Dimensionar Trabajo de IA para Clientes No-Técnicos: Rangos, Spikes, y Escribir qué es 'Suficientemente Bueno'

Hace años en Shining Image, el dueño de un pequeño negocio de servicios me hizo una pregunta que he escuchado en cien variaciones desde entonces: "¿Puedes hacer que el teléfono se conteste solo cuando estamos ocupados? ¿Cuánto tiempo tomaría eso?"

Le dije tres semanas.

No estaba mintiendo. Tenía una imagen mental del trabajo: un número de Twilio, voz a texto, un modelo para entender a quien llama, una conexión al calendario, texto a voz de regreso. Había construido la mayoría de esas piezas antes. Tres semanas se sentía generoso.

La integración telefónica estuvo lista en más o menos una semana. La conexión al calendario tomó unos días. Y luego pasé un tramo largo y humillante descubriendo que las personas reales que llaman no hablan como mis guiones de prueba. Murmuran direcciones. Llaman desde una camioneta con la ventana abajo. Hacen tres preguntas en un solo respiro y luego cambian de opinión sobre la segunda. Lograr que el agente manejara esas llamadas lo suficientemente bien como para confiarle un cliente real tomó mucho más que las tres semanas que había prometido para todo.

El dueño fue comprensivo. Pero recuerdo la llamada donde tuve que explicar el retraso, y recuerdo que no pude explicar el porqué de una forma que tuviera sentido para alguien que no construye software. Para él, el teléfono contestaba o no contestaba. Contestó en la semana uno. ¿Qué seguía haciendo yo?

Esa llamada me enseñó más sobre dimensionar trabajo de IA que cualquier cosa que haya leído desde entonces. Este es el método que uso ahora — para pequeños negocios, y para trabajo de plataforma en TheGreyMatter.ai, donde los interesados son distintos pero la pregunta es exactamente la misma.

La Pregunta Detrás de "¿Cuánto Tiempo Va a Tomar?"

Cuando un cliente no-técnico pregunta cuánto tiempo tomará algo, rara vez está pidiendo un número. Está preguntando tres cosas a la vez:

• ¿Puedo planificar alrededor de esto?
• ¿Me voy a llevar una sorpresa?
• ¿Esta persona me va a decir la verdad cuando las cosas cambien?

Un solo número seguro responde la primera pregunta y falla en silencio las otras dos. Con software tradicional, normalmente te sales con la tuya, porque la incertidumbre está mayormente en el esfuerzo, y el esfuerzo se puede empujar. Con trabajo de IA, una gran parte de la incertidumbre está en si la cosa funciona siquiera con los datos de este cliente, y ninguna cantidad de esfuerzo garantiza que la respuesta sea sí.

Esa es la raíz de casi todos los proyectos de IA estancados que he visto, y es por eso que escribí sobre por qué se estancan los pilotos de IA. La mayoría no murieron por mala ingeniería. Murieron por una estimación que fingió que la parte incierta era cierta.

1. Divide el Trabajo en Dos Montones

Lo primero que hago con cualquier proyecto de IA es dividirlo, en papel, en dos montones.

                   ┌─────────────────────────────────────┐
                   │        EL PROYECTO COMPLETO         │
                   └──────────────────┬──────────────────┘
                                      │
              ┌───────────────────────┴───────────────────────┐
              ▼                                               ▼
   MONTÓN DETERMINÍSTICO                           MONTÓN INCIERTO
   (estima como software normal)                   (estima como experimentos)

   - número telefónico + enrutamiento              - ¿entiende el modelo a quienes
   - integración de calendario / CRM                 llaman lo suficientemente bien?
   - auth, almacenamiento, logs                    - ¿puede extraer los campos
   - pantalla de admin para el dueño                 correctos de entradas confusas?
   - respaldo: tomar un mensaje                    - ¿qué tan seguido necesita a un
   - notificaciones, cobros                          humano, y está bien eso?

   incógnitas conocidas, forma de esfuerzo         incógnitas desconocidas, forma de datos

El montón determinístico es software normal. Integraciones, pantallas, almacenamiento, auth, notificaciones. He construido suficientes de estos como para estimarlos de la forma normal, con el margen normal, y usualmente me acerco.

El montón incierto es todo aquello cuyo éxito depende de cómo se comporta un modelo con entradas del mundo real. Entender voz. Extraer campos de documentos que nadie estandarizó. Clasificar solicitudes que no encajan limpiamente en categorías. Estas no son tareas de ingeniería en el sentido usual. Son experimentos, y los experimentos no tienen fechas de entrega. Tienen presupuestos.

Mostrarle esta división a un cliente es, por sí solo, la mitad de la conversación. Las personas no-técnicas lo entienden de inmediato una vez que está dibujado. "Este lado es como construir un sitio web. Este lado es como entrenar a un empleado nuevo — no sabremos qué tan bueno es hasta verlo trabajar." Ese encuadre nunca me ha fallado.

