Sin el mapa, cualquier solución de IA es una apuesta. El mapeo de procesos transforma impresiones sobre «dónde está lento» en evidencia de dónde está el cuello de botella real, y solo vale la pena atacar primero el cuello de botella real.
Diagrama ilustrativo — mapa simplificado del flujo de valor con cuello de botella identificado.
🔗 Value stream mapping
El VSM es una fotografía del flujo completo: desde el input (pedido del cliente, documento recibido, dato creado) hasta el output (entrega, respuesta, decisión). El objetivo no es un diagrama bonito — es revelar dónde se pierde el tiempo.
Cómo construir el VSM
- 1.Define el alcance: ¿qué proceso da inicio y fin al mapa?
- 2.Enumera todas las etapas en secuencia (usa notas adhesivas o una pizarra)
- 3.Para cada etapa: quién la realiza, qué sistema usa y cuánto tiempo lleva
- 4.Agrega los tiempos de espera entre etapas (transferencias)
- 5.Calcula el lead time total y compáralo con el tiempo de procesamiento puro
Tiempo total del proceso (incluye la espera)
Tiempo de trabajo real en cada etapa
cycle / lead = % del tiempo que agrega valor
⏱️ Medir tiempo, espera, retrabajo y costo
Los datos sin medición son anecdóticos. Cada etapa necesita una cifra — sin esto, la priorización se basa en quién grita más fuerte en la reunión, no en dónde está realmente el problema.
Métricas por etapa
| Métrica | Cómo recopilar | Por qué importa |
|---|---|---|
| Tiempo de procesamiento | Cronometrar / preguntar | Dónde va el trabajo humano |
| Tiempo de espera (cola) | Registro del sistema / observar | Dónde se pierde tiempo sin trabajar |
| Tasa de retrabajo | Historial de correcciones | Costo oculto de calidad |
| Costo unitario | Salario × tiempo × personas | Base del caso de negocio |
💡 Consejo: la fórmula del costo anual
Costo anual de la etapa = frecuencia diaria × costo por ocurrencia × días hábiles
Ejemplo: análisis manual de 50 documentos/día × R$12 cada uno × 250 días = R$150.000/año. Ese es el número que justifica invertir en automatización.
🍾 Encontrar el cuello de botella (Theory of Constraints)
Eliyahu Goldratt demostró que todo sistema tiene exactamente un cuello de botella — la etapa más lenta que determina la velocidad de todo el flujo. Mejorar cualquier otra etapa no cambia el throughput: solo el cuello de botella puede hacerlo.
Cómo identificar el cuello de botella
- ✓Es la etapa con la fila de espera más larga antes de ella
- ✓Las etapas anteriores quedan inactivas mientras esperan que ella las libere
- ✓Las etapas posteriores quedan esperando que ella produzca
- ✓El equipo en esta etapa siempre está ocupado / sobrecargado
Los 5 pasos de TOC
- Identificar la restricción (el cuello de botella)
- Aprovechar la restricción (sacar el máximo sin invertir)
- Subordinar todo al cuello de botella
- Elevar la restricción (invertir para ampliar la capacidad)
- Volver al paso 1 — el cuello de botella se desplazó
El error clásico: optimizar la etapa equivocada
Automatizar una etapa que no es el cuello de botella solo hace que produzca más rápido para esperar en la fila del cuello de botella. El resultado es un sistema más rápido en el 80% de las etapas, pero con el mismo resultado final. Es el desperdicio más común en proyectos de IA.
📊 Datos de volumen y frecuencia
Volumen × frecuencia es el multiplicador del impacto. Un proceso largo que ocurre 3 veces al año rara vez justifica la automatización. Un proceso rápido que ocurre 500 veces al día suele justificarla.
Preguntas para recopilar datos de volumen
- •¿Cuántas veces ocurre este proceso al día, a la semana o al mes?
- •¿Cuáles son los picos? ¿Hay estacionalidad?
- •¿Cuántas personas participan en cada ocurrencia?
- •¿Este volumen está creciendo, se mantiene estable o está disminuyendo?
Menos de 20 casos/mes. La automatización rara vez vale la inversión. Considera optimizar el proceso o usar una lista de verificación.
Más de 100 casos al día. La automatización con IA suele tener ROI en meses. Alta prioridad en la matriz.
🧮 Trabajo repetitivo vs. basado en el criterio
No todo el trabajo se puede automatizar de la misma manera. La distinción fundamental: trabajo basado en reglas (determinístico) vs. basado en el juicio (contextual). La IA vive en el punto medio.
Determinístico
Reglas fijas, sin variaciones
- • Enviar un email cuando X
- • Calcular el impuesto según la tabla
- • Enrutamiento por tipo de documento
→ Automatización clásica (RPA, if/else)
Patrón con variación
Patrones reconocibles pero variables
- • Clasificar la categoría del ticket
- • Resumir un documento extenso
- • Extraer datos de una factura
→ IA/LLM (workflow o agente)
Criterio contextual
La decisión depende de un contexto amplio
- • Negociar un contrato complejo
- • Decisión jurídica con riesgo
- • Diagnóstico médico diferencial
→ Humano (la IA puede asistir)
📝 Documentar y validar el mapa con el equipo
El mapa que dibujaste por tu cuenta siempre está mal. Validar con quien lo ejecuta es obligatorio antes de convertir el mapa en un diagnóstico. Y el propio proceso de validación es valioso: genera compromiso.
Taller de validación del mapa
Nunca lo envíes antes: la reacción al verlo en vivo es más honesta.
Ten un marcador a mano. Se esperan errores: no trabajas ahí.
"¿Están de acuerdo en que esta etapa lleva ~X minutos?" — las estimaciones colectivas son más precisas que las individuales.
Etapas informales, aprobaciones por WhatsApp, verificaciones que "todo el mundo hace pero nadie sabe".
💡 El valioso efecto secundario
Cuando el equipo corrige y mejora el mapa en conjunto, pasa a ser «dueño» del diagnóstico. Esto reduce drásticamente la resistencia al cambio cuando presentes la recomendación, porque la construyeron con ellos, no se la impusieron.
🎒 Resumen del módulo
Siguiente módulo:
2.3 — Catálogo de oportunidades de IA por función