La automatización que más falla: lecciones de 50 proyectos

Después de implementar más de 50 automatizaciones en empresas de Argentina, Uruguay, Colombia y México, puedo decir con certeza que el problema casi nunca es técnico. Las automatizaciones que más fallan no son las que usan tecnología compleja o integran sistemas difíciles. Son las que se construyen sobre procesos que nadie se tomó el trabajo de entender primero.

Hay una fantasía peligrosa en el mercado: que la automatización es un atajo. Que podés tomar un proceso manual caótico, meterle tecnología encima, y mágicamente se vuelve eficiente. No funciona así. Nunca funcionó así. Y sin embargo, seguimos viendo empresas que caen en la misma trampa.

El dato duro: de los más de 50 proyectos que ejecutamos, el 35% de los que arrancaron mal fue porque el cliente quería automatizar un proceso que ni siquiera tenía documentado. Otro 25% falló porque no se midió el estado actual antes de empezar. Y un 15% murió porque nadie pensó en qué pasa cuando el bot se encuentra con un caso que no entiende.

Este artículo es un recorrido por los errores que vimos, las lecciones que sacamos, y el framework que desarrollamos para que las automatizaciones no solo funcionen en el demo, sino que sobrevivan en producción.

Es el error más común y el más caro. Una distribuidora de alimentos en Buenos Aires nos llamó para automatizar su proceso de pedidos. El flujo era así: los vendedores mandaban pedidos por WhatsApp a una administrativa, que los pasaba a un Excel, que después se subía manualmente al ERP. Querían que un bot tomara los mensajes de WhatsApp y los cargara directo al ERP.

Cuando mapeamos el proceso, descubrimos que la administrativa no solo transcribía — también corregía errores de los vendedores (códigos de producto mal, cantidades imposibles), validaba stock mirando otra planilla, y llamaba al cliente cuando algo no cerraba. Automatizar el flujo tal cual hubiera generado un desastre de pedidos incorrectos.

Lo que hicimos: primero rediseñamos el proceso. Los vendedores pasaron a usar un formulario estructurado en una app simple (no más WhatsApp libre). El formulario valida códigos y cantidades contra el catálogo en tiempo real. Recién después automatizamos la carga al ERP. El resultado: 94% de reducción en tiempo de carga, y los errores bajaron de 12% a menos del 1%.

La lección es brutal pero simple: si automatizás un proceso roto, solo lográs que se rompa más rápido. Siempre hay que rediseñar primero.

Un estudio contable con 80 empleados nos pidió automatizar la conciliación bancaria. 'Nos lleva muchísimo tiempo', nos dijeron. Cuando preguntamos cuánto exactamente, la respuesta fue 'mucho'. No tenían métricas.

Insistimos en medir antes de tocar nada. Resultado: la conciliación consumía 340 horas/mes distribuidas en 8 personas. El costo real era de USD 5,100/mes (considerando salarios y overhead). La tasa de error era del 3.2%, lo que generaba reprocesos que sumaban otras 45 horas/mes.

Con esos números, pudimos hacer un business case sólido, priorizar qué conciliaciones automatizar primero (las de mayor volumen y menor complejidad), y proyectar un ROI realista. Post-implementación: las 340 horas bajaron a 40 (las que requieren intervención humana por excepciones), el error bajó a 0.1%, y el ROI fue del 680% en el primer año.

Sin la medición inicial, nada de esto hubiera sido posible. No hubiéramos sabido por dónde empezar, no podríamos haber justificado la inversión ante el directorio, y no tendríamos forma de demostrar el impacto después. Si no podés medir el proceso antes de automatizarlo, no lo automatices.

Una compañía de seguros nos contrató para automatizar la carga de siniestros. El flujo principal era limpio: el asegurado reporta por web, se clasifica el siniestro, se asigna un ajustador, se procesa el reclamo. Automatizamos todo en 6 semanas y el piloto fue impecable.

A las dos semanas en producción, empezaron los problemas. Siniestros con múltiples vehículos involucrados que el sistema no sabía cómo cargar. Reportes donde el asegurado no era el conductor. Casos donde el mismo siniestro se reportaba dos veces por diferentes canales. Reclamos contra la póliza de un tercero. Cada uno de estos edge cases representaba menos del 2% del volumen, pero sumados eran el 18% de los casos totales.

