Después de medir el modelo con un scorecard y de ritualizar la intervención cuando un KPI se pone en rojo, aparece la pregunta que más frena a los comités: ¿qué caso de uso de IA financiamos primero? En muchas empresas mexicanas la respuesta sigue siendo política o intuitiva. La alternativa operativa es una matriz de priorización que combine valor de negocio, madurez de datos y riesgo en una sola vista.
Esta guía describe cómo armar esa matriz en dos semanas, qué puntajes usar y cómo convertirla en una cola de inversión trimestral. Está pensada para operaciones, finanzas, TI y el sponsor de negocio que ya tiene un piloto o un scorecard, pero todavía no un portafolio ordenado.
Por qué falla la priorización “por intuición”
Cuando no hay un marco común, cada área defiende su caso. Comercial quiere un copiloto de propuestas. Operaciones pide automatizar excepciones. Finanzas prioriza conciliación. TI insiste en gobernanza. Todos pueden tener razón a la vez; el problema es que el presupuesto y el ancho de banda de datos no escalan al mismo ritmo.
Sin matriz, los síntomas son predecibles:
- Se financian demos atractivas con poco impacto en el P&L.
- Se bloquean casos de alto valor porque “los datos no están listos”, sin cuantificar qué falta.
- Se subestiman riesgos de cumplimiento, sesgo o dependencia de un proveedor.
- El comité revisa slides, no una cola comparable de oportunidades.
La matriz no elimina el juicio ejecutivo. Lo organiza: obliga a poner números y supuestos sobre la mesa antes de abrir un ticket de desarrollo o firmar un contrato.
Las tres dimensiones que sí importan
Para B2B en México y LatAm, tres ejes bastan. Más ejes generan debate; menos dejan puntos ciegos.
1. Valor de negocio (impacto en 90 días)
Estime el impacto neto anualizado si el caso funciona a escala piloto o de producción temprana. Tradúzcalo a una o dos métricas del P&L o del costo unitario: margen, horas liberadas, reducción de reprocesos, conversión, días de cobranza, costo por ticket.
Use bandas, no falsas precisiones:
- Alto (5): impacto claro y medible en un KPI que ya reporta la dirección.
- Medio (3): impacto plausible, pero depende de adopción o de un proceso adyacente.
- Bajo (1): mejora local o cosmético; difícil de ver en el reporte mensual.
Si no puede nombrar el KPI del scorecard al que alimentaría el caso, baje el puntaje. El vínculo con el tablero de decisiones es el filtro anti-hype.
2. Factibilidad de datos e integración
Aquí entran contratos de datos, calidad, latencia y dueño. Pregunte:
- ¿Existe una fuente confiable (ERP, CRM, WMS, contact center) con campos estables?
- ¿Hay un dueño del dato y un SLA de actualización?
- ¿El caso necesita historial limpio o basta con eventos recientes?
- ¿La integración es lectura, escritura o ambas?
Puntaje sugerido:
- 5: datos listos, contrato claro, integración de solo lectura o ya probada.
- 3: datos parciales; se requiere 2–4 semanas de preparación.
- 1: datos dispersos, sin dueño, o dependencia de un sistema legacy sin API usable.
3. Riesgo (cumplimiento, cliente, operación)
El riesgo baja el score, no lo sube. Evalúe exposición a datos personales, decisiones que afectan al cliente final, irreversibilidad de acciones automáticas y dependencia de un único proveedor o modelo.
Escala inversa:
- Riesgo bajo (multiplicador 1.0): modo sombra o recomendación con humano en el loop.
- Riesgo medio (0.8): escribe en sistemas internos con rollback sencillo.
- Riesgo alto (0.5): actúa hacia el cliente o toca datos sensibles sin controles maduros.
Un caso de alto valor y datos listos puede esperar un sprint de controles si el riesgo es alto. Eso no es rechazo; es secuencia.
Fórmula simple para el score de priorización
Para cada caso de uso, calcule:
Score = (Valor × Factibilidad_de_datos) × Multiplicador_de_riesgo
Ejemplo:
- Automatizar triaje de tickets L1: Valor 5, Datos 5, Riesgo 1.0 → Score 25.
- Copiloto de propuestas con escritura al CRM: Valor 5, Datos 3, Riesgo 0.8 → Score 12.
