Antes de hablar de modelos, agentes o integraciones, necesitamos saber si existe un proyecto que merece la pena construir. Estas diez preguntas nos ayudan a pasar de una intuición amplia a una hipótesis concreta y responsable.
¿Qué problema queremos resolver?
Buscamos una situación observable, no una aspiración genérica. ¿Qué es lento, inconsistente, difícil de encontrar, caro o imposible de escalar hoy?
¿Cómo se resuelve actualmente?
Describimos personas, pasos, herramientas, esperas y excepciones. El proceso real acostumbra a ser diferente al procedimiento escrito y es donde aparecen las mejores oportunidades.
¿Quién sabe qué significa hacerlo bien?
Identificamos las personas expertas y los criterios que utilizan. Sin una definición de calidad, no podremos entrenar, probar ni revisar el sistema.
¿Qué fuentes necesita?
Localizamos documentos, datos, aplicaciones y conocimiento tácito. Preguntemos qué fuente tiene autoridad, con qué frecuencia cambia y quien la mantiene.
¿Qué datos no tendría que utilizar?
Definimos información sensible, permisos, limitaciones contractuales y usos incompatibles con el propósito. La frontera de datos es parte del diseño, no una configuración posterior.
¿Qué puede hacer la IA y que tiene que validar una persona?
Separamos preparación, recomendación, decisión y ejecución. Situemos Human Gates allá donde el impacto, la incertidumbre o la irreversibilidad exigen juicio.
¿Qué pasa cuando el caso no es normal?
Buscamos contradicciones, ausencia de información, peticiones fuera de alcance y errores de herramientas. Un buen sistema tiene que saber pararse, explicar el límite y escalar a la persona adecuada.
¿Cómo mediremos si funciona?
Definimos una línea de base e indicadores vinculados al problema: tiempo, calidad, cobertura, riesgo, adopción o impacto económico. También decidimos cuando revisaremos los resultados.
¿Quién será el propietario después del piloto?
Alguien tiene que mantener fuentes, permisos, pruebas y criterios. Sin un propietario del proceso, el proyecto depende del proveedor o se degrada cuando cambia el contexto.
¿Cuál es el primer alcance útil?
Escogemos una frontera bastante pequeña para aprender y bastante real para demostrar valor. Puede ser una fase, un tipo de documento, un equipo o un canal. No intentamos resolver toda la organización a la vez.
Las respuestas también pueden indicar que todavía no toca construir
A veces estas preguntas revelan que primero hay que ordenar documentos, definir una política, formar al equipo o aclarar el proceso. No es una desviación: es el trabajo necesario para que una futura solución tenga sentido.
A Karmina AI Studio utilizamos este marco para decidir el siguiente paso proporcional. Un buen inicio no es el que incorpora más tecnología, sino el que convierte el reto en una capacidad que se podrá probar, gobernar y mejorar.