Cuándo usar IA y cuándo conviene software determinístico

## Empezá por la decisión, no por el modelo Es común preguntar qué modelo usar antes de definir qué decisión debe sostener el sistema. Una mejor primera pregunta es: **¿cuánta ambigüedad tolera este paso?** El software determinístico es el punto de partida cuando las entradas, las reglas y el resultado esperado pueden describirse con precisión. La IA aporta valor cuando el trabajo incluye lenguaje, imágenes, contexto incompleto o patrones difíciles de codificar como reglas fijas. ## Elegí lógica determinística cuando la corrección es explícita Usá reglas, validaciones y software convencional para tareas como: - verificar campos obligatorios y formatos aceptados; - aplicar permisos, límites, precios o criterios de elegibilidad; - mover un registro por una máquina de estados conocida; - calcular totales o conciliar identificadores; - producir un resultado auditable a partir de datos estables. Estos pasos necesitan repetibilidad. La misma entrada válida debería producir la misma salida, y una falla debería poder explicarse sin interpretar una respuesta probabilística. ## Elegí IA cuando la entrada es ambigua La IA puede ayudar cuando una persona tendría que interpretar información sin estructura. Por ejemplo: clasificar una consulta, extraer campos candidatos de un documento, resumir una conversación larga o redactar alternativas para revisión. Eso no convierte la salida de IA en una decisión final. La convierte en una propuesta dentro de un flujo controlado. El AI Risk Management Framework de NIST plantea gobernar, mapear, medir y gestionar el riesgo del sistema completo, no tratar al modelo como una pieza aislada. ## Combiná ambos enfoques en producción Un patrón práctico para flujos asistidos por IA combina ambos enfoques: 1. el código determinístico valida acceso, esquemas y datos obligatorios; 2. la IA resuelve la transformación ambigua; 3. controles determinísticos rechazan salidas inválidas o no permitidas; 4. una persona revisa los casos de mayor impacto o incertidumbre; 5. los registros conservan entrada, salida, versión y decisión final. Esta separación ayuda a ubicar fallas. Si un registro se rechaza, el equipo puede distinguir un dato ausente de una interpretación incierta o una corrección humana. ## Una prueba de cinco preguntas Antes de sumar IA a un paso, preguntate: 1. ¿El resultado deseado puede expresarse con reglas estables? 2. ¿Qué pasa si el resultado es incorrecto? 3. ¿La salida puede validarse automáticamente? 4. ¿Hay una persona disponible para las excepciones? 5. ¿Qué evidencia debe conservarse para auditar y mejorar? Si la primera respuesta es sí y las demás no están claras, el software determinístico suele ser la opción más segura. Si la ambigüedad es inevitable y la salida puede validarse, un paso asistido por IA puede tener sentido. ## La perspectiva operativa de Puna Tech Tratamos la IA como un componente de un sistema operativo. La implementación tiene que mostrar entradas, validaciones, correcciones y estados de falla a quienes son responsables del proceso. El objetivo no es automatizar todo, sino construir un flujo que el equipo pueda entender, operar y mejorar.

Cuando necesitás ese patrón híbrido sobre un proceso real—no un demo—mirá cómo encaramos la automatización de procesos y flujos con IA.

Un buen piloto empieza con una decisión acotada, un conjunto representativo de pruebas, criterios explícitos de aceptación y una alternativa manual. Recién después de observar errores reales y acordar responsables conviene ampliar el alcance.