En Smel Food llevamos tiempo viendo cómo muchas personas en las empresas cliente están ya utilizando la inteligencia artificial en su día a día. Pero también que, en general, el uso suele concentrarse en dos grandes ámbitos: buscar información y redactar contenidos.
Por supuesto, usarla con esos fines tiene mucho sentido.
Durante años, buscar información significaba acudir a Google, escribir una frase más o menos acertada y revisar una lista de páginas hasta encontrar algo útil. La IA ha cambiado esa dinámica. Ahora, en muchos casos, la respuesta llega directamente elaborada, resumida y adaptada a la pregunta. Ya no se trata solo de encontrar páginas, sino de obtener una explicación.
Además, hay una diferencia clave: la interacción. En Google, cada búsqueda empieza casi desde cero. Con una herramienta de IA, puedes continuar sobre lo ya encontrado, pedir que lo aclare, que lo compare, que lo reformule, que lo aplique a tu caso o que te dé ejemplos. Esa continuidad cambia mucho la forma de trabajar.
El segundo uso habitual es la redacción. También aquí el salto es evidente. Muchas personas utilizan la IA para escribir correos, informes, procedimientos, actas, comunicados internos o textos comerciales. Su gran ventaja es que puedes darle las ideas, aunque estén desordenadas, y pedirle que las convierta en un texto claro, estructurado y mejor redactado. Lo hace rápido y, generalmente, mejor de lo que lo haríamos nosotros en una primera versión. Y, siendo sinceros, muchas veces se nota y se agradece: hay correos que se entienden mucho mejor cuando la IA ha ayudado a poner en orden las ideas antes de enviarlos.
Pero creemos que muchas empresas se están dejando atrás una tercera capa mucho más importante y menos obvia: usar la IA para ejecutar trabajo por ellas.
No solo para buscar. No solo para redactar. Para quitarte trabajo.
Pensemos en tareas muy habituales en una empresa alimentaria, especialmente en departamentos de calidad, seguridad alimentaria, compras, producción, administración o dirección. Muchas veces el problema no es que falte conocimiento, sino que se consume demasiado tiempo en ordenar información, revisar datos, comparar documentos, limpiar listados o transformar información dispersa en algo útil. La IA puede ayudar mucho en esa capa operativa.
Puede ayudar a trabajar con datos: transformar información desordenada en tablas limpias, separar en columnas datos que vienen mezclados, unificar formatos de nombres, fechas, importes, códigos o direcciones, detectar duplicados aunque no sean idénticos, comparar listados para localizar altas, bajas o cambios, o cruzar datos entre tablas cuando existe un campo común.
También puede ayudar a interpretar información: resumir una tabla larga en conclusiones comprensibles, explicar qué patrones se observan, detectar posibles errores de entrada, proponer gráficos adecuados según el tipo de dato o ayudarte a construirlos.
Y puede convertir información no estructurada en trabajo accionable: un correo largo, una reunión, una conversación o una lista de incidencias pueden transformarse en una tabla con acciones, responsables, fechas, prioridades y estado de avance.
Incluso puede ayudarte con tareas que hasta hace poco parecían muy manuales: comparar dos documentos extensos, detectar diferencias entre versiones, extraer cambios relevantes de una ficha técnica, preparar fórmulas de Excel a partir de una explicación en lenguaje natural o, directamente, trabajar con los datos sin necesidad de pasar por Excel.
Todo esto está al alcance de cualquier profesional con una herramienta de IA, algo de criterio y tiempo de calidad dedicado a probar, ajustar y aprender. No hace falta empezar por grandes proyectos. Muchas mejoras empiezan con una tarea pequeña que se repite todas las semanas y que consume más tiempo del que parece.
Esta capa de “hacer” es especialmente interesante porque conecta directamente con la mejora de procesos. No estamos hablando de una IA abstracta o futurista, sino de reducir horas de trabajo manual, evitar errores repetitivos y liberar tiempo de profesionales que deberían estar dedicándose a tareas de más valor.
Una vez te has metido en esta tercera capa, aparece una capa adicional: las automatizaciones y los agentes.
Aquí es donde la IA deja de ser una herramienta a la que preguntamos algo de vez en cuando y empieza a integrarse en procesos. Por ejemplo, una herramienta de automatización puede leer un correo, extraer datos, consultar una base de datos, aplicar una regla, enviar una respuesta, actualizar una tabla o avisar a una persona cuando hay una excepción.
