Tu IA puede tener el dato correcto delante y aun así no servirte de nada, si ese dato nunca sale del panel donde vive. Es justo lo que descubrimos hace unos días: un sistema de avisos que vigila la salud de una integración de facturación ya calculaba, factura a factura, si las líneas de detalle sumaban el importe declarado. El cálculo era correcto. Nunca disparó un aviso. Se enteró antes el propio cliente, con un informe suyo, que el sistema que se supone que está vigilando eso.
El hueco: un dato correcto que nunca se convirtió en un aviso
La integración lleva tiempo en producción, extrayendo facturas y comprobando que cuadran. Y ese "comprobar que cuadran" ya existía: por cada factura nueva, el sistema sabía si la suma de sus líneas de detalle coincidía con el total declarado. Ese dato estaba bien calculado. El problema no era de cálculo, era de destino: esa comprobación se guardaba en el panel, visible solo si alguien entraba a mirarlo a mano. No generaba ningún correo, ningún mensaje, ninguna señal que llegara sin que alguien fuera a buscarla.
El resultado, cuando se puso número encima: solo el 35,6% de las facturas nuevas cuadraba en el detalle. El resto, más de 6 de cada 10, tenía algún desajuste entre lo que decían sus líneas y lo que decía el total, y nadie lo sabía porque nadie estaba mirando el panel a diario. Lo destapó el propio cliente, cruzando un informe suyo, no la herramienta que llevaba semanas calculando exactamente ese dato.
Por qué un panel correcto no es lo mismo que un panel que avisa
Es fácil dar por hecho que si un sistema "sabe" algo, ya está resuelto. No es así. Calcular un dato y convertirlo en un aviso activo son dos pasos distintos, y el primero no garantiza el segundo. Un dashboard que muestra un semáforo en rojo solo sirve si alguien lo mira; un aviso que llega a un canal se nota exista o no exista la costumbre de entrar a comprobar.
Esto no es un caso aislado. Ya lo vimos con una comparación entre sedes que destapó datos que faltaban: el proceso técnico no fallaba, solo devolvía una respuesta incompleta con pinta de completa. Aquí el patrón es el hermano gemelo, aplicado a facturas en vez de a sedes: el dato de que algo no cuadraba existía, calculado y correcto, y aun así el fallo era invisible para cualquiera que no abriera el panel a propósito.
La regla de decisión: 4 preguntas para cualquier proceso de IA que "vigile" algo
Antes de dar por bueno cualquier sistema (con IA o sin ella) que se anuncie como "vigilancia" o "control de calidad" de un proceso, estas cuatro preguntas separan el que de verdad te protege del que solo acumula datos correctos sin usarlos:
- ¿El dato que calcula se queda guardado, o se convierte en un aviso activo? Si solo se ve entrando a mirar un panel, no está vigilando: está archivando.
- Si el aviso no llega, ¿alguien lo notaría antes de que lo note un cliente o un proveedor externo? Si la respuesta es "no, hasta que alguien de fuera lo diga", el sistema no cumple su función, por mucho que el cálculo interno sea impecable.
- Si el mismo fallo aparece en varios registros a la vez, ¿el aviso los agrupa o manda un mensaje por cada uno? Un aviso por línea confunde un problema puntual con un problema de extracción o de despliegue completo; agrupado, se distingue de un vistazo.
- ¿Hay una línea base que separe lo ya conocido de lo nuevo? Sin eso, cada revisión vuelve a mezclar los mismos casos pendientes con los que de verdad son nuevos, y nunca queda claro si se está mejorando o solo repitiendo la misma lista.
Cómo se cerró el hueco
La corrección no tocó el cálculo (ya era correcto), tocó el destino del dato:
- Se añadió la regla que sí avisa, activa sobre el mismo cálculo que ya existía.
- Se agrupan varias facturas fallidas del mismo lote en un solo mensaje, para que un fallo puntual no se confunda con un problema más grande de extracción o de despliegue que afecte a muchas a la vez.
- El backlog ya conocido (80 casos) se acepta aparte, como línea base, y esa línea base solo puede encoger a partir de ahora, nunca crecer: lo nuevo que aparezca a partir de aquí sí dispara aviso desde el primer caso.
| Antes | Después |
|---|---|
| El detalle se comprobaba, pero solo se veía a mano | El mismo cálculo dispara un aviso activo |
| Un fallo por factura generaba (o no generaba) ruido suelto | Varios fallos del mismo lote llegan agrupados en un mensaje |
| No había forma de saber si algo era nuevo o ya conocido | Línea base de 80 casos aceptada aparte, que solo puede bajar |
| Lo notaba antes el cliente que el sistema de vigilancia | El sistema avisa antes de que alguien externo lo note |
Por qué esto es el terreno de AutoBoost
Este tipo de comprobación es el mismo trabajo que hacemos cuando montamos la entrada automática de facturas con OCR e IA: no basta con que la IA extraiga y contabilice, hace falta que verifique cada línea contra el total y que, si algo no cuadra, alguien se entere sin tener que ir a buscarlo. En el caso del grupo veterinario con facturas que se contabilizan solas, la regla es incluso más estricta: si la factura no cuadra, la IA la borra en vez de dejarla a medias, precisamente para no crear el mismo problema que aquí, un dato incorrecto que parece asentado porque nadie lo señaló a tiempo.
La lección que se lleva cualquier negocio con un panel de control
Un proceso que "sabe" algo y no te lo dice no te está protegiendo de nada. Si tu empresa tiene algún panel, ERP o sistema de IA que promete vigilar la calidad de un dato (facturas, cobros, stock, lo que sea), la pregunta que de verdad importa no es si calcula bien: es si ese cálculo llega a alguien capaz de actuar antes de que un cliente, un proveedor o una inspección lo destape por ti.
Si tienes procesos de facturación, contabilidad o datos donde sospechas que algo se calcula pero nadie se entera cuando falla, hablemos. En AutoBoost construimos software e IA a medida que no se conforma con calcular bien: avisa cuando algo no cuadra, antes de que lo note otra persona. Contacta con nosotros y lo revisamos juntos.
