De la automatización a la inteligencia operacional

BPMS, RPA, RDA e iPA como Motores Reales de la Transformación Digital. Una reflexión basada en evidencia sobre por qué la tecnología sola no transforma y qué diferencia a las organizaciones que sí lo logran

Por Allan Silvatti — Business Analysis Consultant | Txoól

Cuando la automatización deja de ser una promesa y se vuelve evidencia

Durante los últimos años, el debate sobre la automatización ha pasado de la especulación a la evidencia. Los casos públicos más citados en la industria ya no son experimentos aislados: son implementaciones a gran escala, documentadas por las propias compañías y por los principales medios financieros, que han cambiado la forma en que los comités ejecutivos ven la transformación digital.

JPMorgan Chase es probablemente el caso más emblemático. Su plataforma COiN (Contract Intelligence), desarrollada por el equipo de Intelligent Solutions del banco, utiliza aprendizaje automático no supervisado y reconocimiento de imágenes para analizar contratos de crédito comerciales. Según las cifras difundidas por el propio banco y reportadas por medios como Bloomberg, Reuters y el American Bar Association Journal, COiN ejecuta en segundos el trabajo que anteriormente consumía aproximadamente 360 mil horas anuales de abogados y oficiales de crédito, procesando cerca de 12 mil contratos de crédito al año y reduciendo además los errores de servicing que se originaban en interpretaciones humanas inconsistentes (SON, 2017; HARVARD BUSINESS SCHOOL, 2018).

Pero COiN no es un caso aislado. Siemens, trabajando junto con Celonis, ha convertido el process mining y la automatización inteligente en una capacidad transversal. Según los datos publicados por ambas compañías, dentro del proceso Order-to-Cash Siemens incrementó su tasa de automatización en un 24 % y redujo el rework en un 11 % a nivel global, lo que se tradujo en 10 millones menos de intervenciones manuales al año. La plataforma está desplegada en más de 6 mil usuarios globales, procesa información de 100 mil proveedores y más de un millón de clientes, y opera en más de 200 plantas manufactureras (CELONIS, 2024). Ninguna de estas cifras es una promesa del proveedor: son métricas públicas y auditables.

Estos dos casos, y muchos otros disponibles públicamente, ilustran una conclusión difícil de ignorar: la automatización inteligente ya no es una apuesta a futuro, es una disciplina con evidencia acumulada. La pregunta ya no es si funciona, sino por qué tantas organizaciones siguen sin capturar ese valor.

El espectro de la automatización: RPA, RDA, iBPMS e iPA

Para entender por qué algunos proyectos capturan valor y otros no, conviene delimitar con precisión cada categoría tecnológica, porque cada una resuelve un problema distinto y todas, cuando se combinan con criterio, conforman lo que Gartner ha denominado hiperautomatización.

El RPA (Robotic Process Automation) opera de forma desatendida, imitando la interacción humana con sistemas legados a través de interfaces gráficas. Es ideal para tareas de alto volumen, bajo juicio y con datos estructurados: conciliaciones, cargas de facturas, extracciones contables y actualizaciones masivas. Un ejemplo documentado es el caso de Siemens Mobility, que, según UiPath, mantiene más de 300 procesos robotizados, apoyando a cerca de 38 mil empleados en todo el mundo (UIPATH, 2022).

El RDA (Robotic Desktop Automation), en cambio, es atendido: el bot acompaña al usuario en su estación de trabajo, automatizando microtareas sin quitarle el control. Es la tecnología típica de los contact centers, donde un asistente digital rellena formularios mientras el agente conversa con el cliente.

El iBPMS (Intelligent Business Process Management Suite) es otra cosa. No automatiza clics: orquesta procesos de punta a punta, integra reglas de negocio, gestiona excepciones, monitorea KPIs en tiempo real y ofrece trazabilidad completa. Es la capa que convierte un conjunto de automatizaciones dispersas en un proceso gobernado.

Finalmente, la iPA (Intelligent Process Automation) es la evolución natural: combina RPA con inteligencia artificial, machine learning, procesamiento de lenguaje natural y minería de procesos para manejar datos no estructurados, tomar decisiones contextuales y aprender del histórico. COiN es, precisamente, un caso de iPA, no de RPA tradicional.

La diferencia práctica es enorme. Una compañía con un parque de bots de RPA tiene productividad; una compañía con iBPMS e iPA bien articulados tiene capacidad operativa. Y esa distinción, que parece sutil, es la que separa a quienes compiten con eficiencia de quienes compiten con inteligencia.

Los números detrás de la tendencia

Las cifras del mercado confirman que no estamos ante una moda pasajera. Gartner ha proyectado que el mercado global de software habilitador de hiperautomatización alcanzará cifras cercanas al trillón de dólares en los próximos años, con una tasa de crecimiento anual compuesta cercana al 12 %. Más revelador aún: según la misma firma, la hiperautomatización ya es una disciplina permanente en el 90 % de las grandes empresas y menos del 20 % de las organizaciones ha logrado medir adecuadamente sus iniciativas (GARTNER, 2023; GARTNER, 2024).

