21. Hoja de ruta 90 días: pilot a producción

Llegamos a la última lección. Y a la pregunta que importa: ¿qué hago el lunes a la mañana?

Esta lección es deliberadamente operativa. No hay teoría nueva. Es la receta concreta que aplicarías si fueras consultor de IA contable y te contrataran para implementar el stack del curso en una firma desde cero.

🎯 La promesa del roadmap

90 días para pasar de "leí el curso" a "tengo al menos un workflow de IA contable en producción con un cliente real, con métricas y change management hecho".

No es 90 días para "transformar toda la firma". Es 90 días para tener una bala probada en la cámara, lista para escalar.

Principio rector: pequeño, medible, real

Antes de los detalles, retené esto: el roadmap funciona porque sigue tres principios.

Pequeño: un solo caso de uso, no diez. Una sola firma piloto interna, no toda la organización.
Medible: cada fase tiene métricas concretas. Sin métricas, no avanzás.
Real: el caso de uso tiene que afectar a un cliente vivo, no a un escenario de prueba. Esto cambia la energía del proyecto.

Días 0-30: Discovery

Objetivo: definir qué automatizar, con qué cliente, cómo lo vas a medir.

Semana 1 — Mapeo de tareas candidatas

Día 1-2: agenda reunión de 60 minutos con el equipo (todos, no solo el socio). Pregunta única: "¿Qué tarea repetitiva odiás más y consume más horas?". Anotá literal todo lo que digan.
Día 3-4: clasificá cada tarea según el patrón del curso (OCR → LLM → Reglas → Humano). Si los 4 pasos se mapean claramente, es candidata fuerte.
Día 5: shortlist de 3 tareas máximo. Criterios: alto volumen, baja complejidad de juicio, dato no ultra-sensible.

Semana 2 — Elegir el caso piloto

Aplicá esta matriz simple a las 3 tareas finalistas:

Criterio	Peso
Horas mensuales que consume	30%
Repetitividad y estructura	25%
Bajo riesgo si la IA se equivoca	25%
Tu capacidad técnica para implementarlo en 60 días	20%

Una sola tarea gana. Probablemente sea: clasificación de transacciones bancarias, procesamiento de facturas de proveedores, o generación de workpapers estándar. Cualquiera de las tres es excelente.

Semana 3 — Elegir el cliente piloto

Perfil ideal: un cliente con alto volumen del proceso elegido, relación de 2+ años con tu firma (confianza), no en sector ultra-regulado.
Conversación honesta: comunicale al cliente que vas a usar IA para mejorar el servicio, sin costo adicional para él durante el piloto. Explicá privacidad y trazabilidad. Pedile consentimiento por escrito (email basta).
Si el cliente dice no: respetalo y elegí otro. No empujes. Necesitás un piloto entusiasta, no resignado.

Semana 4 — Baseline de métricas

Antes de tocar una sola herramienta de IA, medí lo que hacés HOY. Sin esto no podés demostrar mejora.

Métrica baseline	Cómo medirla
Horas mensuales en el proceso	Time tracking de 2 semanas
Tasa de error del proceso (rework)	Revisar últimos 3 meses
Tiempo de ciclo (desde input hasta output validado)	Cronometrar 10 casos
Costo cargado del proceso	Horas x tarifa interna
Satisfacción del cliente sobre ese servicio	NPS o pregunta directa

Al final del mes 1, tenés: caso elegido, cliente confirmado, baseline medido.

💡 Entregable del mes 1

Un documento de 2 páginas máximo con: caso de uso elegido, cliente, métricas baseline, hipótesis de mejora (ej. "espero ahorrar 60% del tiempo del proceso manteniendo error rate ≤ 2%").

Días 31-60: Pilot

Objetivo: implementar el workflow para UN caso de uso, en UN cliente, y medir 30 días en producción.

Semana 5 — Setup técnico

Seguí el paso a paso de la Lección 19. Pasos típicos:

Crear cuentas: ChatGPT Team o Claude Team, Make o n8n, Google Workspace con Document AI activado.
Firmar DPAs (Data Processing Agreements) con los proveedores. Esto no es opcional bajo Ley 21.719 / LGPD / leyes equivalentes LATAM.
Armar el workflow base. Si es la primera vez, esperá 3-5 días de aprendizaje + ajustes.

Semana 6 — Pruebas internas en sandbox

Corré el workflow con data histórica del cliente piloto (no en vivo todavía).
Compará output de IA vs decisiones humanas pasadas. Apuntá:
- % de coincidencia con clasificación humana original.
- % de casos con confidence ≥ tu umbral (probá 80% como inicio).
- Casos donde la IA hizo mejor que el humano (sí, va a pasar).
- Casos donde la IA hizo peor (también va a pasar).
Ajustá prompts, reglas, umbrales hasta que tengas confianza razonable.

Semana 7 — Soft launch: paralelo humano + IA

Activá el workflow en producción pero seguí haciendo el proceso manual también.
Compará resultados día a día.
Tu equipo va a desconfiar al principio. Mostrales números, no opiniones.
Tipo de hallazgos esperables: "la IA acertó 87 de 100, el humano había aceptado 92 de 100 pero 3 estaban mal y nadie lo había detectado".

