Los 7 errores más frecuentes que cometen las corredurías al probar IA (y cómo evitarlos)

A medida que cada vez más corredurías se animan a probar IA, empiezan a repetirse los mismos errores. No son fracasos espectaculares: son tropiezos silenciosos que dejan al equipo desencantado, a la dirección con la sensación de haber gastado dinero sin retorno, y a la organización con un mal sabor de boca que retrasa el siguiente intento varios meses.

Lo más útil que se puede hacer antes de empezar un proyecto de IA en una correduría es revisar la lista de cosas que han ido mal en otras. La mayoría son completamente evitables si se conocen a tiempo. A continuación, los siete errores más frecuentes que aparecen en los primeros despliegues, con la lectura de por qué ocurren y cómo se esquivan.

Error 1: empezar por el proyecto más vistoso, no por el más útil

El patrón es casi universal: alguien de dirección ve una demo impactante de un asistente conversacional o un agente que automatiza tareas, y decide que ese es el primer proyecto de la correduría. Seis meses después no hay nada en producción y el equipo está agotado.

Por qué pasa. Las demos están preparadas para impresionar, no para funcionar en una operativa real con datos heterogéneos y procesos heredados.

Cómo evitarlo. El primer proyecto debería ser el más aburrido posible: una tarea repetitiva, con datos limpios, sin riesgo regulatorio alto y con una métrica de éxito clara (minutos ahorrados por documento procesado, por ejemplo). El primer éxito tiene que servir para construir confianza, no para ganar premios.

Error 2: confundir "el equipo ya usa ChatGPT" con tener una estrategia

Muchas corredurías miran a su equipo, comprueban que la mitad ya redacta correos con ChatGPT y concluyen que "ya están en ello". A las semanas descubren que algunos comerciales han subido documentación de clientes a la versión gratuita de un modelo, otros la usan con prompts inconsistentes y nadie está midiendo nada.

Por qué pasa. El uso individual y disperso es la primera fase natural. El error es no formalizarlo nunca.

Cómo evitarlo. Reconocer ese uso, ponerle una capa mínima de gobierno (qué herramientas autorizadas, qué datos sí y qué datos no, qué prácticas compartidas) y a partir de ahí construir hacia procesos. La estrategia no nace por encima del uso individual; se construye organizándolo.

Error 3: no medir el "antes"

Cuando el piloto empieza a funcionar y alguien pregunta cuánto tiempo se ha ahorrado, la respuesta suele ser un encogimiento de hombros. Sin baseline no hay forma de demostrar valor, y sin valor demostrado no hay siguiente fase.

Por qué pasa. Hay urgencia por empezar y el "vamos a medir más adelante" se queda en intención.

Cómo evitarlo. Antes de implantar cualquier herramienta, dedicar dos o tres días a tomar el dato base: cuánto tarda hoy esa tarea, cuántos leads se reciben hoy, cuál es la tasa de error actual. Sin ese número, el ROI es opinión.

Error 4: subir datos sensibles a herramientas inadecuadas

El error más peligroso en términos de cumplimiento es también uno de los más frecuentes. Alguien sube un cuestionario de empresa con datos personales y financieros a un servicio gratuito o no aprobado. Pasa sin consecuencias hasta el día que pasa con consecuencias.

Por qué pasa. Falta de política, falta de formación específica y la suposición errónea de que "no es un dato tan sensible".

Cómo evitarlo. Política clara desde el principio, en una página: qué herramientas están aprobadas, qué tipos de datos se pueden manejar con cada una, prohibición explícita de versiones gratuitas para datos personales o pólizas. Y formación corta de 30 minutos al equipo. Esto no es opcional en una correduría; es obligación derivada del RGPD y del propio deber de secreto.

Error 5: pedirle a la IA que sustituya criterio, no que lo apoye

Otro patrón habitual: configurar un flujo en el que la IA "decide" en tareas que requieren criterio profesional, sin revisión humana. Aparece en clasificaciones de siniestros, recomendaciones de coberturas o respuestas a clientes.

Por qué pasa. Hay tentación de quitar a la persona "para liberar tiempo de verdad". El cálculo parece eficiente sobre el papel.

Cómo evitarlo. Distinguir desde el principio entre tareas automatizables (procesos repetitivos con un resultado claro) y tareas de juicio profesional (donde la IA acelera, pero la responsabilidad sigue siendo humana). En la segunda categoría, mantener siempre la revisión: la IA prepara el borrador, la persona valida y firma. Romper esa frontera demasiado pronto es la forma más rápida de tener un problema con un cliente o con una compañía.

Error 6: invertir en tecnología sin invertir en datos

Este es el error que más dinero quema. Se contrata una herramienta sofisticada, pensada para alimentarse de datos del cliente, y se descubre a los dos meses que la información de los clientes está repartida entre el gestor, dos correos compartidos, varios Excels y la cabeza de tres comerciales.

