1. Hablar del trabajo real
El punto de partida es una conversación sobre una tarea concreta: qué la activa, qué información recibe, qué decisiones aparecen, qué resultado necesita el equipo y dónde se atasca. La herramienta no define por sí sola el problema.
2. Diagnosticar antes de elegir
Se separan pasos repetitivos, decisiones con contexto, traspasos, datos, permisos y excepciones. El diagnóstico puede concluir que conviene una solución más sencilla o que todavía no hay condiciones para automatizar.
3. Diseñar una prueba acotada
La primera implantación se centra en un proceso prioritario, con entradas localizables, salida esperada, responsable y condición de calidad. Se decide qué puede observarse, qué puede preparar la IA y qué no debe ejecutarse sin autorización.
4. Revisar y medir
La persona revisa propuestas, correcciones e incidencias antes de ampliar la autonomía. Se conserva una línea base y un periodo comparable para distinguir una estimación, una percepción y un cambio observado.
5. Acompañar la adopción
Una mejora se consolida cuando el equipo entiende sus límites, sabe comunicar una excepción y puede recuperar un error. El seguimiento puede llevar a consolidar, corregir, reducir autonomía o parar.
Guía de adopción y seguimiento y formación y acompañamiento.
Una metodología que aprende
Este recorrido es una propuesta de trabajo basada en BAS v1.1, experiencia propia y fuentes de referencia. Cada empresa conserva sus datos y reglas en su sistema de autoridad; los cambios, decisiones y resultados se revisan en su contexto.
Fuentes primarias de orientación
El método se contrasta con marcos públicos sobre procesos, riesgos, adopción y protección de datos: NIST AI Risk Management Framework, enfoque de procesos de ISO 9001, OCDE sobre adopción de IA en pymes y AEPD sobre auditorías de tratamientos con IA. Estas fuentes orientan el diagnóstico; no convierten esta página en una certificación ni prueban resultados de una implantación.