En 2017 nadie hablaba de inteligencia artificial en las reuniones de directorio. No existía ChatGPT, no había cursos de prompts ni gurúes en redes. Pero ya había empresas usando machine learning para resolver problemas caros. Nosotros éramos una de ellas: modelos para detectar fraude en aseguradoras y verificar identidad en fintech.
Esa experiencia nos dejó lecciones que hoy, con el boom de la IA, valen más que nunca. Acá van las cinco más importantes.
1. La IA sirve cuando ataca un problema concreto
Ningún proyecto nuestro empezó con "queremos usar IA". Empezaba con "perdemos plata con operaciones fraudulentas" o "tardamos días en validar a un cliente". El problema definía la solución, no al revés.
Hoy pasa lo contrario: muchas empresas compran IA y después buscan para qué usarla. Ese orden casi siempre termina mal.
2. Si no se mide, no existe
En detección de fraude todo se mide: cuántos casos detecta el modelo, cuántas alarmas falsas da, cuánto se ahorra. Sin esos números, nadie aprueba un proyecto. Contamos cómo funciona en detalle en nuestra nota sobre detección de fraude con IA.
La regla aplica a cualquier automatización: si no podés decir qué problema resuelve y cuánto ahorra, no es IA útil. Es marketing.
3. Los datos valen más que el modelo
El mismo algoritmo, con datos desordenados, da resultados mediocres. Con datos limpios y bien elegidos, da resultados excelentes. En 2017 pasábamos más tiempo ordenando información que entrenando modelos. Hoy sigue siendo así, aunque los modelos sean mucho más potentes.
4. Las personas siguen decidiendo
Ningún modelo de fraude bloqueaba operaciones solo. Marcaba casos sospechosos y una persona revisaba. La IA filtraba miles de operaciones para que el equipo mirara las pocas que importaban.
Ese esquema sigue siendo el mejor: la máquina hace el trabajo pesado y repetitivo, y las personas aportan el criterio.
5. La seguridad no se negocia
Cuando trabajás con datos de bancos y aseguradoras, aprendés rápido que la información del cliente es sagrada. De ahí viene nuestra decisión de que Axven guarde la información en servidores propios en Argentina y ofrezca modelos que corren 100% en infraestructura local cuando los datos son sensibles. Lo explicamos en nuestra nota sobre IA on-premise.
Por qué esto importa hoy
Las herramientas cambiaron muchísimo. Las reglas para usarlas bien, casi nada. Quien aplicó IA antes del hype sabe distinguir entre lo que funciona y lo que solo suena bien. Ese criterio es lo que tratamos de llevar a cada proyecto.
El próximo paso
Si tenés un problema concreto y querés saber si la IA lo puede resolver, empezamos por ahí. En una charla de 30 minutos sin cargo lo revisamos y te decimos con honestidad si conviene o no.