McKinsey, por su parte, estima que las compañías que integran la IA de forma profunda en sus operaciones logran mejoras de productividad entre el 20 % y el 30 %, y calcula que la IA generativa aplicada a casos de negocio podría inyectar entre 2,6 y 4,4 trillones de dólares anuales en la economía global. Sin embargo, la misma consultora advierte que solo el 1 % de las organizaciones se considera madura en su despliegue de IA (MCKINSEY, 2023; MCKINSEY, 2025). Hay entusiasmo, hay inversión, pero la brecha entre piloto y escalamiento sigue siendo el gran cuello de botella.

Deloitte complementa el panorama con un dato incómodo: cerca del 80 % de los ejecutivos planea incrementar sus presupuestos de transformación digital, pero apenas una fracción ha logrado capturar el valor esperado (DELOITTE, 2024). La conclusión es clara: automatizar sin gobierno es caro y transformar sin procesos bien mapeados es una promesa vacía.

Automatización vs transformación digital: una confusión que cuesta millones

Uno de los errores conceptuales más frecuentes en los comités directivos es tratar la automatización como sinónimo de transformación digital -no lo es-. La transformación digital es un cambio estratégico del modelo operativo y del modelo de negocio, apalancado en tecnología; la automatización es una de sus palancas, no su destino.

Cuando una organización automatiza un proceso defectuoso, lo que obtiene es un proceso defectuoso ejecutado más rápido. El caso de Siemens es ilustrativo, precisamente, porque invirtió la lógica: antes de automatizar, la compañía desplegó process mining para entender cómo se ejecutaban realmente sus procesos, identificó más de 500 mil variantes de proceso en Order-to-Cash y solo entonces definió qué optimizar, qué automatizar y qué sustituir (CELONIS, 2024). Esa secuencia, que en la literatura Lean Six Sigma se resume como AS-IS > TO-BE > TO-BE Automatizado, es lo que permite que las cifras finales sean sostenibles.

Este orden, que parece obvio en una presentación, se rompe sistemáticamente en la práctica porque el mercado presiona hacia el quick win y porque los proveedores de herramientas tienen incentivos claros para vender licencias antes que diagnósticos. La transformación digital genuina exige tres ingredientes que ninguna plataforma trae empaquetada: claridad estratégica sobre qué negocio se quiere construir, arquitectura de procesos que haga visible el flujo de valor y un modelo de gobierno que asegure la sostenibilidad de lo que se automatiza.

Gobierno de TI en ambientes automatizados: la disciplina invisible

Aquí es donde entra el gobierno de TI y donde la mayoría de los proyectos colapsa silenciosamente. Los estudios de Gartner indican que menos del 20 % de las organizaciones ha logrado medir adecuadamente sus iniciativas de hiperautomatización y que más del 70% de las grandes empresas ejecuta simultáneamente más de setenta iniciativas de automatización sin un marco unificado de control (GARTNER, 2024).

El gobierno en un ambiente automatizado no es el gobierno de TI tradicional. Exige una estructura específica que incluya, como mínimo, un Centro de Excelencia (CoE) con roles claros, un catálogo centralizado de automatizaciones, políticas de ciclo de vida para cada bot, controles de acceso y segregación de funciones, métricas de desempeño vinculadas a KPIs de negocio y un comité de priorización que evalúe cada iniciativa bajo criterios de complejidad, costo, beneficio y riesgo. No es casualidad que JPMorgan Chase haya establecido un Center of Excellence dedicado a Intelligent Solutions antes de lanzar COiN a producción, ni que Siemens mantenga un CoE con más de 30 personas dedicadas exclusivamente a extraer valor de sus inversiones en process mining y automatización (CELONIS, 2024; HARVARD BUSINESS SCHOOL, 2018).

En los marcos de referencia, como COBIT 2019, y en las guías de ITIL 4, el concepto es el mismo: la automatización debe estar subordinada a los objetivos de la organización, no al revés. Cuando un bot automatiza un proceso que involucra datos sensibles, ese bot hereda los mismos requisitos de cumplimiento que un empleado: auditoría, trazabilidad, gestión de accesos y responsabilidad. Ignorar este principio es lo que explica por qué tantas iniciativas de RPA terminan bloqueadas por los equipos de auditoría interna o de ciberseguridad meses después de haberse desplegado.

Particularmente relevante es el fenómeno del shadow automation: áreas de negocio que, cansadas de esperar a TI, contratan herramientas de automatización de bajo código y despliegan bots por su cuenta. Forrester y otras firmas han documentado cómo esta práctica, aunque acelere resultados inmediatos, crea riesgos acumulativos que pueden costar mucho más que cualquier eficiencia ganada (FORRESTER, 2024).

Cómo desarrollar un programa de automatización

Los casos públicos exitosos comparten un patrón que es posible destilar en cinco pasos, aunque el sector y la tecnología cambien.

