agent washing: proveedores que rebautizan como agénticos productos que ya tenían (asistentes, RPA, chatbots) sin añadir capacidades nuevas. Su estimación es contundente: de entre miles de proveedores que dicen ofrecer IA agéntica, solo unos 130 lo son de verdad.
Tres preguntas que lo destapan en una demo:
- ¿Qué pasa si le doy una entrada que no estaba prevista? Si la respuesta es un error o un menú, es un flujo con reglas. No es malo, probablemente sea justo lo que necesitas, pero no es IA y no debería costar como tal.
- ¿Puedo ver por qué tomó esa decisión? Una regla se lee. Un modelo, como mucho, se audita por muestreo. Si te venden trazabilidad total sobre un modelo, algo no cuadra.
- ¿Qué hace cuando no está seguro? La única respuesta buena es «para y pregunta». Si no hay un camino de escalado humano, el producto no está terminado.
Que conste el contexto completo: Gartner también proyecta que en 2028 el 33 % del software empresarial incluirá IA agéntica, frente a menos del 1 % en 2024, y que el 15 % de las decisiones cotidianas de trabajo se tomarán de forma autónoma, partiendo de cero en 2024. La dirección está clara. Lo que no está claro es que tu proceso de facturación tenga que ir en la primera oleada.
Cuánto cuesta cada una, en trabajo y no en licencia
La comparación de precios de las plataformas es la parte fácil y la menos informativa. El coste real está en otro sitio:
Una automatización cuesta casi todo por delante. Definir la regla, montarla, probarla. Después no consume atención: si nadie la toca, sigue haciendo lo mismo dentro de dos años.
Un modelo cuesta poco por delante y constantemente después. Montar la llamada es rápido. Lo caro es lo que viene: revisar salidas, ajustar el prompt cuando cambia el contexto del negocio, comprobar por muestreo que no se ha degradado, rehacerlo cuando el proveedor cambia de versión. Y el coste por uso escala con el volumen, mientras que el de una regla no.
En la práctica esto significa que el proceso que ejecutas cien veces al día y siempre igual quiere una regla, aunque montarla sea más aburrido. Si quieres ver esa aritmética sobre casos concretos, están en automatizaciones con IA: 6 ejemplos reales y medibles, y para escoger plataforma tenemos cómo elegir herramientas de automatización con IA.
Cómo saber si funcionó
Ninguno de los fabricantes que dominan esta búsqueda dice cómo se mide el resultado, y sin eso no hay forma de defender el gasto. Cada tipo tiene su métrica, y son distintas:
Automatización: tareas completadas sin intervención humana. Es un porcentaje limpio: de cada cien ejecuciones, en cuántas nadie tuvo que tocar nada. Si empieza en el 95 % y baja al 80 % en tres meses, algo cambió aguas arriba y hay que mirarlo. La automatización que nadie vigila se degrada en silencio cuando cambia el formato de un archivo o el campo de un CRM.
IA: porcentaje de salidas aceptadas sin editar. No «cuántas veces acertó», que es imposible de saber a escala, sino cuántas veces la persona que revisó dio el visto bueno tal cual. Es la única señal honesta de calidad de un modelo dentro de un proceso, y baja sola cuando el proveedor cambia de versión.
Híbrido: porcentaje que pasa la validación a la primera. Y, sobre todo, el tamaño de la cola de excepciones. Si esa cola crece semana a semana, el flujo no está funcionando: está trasladando trabajo, no quitándolo.
Las tres se miden igual: fija la ventana, anota el valor de partida antes de tocar nada, y compara la misma ventana noventa días después. Sin la línea base previa, cualquier cifra posterior es una opinión.
Preguntas frecuentes
¿La IA sustituye a la automatización? No. La amplía por un lado concreto: entradas ambiguas. Todo lo que ya era una regla sigue siendo mejor como regla, y de hecho la mayoría de los flujos con IA que funcionan tienen más reglas que modelo.
¿Puedo empezar solo con IA y añadir automatización después? Es el orden que más proyectos entierra. La IA sin un flujo determinista alrededor no tiene ni entrada fiable ni validación de salida: es una demo, no un proceso. Primero la tubería, después el criterio.
¿Cómo sé si mi proceso está listo para automatizarse? Si puedes explicárselo a alguien nuevo por escrito y sin decir «depende», está listo. Si necesitas decir «depende» más de dos veces, ahí es donde probablemente haga falta un modelo, y donde hará falta validación.
¿Qué pasa con los agentes que deciden solos? Que hoy son la fuente principal de proyectos cancelados: más del 40 % antes de acabar 2027, según Gartner, por coste, valor poco claro y controles de riesgo insuficientes. La autonomía es un objetivo razonable a varios años, no un punto de partida.
¿Cuántos procesos debería atacar a la vez? Uno. Y que sea uno aburrido, frecuente y sin consecuencias legales si falla. El primero no es para ahorrar tiempo, es para aprender dónde se rompe tu operación.
Por dónde empezar
Si te quedas con una sola idea, que sea esta: la pregunta no es cuál de las dos tecnologías es mejor, sino qué parte de tu proceso tiene una respuesta correcta única. Esa parte va con reglas, siempre. Lo que queda, lo ambiguo, lo que hay que interpretar, es donde un modelo aporta algo, y ahí va acompañado de una validación.
Empieza listando cinco tareas que hoy hace una persona a mano. Pásales el test de tres preguntas. Casi seguro que cuatro salen «automatización» y una sale «híbrido». Esa proporción, y no la moda, es la que debería gobernar tu presupuesto. Cuando quieras bajarlo a flujos concretos, así automatizamos tareas repetitivas con IA es el siguiente paso lógico.
Una vez decidido que el proceso pide reglas, queda elegir dónde montarlas. El criterio, con la letra pequeña de licencias y facturación, en qué plataforma de automatización elegir.
La tabla de doce tareas de este artículo tiene una hermana más operativa: diez workflows completos con su disparador, sus pasos y su veredicto, en diez ejemplos de workflows.
Para lo que sí es automatización de proceso, doce ejemplos escritos como se construyen y no como se venden: automatizaciones con n8n para empresas.