Por qué pasa. La tecnología vende una capa que asume datos limpios; la realidad de muchas corredurías es que esos datos no existen como tal.

Cómo evitarlo. Antes de cualquier proyecto serio que dependa de datos de clientes, hacer un mapa honesto de dónde vive la información y en qué estado está. A veces el primer proyecto correcto no es de IA, sino de ordenar datos. Y casi siempre la implantación combina ambos.

Error 7: no preparar al equipo emocional ni operativamente

El último error es subestimar el impacto humano. Se anuncia "vamos a implantar IA" y la mitad del equipo entiende, en silencio, que vienen recortes. A partir de ahí, el sabotaje pasivo es cuestión de semanas: nadie usa la herramienta, todos encuentran motivos para no aplicarla, y el proyecto muere por falta de adopción.

Por qué pasa. Falta de comunicación específica y de un mensaje claro sobre qué cambia y qué no para cada persona.

Cómo evitarlo. Una conversación franca antes del proyecto: para qué se introduce la IA, qué tareas va a absorber, qué tiempo se libera y a qué se va a dedicar ese tiempo liberado. Si la respuesta honesta es "vamos a recortar plantilla", hay que decirlo y gestionarlo profesionalmente. Si la respuesta es "queremos absorber crecimiento sin contratar", hay que explicarlo así. La adopción de la IA en una correduría depende mucho más de cómo se gestiona ese mensaje que de la herramienta elegida.

Mini-casos: tres corredurías, tres tropiezos, tres correcciones

Correduría pequeña que empezó por un asistente público en la web. El asistente respondía mal a preguntas concretas y los clientes acababan llamando frustrados. Tras dos meses, se replanteó: el asistente se reconvirtió en interno, para apoyar al equipo comercial; en la web se dejó solo un formulario inteligente de cualificación. La satisfacción del cliente subió y el equipo dejó de quejarse de la herramienta.

Correduría mediana que invirtió en una plataforma sofisticada antes de tener datos. A los seis meses, la plataforma estaba prácticamente sin usar. Cambiaron de orden: primero un proyecto de tres meses para consolidar datos básicos del cliente en un único sitio. Después, la plataforma empezó a aportar valor real.

Correduría con foco en empresa que metió IA en clasificación de siniestros sin revisión humana. Un caso límite mal clasificado generó un episodio incómodo con un cliente importante. Tras la corrección, la IA pasó a producir solo el borrador de clasificación; el gestor confirma. El tiempo ahorrado pasó de "hipotético" a "real".

Cómo evitar la mayoría de estos errores con una sola pregunta

Hay una pregunta que filtra de un solo golpe la mitad de los errores anteriores: "¿qué métrica concreta vamos a mover, en cuánto tiempo, con qué presupuesto y con qué riesgo si falla?". Si no se puede responder en cuatro frases, el proyecto todavía no está listo para arrancar.

Esa pregunta obliga a pensar en métricas, en plazo, en coste, en consecuencias y, casi siempre, en datos. Sin ella, los proyectos se mueven por entusiasmo. Con ella, se mueven por gestión.

Cómo empezar: lista de comprobación previa

Antes del primer proyecto serio, conviene poder marcar las siguientes casillas:

• Hay una persona responsable identificada con autoridad para decidir.
• Existe una política de uso de IA de una página, firmada por dirección.
• Las herramientas que se van a usar están aprobadas para el tipo de datos que tocarán.
• Hay una métrica de éxito clara y medible.
• Hay una baseline tomada antes de implantar.
• Hay un plazo definido para revisar y decidir.
• El equipo afectado sabe qué cambia, por qué y qué no cambia para ellos.

Si las siete casillas están marcadas, los siete errores anteriores se reducen a niveles manejables.

Cierre

Probar IA en una correduría no es complicado en sí mismo. Lo que suele complicar las cosas es no haber hecho los deberes previos: gobierno, datos, métrica, comunicación. La diferencia entre una correduría que en un año tiene IA integrada con normalidad y otra que sigue intentándolo rara vez es presupuesto o sofisticación técnica. Es haber esquivado, de forma deliberada, los errores típicos.

Repasar esta lista antes de empezar suele ahorrar meses de tiempo y bastante dinero. Y, sobre todo, ahorra el coste invisible más caro: el desánimo del equipo cuando un primer intento se queda a medio camino y nadie quiere repetir la experiencia.

Si te encuentras en el momento de plantear el primer proyecto serio en tu correduría, una conversación inicial específicamente para revisar estos puntos suele ser el mejor ahorro posible. Mejor identificar los errores antes de cometerlos que tener que rehacer el camino más adelante.