La automatización con IA es hacer que una tarea repetida se haga sola, con un modelo de IA en el paso que pide leer o decidir: clasificar un correo, sacar los datos de una factura, responder una consulta. Las reglas cubren los casos que programaste; un modelo trata textos que vienen cada vez distintos, pero puede equivocarse.
Una pregunta de la app. Elige una respuesta.
Jev es un modelo de IA que no escribe: elige una opción o puntúa, con probabilidades.
Jev reparte un ticket: Ventas 34 %, Soporte 33 %, Facturación 33 %. ¿Qué haces?
Gana por un punto. Un reparto casi parejo es confianza casi 0: una moneda de tres caras.
Casi empate: es Jev diciendo «ni idea». Pasa el caso a una persona o pide más datos.
Insistir no aclara el ticket. Si el texto no alcanza para decidir, falta información, no otro intento.
Automatizar no es nuevo: un script que cada noche copia las ventas a una hoja de cálculo ya es una automatización. Sigue las condiciones que programaste, incluidas las variantes que previste. La IA entra cuando el paso es leer algo escrito por personas: un modelo clasifica por el significado, sin una regla para cada frase. «Me cobraron dos veces» y «aparece un cargo repetido en mi tarjeta» son el mismo reclamo: un clasificador de IA los manda a Facturación aunque no compartan palabras.
Lo común es mezclar: reglas para lo que siempre es igual y un modelo sólo en el paso que lo necesita. Se arma con código (Python y una API de IA) o con herramientas de flujos como n8n, Make o Zapier, que conectan apps y suman un paso de IA.
Si los pasos los decides tú de antemano (llega el correo, el modelo lo clasifica, se crea el ticket), es un flujo. Si el modelo elige qué herramienta usar y en qué orden hasta terminar, es un agente de IA. El flujo es más predecible y más fácil de revisar; el agente sirve cuando los pasos cambian según el caso. La diferencia, con ejemplos, está en flujo o agente.
Un modelo se equivoca a veces, y no siempre en los casos que esperas. Por eso se decide qué hace solo y qué pasa por una persona. Mover un ticket al área equivocada se arregla rápido; devolver dinero o borrar datos, no. Si el sistema da una confianza junto con la respuesta, puede actuar por encima de un umbral y preguntar por debajo. Esa confianza no es un porcentaje de acierto: el umbral se prueba con casos reales y se ajusta mirando los errores. Más en probabilidad calibrada.
En los avisos, «automatización» a secas muchas veces no tiene IA: automatizar pruebas (QA), servidores o redes con scripts, o tareas de oficina con RPA. (RPA son robots de software que repiten clics y tecleo en pantallas.) Lee la descripción: fíjate qué tarea automatiza y si usa un modelo de IA. Las dos son buenas para empezar.