- Pricing dinámico hacia cliente final: Valor 5, Datos 3, Riesgo 0.5 → Score 7.5.
Ordene de mayor a menor. Los primeros tres del trimestre entran a diseño detallado; el resto queda en backlog con fecha de reevaluación. Si dos casos empatan, gana el que alimente un KPI en rojo del scorecard o el que cierre un loop de excepciones ya operativo.
Cómo llenar la matriz en 10 días hábiles
Días 1–2: inventario. Liste 8–15 candidatos con una frase de problema, dueño de negocio y sistema fuente. Descarte duplicados y “ideas de demo”.
Días 3–5: scoring. En un taller de 90 minutos, Valor, Datos y Riesgo se puntúan en voz alta. Registre supuestos. Si hay desacuerdo mayor a un punto, anote la evidencia faltante y asigne un dueño para traerla en 48 horas.
Días 6–7: validación de datos. Para los cinco mejores scores, confirme con TI o el dueño del dato si el contrato existe, qué campos faltan y el esfuerzo real de preparación.
Días 8–10: decisión. Presente al sponsor la cola ordenada, el presupuesto estimado por caso (personas + herramientas + integración) y la secuencia de 90 días. Congelé la matriz hasta el siguiente ritual trimestral, salvo que un KPI crítico cambie de color.
Plantilla mínima (columnas que sí usa el comité)
Evite hojas con veinte columnas. Con estas alcanza:
- Nombre del caso y dueño de negocio
- KPI del scorecard que mueve
- Valor (1–5) y supuesto de impacto
- Factibilidad de datos (1–5) y sistema fuente
- Riesgo (bajo/medio/alto) y control requerido
- Score final
- Esfuerzo estimado (S/M/L) y ventana sugerida
- Estado: backlog / diseño / piloto / producción
Guarde la versión firmada del trimestre. Cuando alguien proponga un caso nuevo a mitad de ciclo, entre por la misma matriz; no por excepción política.
Errores frecuentes (y cómo evitarlos)
- Sobreponderar la novedad del modelo. Un modelo sofisticado sobre datos rotos pierde frente a una regla bien instrumentada con datos limpios.
- Ignorar el costo de adopción. Si el equipo de línea no tiene cola de excepciones ni tiempo de revisión, baje el valor efectivo.
- Tratar el riesgo como veto absoluto. Casi siempre se mitiga con modo sombra, límites de acción o aprobación humana.
- No conectar con el P&L. Si el caso no aparece en el scorecard ni en el ritual semanal, es improbable que sobreviva al siguiente recorte presupuestal.
De la matriz al portafolio de 90 días
Una vez ordenada la cola, defina tres buckets:
- Quick wins (score alto, esfuerzo S): arranque en 30 días, idealmente con modo sombra.
- Apuestas del trimestre (score alto/medio, esfuerzo M): un piloto con criterios de go/no-go.
- Fundacionales (score medio, desbloquean otros): contratos de datos, catálogos, gobierno mínimo.
El portafolio sano mezcla los tres. Solo quick wins dejan deuda de datos. Solo fundacionales no mueven el P&L a tiempo. La matriz hace visible ese equilibrio.
Señales de que la priorización está funcionando
- El comité discute scores y supuestos, no preferencias de área.
- Cada caso activo tiene KPI, dueño y fecha de reevaluación.
- Los casos rechazados o aplazados quedan documentados (evita el reciclaje eterno).
- El ritual semanal del scorecard y la cola de excepciones alimentan la siguiente ronda de scoring.
Cuando eso ocurre, la IA deja de ser una colección de experimentos y pasa a ser un portafolio con ritmo de inversión.
Próximo paso práctico
Si ya tiene scorecard y un par de pilotos, no abra otro caso “porque está de moda”. Arme la matriz con sus ocho candidatos reales, puntúe en una sesión y publique la cola del trimestre. Eso reduce fricción, protege el presupuesto y alinea TI, datos y negocio alrededor de las mismas reglas.
En Next Wave AI acompañamos a equipos en México a conectar decision intelligence, datos e implementación con criterios medibles. Si quiere revisar su matriz de casos de uso o convertirla en un plan de 90 días, escríbanos a contacto@nextWaveAI.AI o llame al +52 (33) 3126 6969.
Add comment