Automatizar la entrada de pedidos con IA: el ahorro no está en leer el correo

Respuesta corta: lo que hoy resuelve bien un sistema de IA —leer un correo, un PDF o un audio de WhatsApp y sacar de ahí el cliente, las referencias y las cantidades— es la parte del proceso que menos horas ahorra. Las horas están en los relevos: cuántas veces el pedido cambia de manos entre que entra y queda grabado. Si se automatiza la lectura y el pedido sigue parando en los mismos cinco escritorios, el ahorro es pequeño y el proyecto decepciona.

Es la diferencia entre automatizar una tarea y rediseñar un proceso. Y explica bastante bien por qué hay tantas empresas con IA funcionando y ningún número que enseñar.

¿Qué es exactamente «la entrada de pedidos»?

Casi nadie lo tiene escrito, y ese es el primer problema. Cuando se abre el proceso de una empresa de distribución o de alimentación, la entrada de un pedido no es un paso: son cinco o seis, repartidos entre varias personas.

1. Recepción. Llega por correo, por teléfono, por WhatsApp, a veces en una nota de voz o en una foto de un albarán escrito a mano.
2. Interpretación. Alguien decide qué producto es «lomo en cinta» cuando en el maestro de artículos figura con otro nombre y tres formatos.
3. Comprobación. Tarifa del cliente, condiciones pactadas, cantidad mínima, si ese cliente tiene riesgo o está al corriente.
4. Introducción. Teclear el pedido en el sistema de gestión.
5. Gestión posterior. Confirmar, avisar de una rotura, corregir una línea, responder al «¿ha entrado ya el mío?».

En el caso que tengo en producción en Grupo Cárnico DACRISA, ese circuito tenía estas dimensiones:

¿Por qué extraer los datos ahorra menos de lo que parece?

Porque el coste no está en teclear: está en el relevo. Cada vez que el pedido pasa de una persona a otra —o de la máquina a una persona— hay que mirarlo, entenderlo, comprobar que no se ha perdido nada y decidir el siguiente paso. Ese trámite se repite en cada frontera del proceso, y es invisible en cualquier cronómetro que mida sólo la parte de escribir.

Es lo que describe un estudio del MIT Sloan, Chaining Tasks, Redefining Work, resumido por la escuela en abril de 2026: el valor de la IA no aparece a nivel de tarea, sino de flujo. La formulación es literal: «cada vez que el trabajo pasa de la IA a una persona, hace falta revisarlo, validarlo y ajustarlo; esos puntos de control frenan el sistema entero». Su conclusión práctica es la que aplico al diseñar: importa tanto cómo se agrupan las tareas como cuáles se automatizan. Una sola que la IA lleve mal en mitad de la cadena estropea la secuencia entera.

Automatizar el paso 2 de seis y dejar los otros cinco intactos no es medio proyecto. Suele ser ninguno.

Harvard Business Review lo planteó en los mismos términos el 14 de septiembre de 2026: las empresas gastan en IA y no ven retorno a escala de compañía «porque automatizan tareas sueltas en lugar de rediseñar los flujos de trabajo que generan valor». En ese mismo artículo, Masha Shunko y Serguei Netessine recogen dos cifras que conviene tener delante: según la encuesta global de directivos de PwC de 2026, sólo el 12 % declara beneficios en ingresos y en costes a la vez; y según un análisis de McKinsey QuantumBlack de abril de 2026, el 60 % de las organizaciones no aprecia impacto en el resultado operativo, aun cuando casi ocho de cada diez usan IA generativa en alguna función.

¿Cuántas horas se recuperan entonces?

Las que deja de consumir la cadena completa, no la tarea. En el caso de DACRISA, la fase inicial deja de ocupar esas cuatro horas diarias del equipo. Sobre cinco días y 52 semanas son unas 1.040 horas anuales de capacidad operativa. La cuenta es 4 × 5 × 52, está a la vista y es deliberadamente conservadora: no descuenta vacaciones ni festivos, pero tampoco suma el tiempo que después se iba en la gestión individual de cada pedido, que es real y no está medido.