Un efecto secundario útil: la división a menudo revela que parte del montón incierto no necesita un modelo para nada. Una solicitud que sonaba como "la IA entiende al cliente" resulta ser "un menú desplegable y dos reglas." Mover trabajo del montón incierto al determinístico es la reducción de riesgo más barata que existe.

2. Vende un Spike de Descubrimiento que Termine en una Decisión

Para el montón incierto, no doy una estimación por adelantado. Vendo un spike.

Un spike de descubrimiento es corto y con tiempo fijo — usualmente una o dos semanas, según el proyecto. Tiene exactamente un trabajo: poner a prueba la suposición más riesgosa contra los datos reales del cliente y regresar con una decisión. No un demo. Una decisión.

La decisión tiene tres resultados posibles, y le digo al cliente los tres antes de empezar:

                    SPIKE DE DESCUBRIMIENTO
                 (tiempo fijo, precio fijo)
                            │
         probar la suposición más riesgosa con datos reales
         medir contra el "suficientemente bueno" acordado
                            │
          ┌─────────────────┼─────────────────┐
          ▼                 ▼                 ▼
        SEGUIR            ACOTAR            PARAR
   funciona bastante   funciona para      todavía no funciona
   bien                un subconjunto     lo suficiente
   → estimación        → alcance menor,   → te ahorraste el costo
     completa con        re-estimar         de construir todo
     confianza

La opción "parar" importa más de lo que parece. Cuando un cliente sabe desde el primer día que parar es un resultado legítimo, incluso exitoso, el spike se vuelve una investigación honesta en vez de una presentación de ventas que estoy presionado a hacer funcionar. Y cuando un spike sí dice parar, el cliente gastó una cantidad pequeña y conocida para evitar una grande y desconocida. Varios de los clientes más agradecidos que he tenido fueron aquellos donde el spike dijo "todavía no."

"Acotar" es el resultado más común, y el más valioso. El agente de voz que no puede manejar todas las llamadas podría manejar extremadamente bien la agenda de citas y tener problemas con cotizaciones complicadas. Entonces el alcance se vuelve: el agente agenda citas, y todo lo demás se convierte en un mensaje bien escrito para el dueño. Ese es un producto real, entregado antes, que hace una cosa de forma confiable.

3. Da Rangos, y Nombra Qué los Mueve

Después del spike, puedo estimar todo el proyecto. Igual doy un rango, no un punto.

La diferencia es que ahora el rango es explicable. Puedo decir: "Las integraciones, pantallas y flujos de respaldo son más o menos tanto trabajo, y tengo confianza en esa parte. El trabajo del modelo es un rango porque depende de cuántos casos borde aparezcan una vez que clientes reales lo usen. Esto es lo que nos empujaría al extremo bajo, y esto es lo que nos empujaría al extremo alto."

malo:    "Va a tomar seis semanas."

mejor:   "De cuatro a siete semanas.
          - La integración y el trabajo de admin son unas tres semanas;
            tengo confianza en eso.
          - El ajuste del agente es de una a cuatro semanas. Cae en el
            extremo bajo si tus llamadas se parecen a las que probamos en
            el spike. Cae en el extremo alto si descubrimos tipos de
            llamada que no hemos visto, como llamadas en español o
            cotizaciones de varias propiedades.
          - Al final de la semana dos te digo hacia qué extremo vamos."

La última línea es la importante. Un rango no es una forma de evitar el compromiso. Es un compromiso de estrechar el rango con un calendario. A los clientes no les molesta la incertidumbre ni de cerca tanto como les molesta no saber cuándo va a terminar.

También mantengo los números ilustrativos aquí deliberadamente redondos. En la práctica, los números exactos dependen por completo del proyecto. Lo que se transfiere es la estructura: la parte segura, la parte incierta, qué la mueve, y cuándo sabrás más.

4. Escribe Qué Significa "Suficientemente Bueno"

Este es el paso que habría salvado mi promesa de tres semanas, y es el que ahora me niego a saltar.

Antes de que empiece cualquier construcción real — idealmente durante el spike — me siento con el cliente y definimos, por escrito, qué significa "suficientemente bueno." No en métricas que no le importan. En ejemplos que reconoce.

Para el agente de voz, esa conversación se ve así. Juntamos veinte o treinta llamadas reales, o recreaciones realistas de ellas. Para cada una, escribimos cuál es un buen resultado, y qué sería inaceptable. Luego acordamos una vara.