Primero, empezar con un diagnóstico honesto del proceso AS-IS, idealmente apoyado en process mining para no depender solo de entrevistas, como hizo Siemens con Celonis. Segundo, rediseñar antes de automatizar, eliminando pasos innecesarios y renegociando reglas de negocio obsoletas. Tercero, elegir la tecnología correcta para cada tramo: RPA para tareas estructuradas de alto volumen, iBPMS para la orquestación, iPA para decisiones con datos no estructurados (como en el caso de COiN) y RDA para asistir al usuario sin reemplazarlo. Cuarto, instaurar un gobierno sólido desde el día uno, con CoE, políticas, métricas y comités. Y, quinto, medir el valor real, no los entregables técnicos: horas liberadas, errores evitados, tiempo de ciclo reducido y experiencia del empleado mejorada.

La hiperautomatización bien ejecutada no desplaza a las personas: las libera de las tareas que nunca debieron haber hecho en primer lugar. Esa es, a mi juicio, la verdadera promesa de esta disciplina y el estándar que deberíamos exigirle a cada proyecto que aprobamos.

Cierre: el verdadero diferencial ya no está en la herramienta

Lo que los casos de JPMorgan y Siemens demuestran no es que una herramienta específica sea superior a otra. Lo que demuestran es que el valor no proviene del software, sino de la combinación de tres elementos que ninguna licencia trae empaquetada: un entendimiento profundo del proceso real, una arquitectura que orqueste las piezas bajo una lógica común y un gobierno que asegure que cada bot desplegado responda a un dueño, a un KPI y a un objetivo de negocio.

Ese es, al final, el estándar que deberíamos perseguir: no más tecnología, sino tecnología bien gobernada al servicio de procesos bien diseñados. La transformación digital no es un destino que se alcanza comprando software; es una capacidad organizacional que se construye combinando estrategia, procesos, personas y gobierno. La automatización, en cualquiera de sus formas, es apenas el medio. El fin siempre será el mismo: hacer que la organización funcione como debería funcionar.

En un mercado donde la mayoría de los proveedores vende herramientas, el verdadero diferencial ya no está en el software, sino en la capacidad de articular arquitectura, procesos y gobierno bajo una misma lógica de valor. Esa es la conversación que las organizaciones más maduras de la región están empezando a tener y es la conversación que más rendimiento va a generar en los próximos años. Para quienes enfrentan esa discusión en su propia organización, el primer paso rara vez es comprar más tecnología: es encontrar el socio que pueda ayudarles a ver su operación como un sistema integrado y no como una suma de piezas que funcionan por separado. Cuando ese socio aparece, la conversación cambia de tono y la transformación deja de ser una promesa para convertirse en un resultado medible.

Referencias bibliográficas

CELONIS. Siemens Customer Story: Digital Transformation through Process Mining. Celonis, 2024. Disponible en: https://www.celonis.com/solutions/stories/siemens-digital-transformation-process-mining. Acceso en: 13 abr. 2026.

DELOITTE. Tech Trends 2024. Deloitte Insights, 2024. Disponible en: https://www2.deloitte.com/us/en/insights/focus/tech-trends.html. Acceso en: 13 abr. 2026.

FORRESTER RESEARCH. The State of Intelligent Automation. Cambridge: Forrester, 2024.

GARTNER. Forecast Analysis: Hyperautomation Enablement Software, Worldwide. Stamford: Gartner, 2023.

GARTNER. Hype Cycle for I&O Automation, 2024. Stamford: Gartner, 2024.

HARVARD BUSINESS SCHOOL. JP Morgan COIN: A Bank's Side Project Spells Disruption for the Legal Industry. Digital Initiative, 2018. Disponible en: https://d3.harvard.edu/platform-rctom/submission/jp-morgan-coin-a-banks-side-project-spells-disruption-for-the-legal-industry/. Acceso en: 13 abr. 2026.

ISACA. COBIT 2019 Framework: Governance and Management Objectives. Schaumburg: ISACA, 2019.

MCKINSEY & COMPANY. The economic potential of generative AI: The next productivity frontier. McKinsey Digital, jun. 2023.

MCKINSEY & COMPANY. The state of AI: How organizations are rewiring to capture value. McKinsey Global Survey, 2025.

SON, H. JPMorgan Software Does in Seconds What Took Lawyers 360,000 Hours. Bloomberg, 28 feb. 2017. Disponible en: https://www.bloomberg.com/news/articles/2017-02-28/jpmorgan-marshals-an-army-of-developers-to-automate-high-finance. Acceso en: 13 abr. 2026.

UIPATH. Siemens Mobility RPA Case Study. UiPath Customer Stories, 2022. Disponible en: https://www.uipath.com/resources/automation-case-studies/siemens-mobility-transportation-rpa. Acceso en: 13 abr. 2026.

VAN DER AALST, W. M. P. Process Mining: Data Science in Action. 2. ed. Berlin: Springer, 2016.