Cuando además se incorpora IA, esa automatización puede resolver situaciones menos rígidas: interpretar un documento, valorar si una respuesta es coherente, clasificar una incidencia, comparar versiones de una ficha técnica o detectar si falta información relevante.
Cuando empezamos a trabajar este tema en Smel Food, hace más de dos años, pensábamos que necesitaríamos contratar especialistas en IA. Nosotros somos especialistas en optimización de procesos y en el software que hemos desarrollado, con mucha experiencia en auditoría, consultoría y diseño de procesos para empresas alimentarias, pero no veníamos del mundo de la IA.
Conforme profundizamos, vimos algo importante: la gran mayoría del trabajo no tenía que hacerlo un perfil experto en IA, sino nosotros y quienes conocen de verdad el proceso. La IA no puede decidir qué proceso necesitas ni qué criterio técnico aplicar en tu empresa. No sustituye el conocimiento de quien conoce el sector, las auditorías, los requisitos legales, los estándares y los problemas del día a día.
Quien mejor puede automatizar la homologación de proveedores no suele ser un experto en IA. Suele ser quien lleva años homologando proveedores. Quien mejor puede automatizar la revisión de documentación no suele ser un experto en IA, sino quien lleva años revisando documentación. Quien mejor puede automatizar parte de un APPCC no suele ser un experto en IA, sino quien conoce los peligros, las etapas, las medidas de control y los criterios que aplica en su trabajo diario.
Y esa es la buena noticia para cualquier empresa alimentaria: puede que no sepas de IA, pero de tus procesos, productos, proveedores, riesgos y criterios técnicos no te gana nadie. Ese conocimiento es justo lo que la IA necesita para ser útil, porque la clave está en saber explicar qué quieres hacer, con qué reglas, qué excepciones debe revisar una persona y qué criterio seguir en cada caso. Eso no lo define un experto genérico en IA que no entiende tu proceso; lo define quien conoce el trabajo real.
Y eso se une a que hoy en día esto está al alcance de profesionales que no son expertos en IA ni saben programar. Herramientas como Claude o ChatGPT permiten trabajar por proyectos, incorporando documentos, instrucciones y contexto; herramientas como n8n permiten construir flujos conectando aplicaciones, datos y acciones. Y si no sabes cómo montar una automatización, puedes explicarle a la IA qué quieres conseguir. Incluso te puede generar un archivo que solo debes importar para crear el flujo de trabajo.
Evidentemente hay que aprender. Pero aprender no significa necesariamente hacer un curso de decenas de horas antes de empezar. En realidad, basta con dedicar tiempo de calidad, sentarse delante de la IA y explicarle qué quieres conseguir. Si no sabes cómo hacerlo, pregúntaselo. Si utiliza conceptos que no entiendes, pídele que te los explique. Si la solución parece compleja, pídele una alternativa más sencilla. Si te propone una automatización, pídele que la divida paso a paso.
Hoy es posible aprender muchísimo simplemente trabajando sobre problemas reales de tu propia empresa. También existen vídeos, ejemplos y recursos gratuitos que permiten avanzar sin coste. La formación siempre suma y, además, en muchos casos puede ser bonificada por la empresa mediante créditos de formación. Pero la clave no suele estar en acumular horas de formación antes de dar el primer paso. La verdadera diferencia suele marcarla empezar cuanto antes, experimentar con casos reales y aprender mientras se avanza.
Porque lo que más hemos aprendido en todo este tiempo es que el verdadero valor no está en conocer la última herramienta de moda. Está en tener criterio sobre el proceso que quieres mejorar.
En Smel Food ya estamos aplicando IA en distintos procesos. Uno de los ejemplos más claros es nuestro chat de ayuda, que responde dudas sobre el funcionamiento del programa basándose en más de 200 páginas de documentación. Esa es la parte importante: sin esa documentación previa, el sistema no tendría una base fiable sobre la que responder. Y eso no te lo puede hacer nadie externo.
Otro ejemplo es la consulta de peligros asociados a materias primas. La legislación y la información técnica disponible son muy amplias, y el reto no es solo encontrar información, sino identificar qué peligros pueden afectar realmente a una materia prima concreta e integrarlos de forma útil en el APPCC que se está construyendo.