Esas horas no son dinero ahorrado en salarios, porque las personas siguen en la empresa. Son capacidad que se libera, y esa capacidad tiene un precio de mercado. Con el coste laboral total por hora efectiva que publica el INE para Industria en Andalucía —24,87 € en el segundo trimestre de 2026, tabla 6062 de la Encuesta Trimestral de Coste Laboral— salen unos 25.865 € al año.

Es una estimación, y quiero que se lea como tal: multiplica una estimación conservadora de horas por una media estadística del sector, no por el coste real de esa plantilla. No es un ahorro contabilizado. Si quieres hacer la misma cuenta con tus propios números, está montada en la calculadora de retorno, que funciona entera en tu navegador y no manda nada a ningún sitio.

¿Qué pedidos siguen pasando por una persona?

Bastantes, y así debe ser. Un sistema honesto no aspira al 100 %: aspira a que lo dudoso se detenga y lo demás siga. Lo que en la práctica se para es siempre lo mismo:

• Referencias que no casan con nada del maestro de artículos, o que casan con dos cosas.
• Precios fuera de la tarifa pactada con ese cliente.
• Cantidades muy por encima o por debajo de lo que ese cliente pide siempre.
• Clientes nuevos, o pedidos de alguien con el riesgo comercial bloqueado.

Esos van a una bandeja de revisión con el documento original y la propuesta del sistema al lado, y se resuelven en segundos en lugar de teclearse desde cero. La diferencia con el proceso viejo no es que desaparezca la persona: es que la persona pasa de picar todos los pedidos a decidir sobre unos pocos. El resto entra solo.

Con una condición de arquitectura que no es negociable: los datos duros —precio, stock, condiciones, riesgo— salen del sistema de gestión, nunca del modelo. El modelo lee e interpreta; quien decide si un precio es correcto es la tarifa. Confundir las dos cosas es lo que convierte un pedido mal leído en un camión mal cargado. Y si el cliente además conversa con un asistente por WhatsApp, hay una obligación de transparencia europea ya vigente que conté en el artículo sobre el AI Act.

¿Por dónde se empieza?

Antes de mirar herramienta alguna, tres cosas concretas:

1. Dibuja el circuito real de un pedido. De dónde entra, por cuántas manos pasa, dónde espera. No el que está en el manual: el de esta semana. Casi siempre hay dos o tres relevos que nadie recordaba.
2. Cuenta los relevos, no los minutos. Cada frontera entre dos personas es un punto de espera y un punto de error. Ese número es el que predice el ahorro.
3. Mide antes. Cuántos pedidos, cuánto tiempo, cuántas correcciones al mes. Sin ese punto de partida no vas a poder demostrar después que ha mejorado, y te quedarás con una estimación en vez de con un dato.

Si quieres una primera lectura sin hablar con nadie, el autodiagnóstico son siete preguntas y dos minutos, y sale de reglas propias, no de un modelo.

¿Esto sirve en una empresa pequeña?

Sirve, y de hecho es donde el circuito suele ser más corto y más fácil de cambiar. Lo que pasa es que es donde menos se hace: según el INE, en el primer trimestre de 2025 usaba inteligencia artificial el 21,1 % de las empresas de diez o más empleados —8,7 puntos más que un año antes— y el 13,4 % de las de menos de diez. Eurostat sitúa la media de la Unión Europea en el 20,0 % de las empresas de diez o más empleados en 2025, frente al 13,5 % de 2024.

La ventaja de la empresa pequeña no es llegar la primera a nada. Es que un proceso de cincuenta personas se reordena entero en semanas, y uno de cinco mil hay que negociarlo con cuatro departamentos.

Mi lectura, en una línea: no preguntes si la IA puede leer tus pedidos —puede—, pregunta cuántas veces cambia de manos uno de tus pedidos antes de quedar grabado. Ese número es el proyecto. Aplicado, es esto: integración de CRM y datos conectados.