# Criterios de aceptación — agente de llamadas fuera de horario (ilustrativo)
suficientemente_bueno:
  llamadas_de_agenda:
    muestra: "las 30 llamadas que reunimos juntos"
    meta: "agenda el servicio y la hora correctos en la mayoría"
    fallo_aceptable: "toma un mensaje claro en vez de agendar"
    nunca_permitido:
      - "agenda la dirección equivocada"
      - "confirma una hora que el calendario muestra ocupada"
      - "da un precio"
  todo_lo_demas:
    comportamiento: "toma un mensaje con nombre, número y motivo, con cortesía"
    nunca_permitido:
      - "finge ser humano cuando se le pregunta directamente"
  revision:
    quien: "el dueño escucha una muestra de llamadas cada semana el primer mes"

Dos cosas sobre este documento importan. Primero, las listas de nunca_permitido. Los clientes usualmente tienen mucho más claro lo que nunca debe pasar que cómo se ve el éxito, y esas líneas se convierten en barandas duras en el sistema. Segundo, está escrito en el lenguaje del cliente — direcciones, precios, citas — no en el mío.

Esto es un set de evaluación disfrazado. Escribí todo un post argumentando que el set de evaluación es la especificación, y el dimensionamiento es donde esa idea paga primero. Los ejemplos que reunimos son contra lo que el spike mide, de lo que depende el rango, y contra lo que probamos cada versión después. Sin ellos, "terminado" es un sentimiento. Con ellos, "terminado" es una conversación que realmente puedes terminar.

El Mismo Método, a Escala de Plataforma

Supuse que estas lecciones eran sobre pequeños negocios. No lo son.

En TheGreyMatter.ai, trabajo en la plataforma detrás de una familia de aplicaciones verticales de IA, y las personas que preguntan "¿cuánto tiempo?" son líderes de producto y ejecutivos en vez de dueños de negocios. Son más agudos sobre software en general, pero están exactamente igual de expuestos a la misma trampa: una estimación segura sobre trabajo cuyo éxito depende de cómo se comporta un modelo con documentos y datos que nadie ha mirado de cerca todavía.

El método se transfiere casi sin cambios. El montón determinístico a escala de plataforma son los servicios compartidos: auth, manejo de archivos, notificaciones, conectores, RBAC, registros de auditoría. Esos los estimo con confianza, porque son ingeniería bien entendida. El montón incierto son cosas como qué tan bien un agente extrae estructura de un nuevo tipo de documento, o qué tan confiable se sostiene un análisis entre los datos de distintas empresas. Esos reciben spikes, rangos, y una vara escrita, igual que el agente de voz.

El vocabulario cambia. El memo recibe una plantilla más formal. Pero la forma — dos montones, un spike con una decisión, un rango con fecha para estrecharse, y lo suficientemente bueno por escrito — es la misma que aprendí en aquella llamada hace años.

Un Alcance de Una Página que Realmente Envío

Cuando lo junto todo, el documento que recibe un cliente no-técnico cabe en una página:

PROYECTO: manejo de llamadas fuera de horario

1. QUÉ ESTAMOS CONSTRUYENDO
   Un párrafo, en tus palabras, no en las mías.

2. LA PARTE PREDECIBLE              estimación: rango seguro
   Integraciones, pantalla de admin, respaldo de mensajes, notificaciones.

3. LA PARTE INCIERTA                estimación: después del spike
   Qué tan bien maneja el agente tus llamadas reales.

4. SPIKE DE DESCUBRIMIENTO          tiempo fijo, precio fijo
   Prueba con tus llamadas reales. Termina en: seguir / acotar / parar.

5. QUÉ SIGNIFICA "SUFICIENTEMENTE BUENO"
   Los ejemplos que acordamos. Lo que nunca debe pasar.

6. CUÁNDO SABRÁS MÁS
   Fechas en que el rango se estrecha, y quién te avisa.

La sección seis es la que los clientes más mencionan cuando hablamos después. No es técnica en absoluto. Es una promesa sobre comunicación.

El Hilo

Si comprimo todo esto en una oración: separa lo que sabes de lo que estás adivinando, y cobra por averiguar antes de cobrar por construir.

Los clientes no-técnicos no están pidiendo certeza. Saben que el software se atrasa. Lo que piden es no llevarse sorpresas, y que se les diga la verdad con un calendario. Dos montones, un spike que termina en una decisión, un rango que se estrecha, y una definición escrita de suficientemente bueno son solo las herramientas que uso para cumplir esa promesa.

Todavía pienso en esa estimación de tres semanas. El teléfono sí contestó en la semana uno. Todo lo que vino después era la parte que no había sabido cómo explicar. Ahora la explico primero.

Si estás dimensionando un proyecto de IA para un cliente, un jefe, o una junta directiva que solo quiere saber cuánto tiempo y cuánto dinero, y quieres ayuda separando lo predecible de lo incierto, contáctame. Una estimación honesta es la función más barata que cualquier proyecto de IA va a entregar.