Estamos trabajando de forma continua sobre nuevas posibilidades. Por ejemplo, Smel Food ya puede reclamar automáticamente documentación a proveedores cuando se aproxima la caducidad de un documento, aplicando reglas fijas. Pero el siguiente paso es que, cuando el proveedor responda, se pueda realizar una revisión asistida con IA: analizar si la documentación recibida parece correcta, detectar ausencias, identificar cambios relevantes o informar al usuario de los casos en los que no hay criterio suficiente para decidir automáticamente.
Otro caso claro es la revisión de coherencia en APPCC. Si se ha asociado un peligro a una etapa concreta, ¿tiene sentido esa relación? ¿Falta algún peligro relevante? ¿Hay incoherencias entre etapas, medidas de control y criterios aplicados?
O pensemos en una ficha técnica de proveedor. Cada vez que llega una nueva versión, alguien debería revisar qué ha cambiado respecto a la anterior. En la práctica, muchas veces esto consume tiempo, se hace parcialmente o depende demasiado de la experiencia de la persona que lo revisa. Con IA, esa comparación puede automatizarse y convertirse en un informe claro de cambios relevantes.
Otra idea de fondo sencilla pero potente: imaginemos que un usuario experto tuviera todo el tiempo del mundo para revisar que los datos introducidos por los distintos usuarios de la empresa son correctos, coherentes y completos. Ese escenario ya es posible combinando automatización e IA.
De todo este trabajo nos llevamos algunos aprendizajes bastante claros.
- El primero: siempre que puedas resolver algo con reglas fijas, hazlo con reglas fijas. Si un documento caduca en una fecha concreta, no hace falta IA para saber cuándo reclamarlo. Si un campo obligatorio está vacío, no hace falta IA para detectarlo. Las reglas deterministas, cuando son posibles, son más eficientes, más seguras y más controlables.
Por tanto, usa IA cuando aporta algo diferencial. Tiene mucho sentido cuando hay lenguaje, interpretación, ambigüedad, documentos no estructurados, criterios técnicos complejos o necesidad de comparar información que no viene perfectamente ordenada.
- El segundo: la documentación de procesos se ha vuelto más importante que nunca. Llevamos años escuchando que documentar procesos es importante. Siempre lo ha sido, pero nunca tanto como ahora. Si quieres automatizar un proceso, necesitas explicarlo a la IA con precisión. La IA y las automatizaciones no funcionan con procesos que solo existen “en la cabeza” de una persona. Necesitan pasos, reglas, criterios, excepciones y ejemplos.
Esto exige tiempo, no conviene engañarse. Diseñar procesos, documentarlos, probar automatizaciones, validar criterios y corregir errores lleva dedicación. Pero el retorno cambia el paradigma. Ahora defines el proceso, lo conviertes en reglas, lo conectas con herramientas, introduces IA donde aporta valor, lo validas y, a partir de ahí, buena parte del trabajo puede ejecutarse de forma automática o semiautomática.
La inversión está en tiempo de calidad para pensar y experimentar; el ahorro llega después y suele superar con creces el esfuerzo inicial: horas de trabajo que te ahorras, errores que se evitan, revisiones que se aceleran y equipos que pueden dedicar más tiempo a tareas de mayor valor. Precisamente aquellas que requieren criterio, experiencia, creatividad o capacidad de decisión humana; tareas importantes que a menudo quedan relegadas porque el día a día está lleno de urgencias y trabajo repetitivo.
A veces nos ocurre como con quien empuja una carretilla con la rueda pinchada y dice que no tiene tiempo para cambiarla. Es comprensible, porque el día a día aprieta, pero llega un momento en que seguir así consume mucha más energía que parar, cambiar la rueda y continuar mejor. Con la IA pasa algo parecido: muchas empresas dicen que no tienen tiempo para ponerse, y es precisamente por eso por lo que deberían empezar a revisar qué tareas repetitivas, manuales o poco fiables pueden transformar.
Creemos firmemente que la IA no viene a sustituir a los expertos de las empresas alimentarias, sino a potenciar su capacidad, permitiendo que su conocimiento se aplique de forma más eficiente, consistente y con menos errores.
Y en seguridad alimentaria, eso marca la diferencia.