Semana 8 — Cutover parcial

Si los números son aceptables (definí "aceptable" en semana 5), pasás el workflow a modo producción primario con auditoría humana muestral:
- Auto-aprobación con confidence ≥ 85%.
- Revisión humana de todo con confidence < 85%.
- Auditoría aleatoria del 5-10% de auto-aprobaciones (compliance / NIA 315).
Revisá métricas semanalmente con el equipo.

💡 Entregable del mes 2

Workflow en producción para el caso piloto. Reporte semanal con: horas ahorradas, tasa de auto-aprobación, errores detectados en auditoría, feedback del equipo, feedback del cliente.

Días 61-90: Scale

Objetivo: con el piloto validado, expandir a más clientes y/o más casos de uso.

Semana 9 — Evaluación del piloto

Reunión de 90 minutos con el equipo. Tres preguntas:

¿El piloto cumplió las métricas planteadas en la semana 5?
¿Qué salió bien y qué salió mal?
¿Estamos listos para escalar o falta refinar?

Hay tres posibles veredictos:

✅ Verde: cumplió métricas. Escalá.
🟡 Amarillo: cumplió parcial. Refiná 30 días más antes de escalar.
🔴 Rojo: no cumplió. Pivot: cambiá caso de uso o cliente piloto. No abandones el proyecto, sí abandoná el caso particular.

Semana 10 — Plan de escalado

Si el veredicto fue verde, hacé un plan de escalado realista:

Eje de escalado	Recomendación 90 días
Más clientes con el mismo caso de uso	Sumar 3-5 clientes más con el workflow existente
Más casos de uso con el mismo cliente	Sumar 1 caso de uso adicional al cliente piloto
Toda la firma a la vez	NO. Demasiado riesgo.

Semana 11 — Capacitación al equipo completo

Hasta acá probablemente trabajaron el socio + 1-2 personas. Ahora hay que sumar al resto.

Sesión de 90 minutos: demo del workflow funcionando.
Cada contador hace una corrida supervisada con su propio cliente.
Documentá un "manual interno" de 5-10 páginas: cómo correr, cómo auditar, qué hacer si algo falla, a quién escalar.
Acceso compartido a herramientas (logins, permisos).

Semana 12 — Producción ampliada

Workflow corriendo en 3-5 clientes nuevos.
Métricas se reportan en daily standup de 10 minutos durante el primer mes.
Definí un AI Champion responsable de mantener calidad: alguien del equipo que va a ser el "dueño" de los workflows.

💡 Entregable del mes 3

Workflow productivizado para múltiples clientes, manual interno escrito, AI Champion designado, board mensual con métricas. La firma ya NO depende de vos (el socio o líder técnico) para que la IA funcione: el equipo opera autónomamente.

Change management: la conversación difícil

Si solo prestaste atención a la parte técnica, este roadmap va a fallar. La parte humana es la que más proyectos hunde.

Cómo hablar con el junior que teme ser reemplazado

❌ No digas: "tranquilo, la IA no te va a reemplazar".

✅ Sí decí: "Vos sí te vas a reemplazar — pero vos a vos mismo. El junior de 2024 hacía 100% data entry. El junior de 2026 supervisa IA y aprende análisis. En 12 meses vas a tener skills que el mercado paga 40% más. Si no aprendés esto ahora, el junior de la firma de al lado lo va a aprender y ese sí te reemplaza."

Asignale ownership real: "vos vas a ser quien audita la calidad del workflow X". Le das responsabilidad real, no un consuelo.

Cómo hablar con el senior escéptico

El senior con 15+ años de experiencia tiene una preocupación legítima: ha visto modas pasar. "Esto es como blockchain en 2018."

❌ No digas: "tenés que abrir la mente al cambio".

✅ Sí decí: "Tenés razón en ser escéptico. Por eso el piloto es de 30 días, con métricas, con auditoría humana del 100% al inicio. Si los números no cierran, lo desactivamos. Pero te pido que mires los números, no que tengas fe."

Asignale el rol de auditor crítico: "vos vas a revisar el 100% de las decisiones de IA del piloto y vas a reportar dónde se equivoca". Le das poder de veto. Probablemente termine siendo el más entusiasta cuando vea los datos.

Cómo hablar con el cliente

❌ No digas: "ahora estamos usando IA".

✅ Sí decí: "Estamos mejorando nuestros procesos internos para reducir errores y entregarte reportes más rápido. Una de las herramientas que usamos es IA generativa, configurada con privacidad enterprise (no entrena con tus datos) y siempre con revisión humana profesional sobre el resultado. ¿Te parece bien que te muestre cómo funciona en una llamada de 30 minutos?"

La mayoría de clientes valora transparencia + control. Lo que no valoran: descubrir por terceros que usás IA con sus datos.

Errores fatales del primer año

Estos son los errores que veo seguido y que pueden matar el proyecto.

