¿Qué Pasa Cuando Tu Mejor Empleado de Operaciones Se Va?
Tu proceso más confiable probablemente vive en la cabeza de alguien. El conocimiento tribal como riesgo operacional, y cómo volverlo un activo propio.
Todo líder de operaciones tiene uno: la persona que simplemente sabe. El revisor que mira un paquete de documentos y detecta el problema en segundos. El jefe de equipo al que todos le derivan los casos raros. Esa persona cuyas dos semanas de vacaciones hacen que toda la cola se vuelva lenta.
Esa persona es un activo. Y también es uno de los riesgos sin precio más grandes de tu operación, porque cuando se va, el proceso se va con ella.
El proceso que operas no es el proceso que documentaste
La mayoría de los procesos operacionales existen en dos versiones. Está la versión documentada: el SOP, el checklist, la presentación de entrenamiento. Y está la versión real: qué variantes de documentos llegan de verdad, qué discrepancias son eliminatorias versus formalidades, qué hacer cuando dos sistemas no coinciden, qué casos borde se pueden dejar pasar y cuáles te queman.
La versión documentada puede cubrir el 60% de lo que realmente ocurre. El resto es reglas, experiencia y juicio acumulado. Y vive en la cabeza de las personas.
Lo vimos de forma concreta en un marketplace automotriz líder que procesaba alrededor de 1.000 evaluaciones de compra de vehículos por semana, cada una con unos cinco documentos. El proceso de revisión estaba nominalmente documentado. Pero la realidad operacional (las reglas estado por estado, los patrones de fraude, las decisiones de criterio) vivía en gran parte en la cabeza del equipo de Deal Support. Cuando un revisor senior se iba, su reemplazo no heredaba ese conocimiento. Lo reconstruía, lentamente, cometiendo los mismos errores de los que su antecesor ya había aprendido años antes.
Lo que realmente cuesta el conocimiento tribal
El costo no aparece como una línea en el presupuesto, y por eso rara vez se gestiona. Aparece como:
Tiempo de entrenamiento. Cada nueva contratación en un rol de revisión intensivo en juicio toma meses en alcanzar plena productividad, y la alcanza absorbiendo conocimiento de la gente a su alrededor, una escalación a la vez.
Regresión de errores. Cuando un revisor experimentado se va, la tasa de error en su cola sube antes de volver a bajar. En operaciones intensivas en documentos que hemos medido, los equipos que funcionaban mayormente a base de experiencia rondaban un 7% de error. Cada salida reiniciaba parte de la curva de aprendizaje.
Cuellos de botella de persona clave. Los mejores se convierten en punto de escalación de todos los demás, lo que limita el throughput exactamente en los casos que más importan.
Una rueda de contratación sin fin. Si el proceso solo existe en las personas, escalar el proceso significa escalar a las personas, y cada nueva contratación carga el mismo costo de rampa y el mismo riesgo eventual de salida.
La alternativa: hacer el conocimiento ejecutable
Hay otra forma de tratar este problema, y empieza con un proceso de descubrimiento, no con una decisión tecnológica. La meta es tomar lo que saben tus mejores operadores y hacerlo lo suficientemente explícito como para ejecutarse, ya sea que lo ejecute un humano o una IA.
En la práctica, ese descubrimiento se ve así. Te sientas con las personas que operan el proceso y recorres transacciones reales: no el SOP, casos reales. Catalogas los tipos de documento que efectivamente llegan, incluyendo las variantes desprolijas. Extraes las verificaciones que hacen, las reglas que aplican y el orden en que las aplican. Y prestas especial atención a las excepciones: los casos donde se detienen a pensar, porque esas fronteras entre “rutinario” y “necesita juicio” son el conocimiento más valioso del edificio y el menos probable de estar escrito en alguna parte.
Lo que sale del otro lado es el proceso, externalizado: tipos de documento, campos de extracción, lógica de verificación, reglas de negocio, criterios de decisión y una ruta de excepción definida de vuelta a los humanos. En ese punto puede ser operado por IA: entran documentos, se extraen y verifican datos estructurados, se aplican reglas, salen decisiones, y las excepciones se escalan con contexto.
En el marketplace automotriz, eso fue exactamente lo que pasó. El conocimiento capturado se convirtió en un sistema de decisión en producción. Alrededor del 50% de los deals hoy se aprueban automáticamente en menos de dos minutos, cerca del 70% del volumen es gestionado por IA, y la tasa de error cayó de aproximadamente 7% a aproximadamente 1%. Es mejor que el equipo experimentado del que aprendió, porque las reglas ejecutables no tienen días malos ni olvidan el caso borde de hace dieciocho meses.
El cambio estratégico
El beneficio visible es eficiencia, pero el más profundo es propiedad. Antes, la capacidad de evaluación de la empresa era una propiedad de empleados específicos. Después, es una propiedad de la empresa: versionada, auditable, mejorable e inmune a las cartas de renuncia. El equipo humano restante (seis personas, desde doce, con el resto reasignado a trabajo de crecimiento) maneja las decisiones que genuinamente requieren juicio, y todo lo que aprenden de nuevos casos borde se incorpora de vuelta a las reglas en lugar de acumularse en una cabeza más.
Entonces la pregunta que vale la pena hacerse no es “¿deberíamos automatizar?”. Es más simple y más incómoda: si tus tres personas más experimentadas de operaciones renunciaran este trimestre, ¿cuánto de tu proceso seguiría existiendo?
Si la respuesta honesta es “no lo suficiente”, el proceso de descubrimiento de arriba vale la pena correrlo incluso antes de cualquier decisión de automatización. Y si quieres ver a dónde puede llevar, los números anónimos están en nuestro caso AI Deal Engine.