El equipo de operaciones terminó con más trabajo que antes, porque tenía que resolver los casos que el bot cargaba mal además de los que procesaba correctamente. La automatización generó más carga operativa en las primeras semanas.

La solución: implementamos un sistema de 'escalamiento inteligente'. Cuando el bot detecta un caso que no encaja en los patrones conocidos, lo marca, extrae la información que sí pudo procesar, y lo escala a un operador humano con contexto. El operador resuelve, y esa resolución alimenta el modelo para que la próxima vez lo maneje solo. En 3 meses, los edge cases que requerían intervención bajaron del 18% al 5%.

Este es un clásico que vemos en empresas donde un C-level se entusiasmó con AI después de una conferencia. Llegan con una lista de 15 procesos para automatizar y quieren arrancar todos al mismo tiempo. Es la receta perfecta para el fracaso.

Una empresa de logística en Montevideo quería automatizar: facturación, tracking de envíos, atención al cliente, gestión de reclamos, reportes para clientes, coordinación de fletes, liquidación de comisiones, y control de inventario. Todo a la vez. Con un equipo de IT de 4 personas.

Lo que hicimos: dijimos que no. Les propusimos empezar por UN solo proceso — el que tuviera mayor volumen, menor complejidad, y mayor impacto visible. Elegimos facturación. En 8 semanas lo automatizamos, lo estabilizamos, y el equipo de IT aprendió a mantenerlo. Recién entonces pasamos al segundo proceso.

18 meses después, tienen 6 de los 8 procesos automatizados, funcionando en producción, con métricas claras de impacto. Si hubiéramos arrancado todos a la vez, estoy convencido de que hoy no tendrían ninguno funcionando bien.

La regla: un proceso a la vez. Máximo dos si son independientes y tenés equipo suficiente. La automatización es un músculo que se entrena, no un switch que se prende.

Un banco digital nos pidió automatizar el proceso de onboarding de clientes corporativos. Trabajamos con el área de tecnología y con el gerente de operaciones. Diseñamos una solución técnicamente impecable. Cuando la pusimos en producción, los analistas de onboarding la odiaron.

¿Por qué? Porque nadie les preguntó cómo hacían su trabajo realmente. El proceso documentado decía una cosa, pero en la práctica los analistas habían desarrollado atajos, validaciones informales y criterios propios que no estaban en ningún manual. La automatización los ignoró todos.

Aprendimos la lección de la peor manera. Ahora, antes de automatizar cualquier proceso, pasamos 2-3 días sentados al lado de las personas que lo ejecutan. No leyendo documentación — mirando. Preguntando '¿por qué hacés esto así?' y '¿qué pasa cuando X?'. El 90% de la información crítica para una buena automatización está en la cabeza de la gente que hace el trabajo, no en los manuales de procedimiento.

El beneficio extra: cuando el equipo participa del diseño, la adopción es radicalmente mejor. Pasan de ser 'los que el bot va a reemplazar' a ser 'los que diseñaron cómo trabaja el bot'. Y eso cambia todo.

Esto suena básico, pero lo vemos todo el tiempo: empresas que implementan una automatización, la dejan corriendo, y no la miran más hasta que explota. Es como poner un empleado nuevo y no supervisarlo nunca.

Un caso que nos dolió: una empresa de e-commerce automatizó la actualización de precios desde su ERP a su tienda online. Funcionó perfecto durante 3 meses. Un día, un error en el ERP mandó precios en cero para 200 productos. El bot los actualizó diligentemente. Vendieron 47 productos a $0 antes de que alguien se diera cuenta.

Desde entonces, toda automatización que desplegamos incluye un stack de monitoreo no negociable: alertas por anomalías (volumen inusual, valores fuera de rango, tasas de error), dashboard de performance en tiempo real, log completo de cada ejecución con trazabilidad, y circuit breakers automáticos que pausan la automatización cuando algo no cierra.

El monitoreo no es un nice-to-have. Es parte del costo de la automatización. Si no podés pagarlo, no estás listo para automatizar.