❌ No definir un dueño. "La IA es de todos" = "la IA es de nadie". Nombrá AI Champion con tiempo asignado.

❌ Querer automatizar todo de una vez. Empezar con 5 workflows en paralelo. Resultado: ninguno funciona bien, equipo frustrado, proyecto cancelado en mes 6.

❌ No medir nada. "Sentimos que estamos más rápidos". Cuando llegue la pregunta de ROI no vas a poder responder y el socio cortará el presupuesto.

❌ Esconderle al cliente que usás IA. Cuando se entere (y se va a enterar), la relación se daña irrecuperablemente.

❌ Saltarse el audit trail. Pasar 6 meses sin guardar logs de qué hizo la IA. Cuando llegue una revisión del fisco o una disputa con cliente, no vas a poder demostrar nada.

❌ No actualizar políticas internas. Procedimientos, manuales y matriz de responsabilidades siguen iguales que en 2020. Hay que actualizarlos para que reflejen el uso de IA y cumplir con NIA 315.

Métricas finales del programa de 90 días

Al cierre del día 90 deberías poder responder estas preguntas con números, no con sensaciones:

Pregunta	Respuesta tipo (cumplido)
¿Cuántas horas/mes ahorró la IA?	40-150h según tamaño firma
¿Cuál es la tasa de error después de revisión humana?	≤ 2%
¿Cuántos clientes están usando workflows con IA?	3-8 clientes
¿Cuál es el costo total mensual del stack?	$200-700 USD según tamaño
¿Cuál es el ratio beneficio/costo del programa?	≥ 3x
¿Cuántos miembros del equipo usan IA semanalmente?	≥ 70% del staff
¿Tenés audit trail completo de las decisiones IA?	Sí, en Sheets/Drive

Si la mayoría son verdes, el programa fue exitoso. Si la mayoría son rojas, parate, hacé retrospectiva honesta y ajustá antes de seguir escalando.

Cierre del curso

Llegaste hasta acá. Eso ya te pone en una franja del top 10-15% de profesionales contables de LATAM en términos de comprensión real de IA generativa aplicada a tu profesión. La mayoría se queda en ChatGPT casual.

Lo que aprendiste en 21 lecciones:

✅ Módulo 1: contexto, fundamentos y el patrón ganador.
✅ Módulo 2: clasificación de transacciones con LLMs y confidence scores.
✅ Módulo 3: OCR + LLM para facturas electrónicas y físicas.
✅ Módulo 4: auditoría asistida con Ley de Benford, muestreo y workpapers.
✅ Módulo 5: compliance tributario con RAG y respuestas al fisco.
✅ Módulo 6: riesgos, ética y regulación (EU AI Act, NIA, LGPD).
✅ Módulo 7: stack mínimo, ROI y roadmap 90 días.

Pero el conocimiento sin acción es nada. Y este curso no termina cuando cerrás esta lección. Termina cuando tenés tu primer workflow en producción con un cliente real.

🎯 Mi pedido final

Si solo hacés UNA cosa después de cerrar esta página, que sea esto:

Reservá un bloque de 90 minutos en tu calendario, esta semana, llamado "Definir caso piloto de IA contable". Aplicá el día 1-5 del roadmap. Sí, esta semana. No el mes que viene.

El mejor momento para empezar era hace 6 meses. El segundo mejor es ahora.

Próximos pasos profesionales

Certificación

Al completar las 21 lecciones del curso, podés solicitar tu certificado verificable desde tu perfil en Academia Tooldata. Es un certificado público con URL única que podés agregar a LinkedIn, CV y propuestas comerciales.

Comunidad

Sumate a la comunidad de Academia Tooldata (link en tu perfil). Es donde alumnos del curso comparten:

Templates de workflows en Make/n8n para casos contables LATAM.
Prompts probados para clasificación, OCR y compliance.
Discusiones sobre normativa (NIA, LGPD, EU AI Act).
Casos reales: qué les funcionó y qué no.

Aprender de pares en LATAM con tu mismo contexto regulatorio vale más que muchas horas adicionales de teoría.

Cursos avanzados sugeridos

Para profundizar después de este curso, considerá:

Curso de Python para contadores — cuando quieras pasar de no-code a control técnico real.
Curso de Power BI avanzado — para construir dashboards "AI-augmented" para tus clientes.
Curso de auditoría financiera con datos — combinación de NIAs + analítica + IA.
Curso de compliance tributario LATAM con IA — profundización en RAG sobre normativa multi-país.

Aplicar lo aprendido

Y por sobre todo: aplicalo. La diferencia entre el alumno promedio y el contador 10x del que hablamos en la Lección 1 no es el curso que hicieron. Es lo que hicieron después del curso.

🏁 Una última cosa

Si en 90 días tu firma o tu carrera cambió de manera tangible gracias a este programa, escribime contando qué pasó: hola@tooldata.io. Esas historias son las que ayudan a mejorar el curso para la próxima generación de contadores que va a llegar a Academia Tooldata.

Gracias por bancar 21 lecciones. Ahora andá y construí algo.