Después de todos estos aprendizajes, desarrollamos un framework que aplicamos en cada proyecto. No es ciencia espacial — es sentido común sistematizado. Pero funciona.

Medir: antes de tocar nada, medimos el proceso actual. Tiempo por ejecución, frecuencia, tasa de error, costo real (incluyendo overhead), y satisfacción del equipo. Esto nos da la línea base para calcular ROI y priorizar.

Rediseñar: con los datos en mano, analizamos el proceso. ¿Tiene pasos innecesarios? ¿Se puede simplificar? ¿Los edge cases están identificados? ¿El flujo de información es lógico? Rediseñamos primero en papel — sin tecnología — hasta que el proceso tiene sentido.

Automatizar: recién ahora metemos tecnología. Elegimos las herramientas según el caso (RPA, integraciones API, workflows con AI, o una combinación). Implementamos en fases: primero el flujo principal con los casos más comunes, después vamos agregando edge cases.

Monitorear: desplegamos el stack de observabilidad desde el día uno. Definimos KPIs claros (tiempo de ejecución, tasa de éxito, volumen procesado, excepciones), configuramos alertas, y revisamos performance semanalmente durante el primer mes, quincenalmente durante los siguientes dos.

Cada fase tiene un checkpoint con el cliente donde decidimos si avanzamos, ajustamos, o pivoteamos. No hay compromiso de 'automatizar X cosa' — hay compromiso de 'mejorar Y métrica'. Eso cambia completamente la dinámica del proyecto.

Voy a compartir números reales (anonimizados) de proyectos que completamos en los últimos 18 meses.

Proyecto 1 — Conciliación bancaria (estudio contable, 80 personas): Inversión total USD 35,000. Ahorro anual USD 61,200. ROI primer año: 175%. Tiempo de recuperación: 7 meses.

Proyecto 2 — Procesamiento de facturas (distribuidora, 200 personas): Inversión total USD 28,000. Ahorro anual USD 89,000. ROI primer año: 318%. Tiempo de recuperación: 4 meses. Bonus: eliminaron 2 días de demora en el ciclo de cobranza.

Proyecto 3 — Onboarding de clientes (fintech, 120 personas): Inversión total USD 52,000. Ahorro anual USD 145,000. ROI primer año: 279%. Tiempo de recuperación: 5 meses. Bonus: el NPS de nuevos clientes subió 23 puntos.

Proyecto 4 — Clasificación de tickets de soporte (SaaS, 60 personas): Inversión total USD 18,000. Ahorro anual USD 42,000. ROI primer año: 233%. Tiempo de recuperación: 6 meses.

El patrón es consistente: las automatizaciones bien hechas se pagan solas en 4-7 meses. Las que se hacen mal... bueno, por algo estás leyendo este artículo.

Un dato importante: estos números incluyen nuestros honorarios, el costo de licencias de herramientas, y la inversión de tiempo del equipo del cliente. No son números inflados — son lo que realmente pasó.

Antes de contactar a cualquier consultoría (incluyéndonos a nosotros), hacete estas preguntas:

¿Podés describir el proceso en un párrafo? Si no podés explicarlo claramente, no está listo para automatizarse. Primero documentalo.

¿Tenés métricas del proceso actual? Si no sabés cuánto tiempo lleva, con qué frecuencia se ejecuta, y cuál es la tasa de error, empezá por medir.

¿El proceso es estable? Si cambia cada dos semanas, automatizarlo es tirar plata. Esperá a que se estabilice.

¿Tenés alguien que pueda supervisar la automatización? No necesitás un ingeniero full-time, pero sí alguien que revise alertas y sepa qué hacer cuando algo falla.

¿El equipo está a bordo? Si las personas que hacen el trabajo ven la automatización como una amenaza, va a fracasar. Involucrá al equipo desde el día uno.

Si respondiste 'sí' a las cinco, estás listo. Si respondiste 'no' a alguna, eso no significa que no puedas automatizar — significa que tenés trabajo previo que hacer. Y ese trabajo previo es igual de valioso que la automatización misma.

En Orionis hacemos las dos cosas: te ayudamos a preparar el terreno y después automatizamos. Si querés evaluar tus procesos, escribinos a [email protected]. La conversación inicial es sin costo y sin compromiso.