La regla del diez-veinte-setenta que redefine cada proyecto de IA

Lo que la regla dice realmente

La regla 10/20/70 divide el trabajo total de construir o adoptar un sistema de IA en tres cortes aproximados. El diez por ciento inicial es el propio modelo: seleccionar un enfoque, ajustar fino (fine-tuning) o usar prompts, lograr que la lógica central produzca una salida correcta. El siguiente veinte por ciento son los datos: recopilarlos, limpiarlos, estructurarlos y mantenerlos actualizados para que el modelo tenga algo confiable con lo que trabajar. El setenta por ciento restante es todo lo demás — integración en flujos de trabajo reales, manejo de errores, experiencia de usuario, monitoreo, seguridad, cumplimiento normativo y el cambio organizacional que hace que las personas realmente usen la herramienta.

Quiero ser claro: esto no es una ley precisa de la naturaleza. He visto proyectos donde la manipulación de datos consumió el cuarenta por ciento del cronograma y otros donde una mala decisión de integración convirtió el setenta en un noventa. Pero como heurística de planificación, se alinea estrechamente con lo que los profesionales reportan en diversas industrias. El patrón se mantiene porque el modelo es cada vez más una mercancía; la fricción reside en hacerlo funcionar dentro de una realidad operativa caótica y humana.

Por qué todos sobredimensionan el diez por ciento

Aquí está la verdad incómoda: el modelo es la pieza más visible, más comercializable y más divertida del proyecto. Es lo que pones en la presentación de ventas. Es lo que hace que la demostración funcione durante noventa segundos. Así que los equipos vuelcan su energía allí — cambiando arquitecturas, persiguiendo una puntuación de referencia ligeramente mejor, debatiendo sobre qué enfoque maneja mejor los casos extremos. Y ese trabajo importa, pero es el corte más pequeño.

Cometí este error en mi primer año dirigiendo SEMPITE. Pasé semanas obsesionado con cómo nuestra puntuación interna de visibilidad manejaba las consultas de cola larga, ajustando umbrales hasta que me dio un dolor de cabeza, mientras que el flujo de trabajo real orientado al cliente — extraer datos según un horario, marcar anomalías, escribir el resumen que un dueño de negocio pequeño realmente leería — estaba sostenido con cinta adhesiva y esperanza. El modelo era elegante. El sistema a su alrededor era vergonzoso. Arreglar el setenta tomó más tiempo que el diez.

La razón por la que esto sigue ocurriendo es que el diez por ciento tiene una línea de meta clara. Puedes medirlo, hacerle pruebas de referencia, mostrar un gráfico. El setenta por ciento es difuso. Vive en hilos de Slack, en preguntas como 'espera, ¿qué pasa cuando la API expira a las 2 a.m.?', en la reunión del martes donde alguien dice que nadie usó la función la semana pasada. No hay un gráfico elegante para eso. Así que se pospone, y las cosas pospuestas no desaparecen.

Cómo se ve cada corte en la práctica

El diez por ciento, concretamente: elegir si una tarea necesita un modelo generativo, un pipeline de clasificación o simplemente un motor de reglas bien escrito. Usar prompts o ajustar fino para que la salida sea lo suficientemente precisa para el caso de uso. Probar contra un conjunto de ejemplos retenidos en los que te importes. Para un negocio pequeño que busca ser visible en los resultados de búsqueda de IA, este corte se ve como asegurarse de que el sistema interprete correctamente lo que un cliente local está preguntando realmente y pueda coincidirlo con tu contenido.

El veinte por ciento: los datos que alimentan todo eso. Para mi trabajo, significa mantener información estructurada sobre un negocio precisa y actual — horarios, servicios, ubicación, reseñas, el lenguaje específico que un cliente usa cuando busca ayuda. Si esos datos están obsoletos o inconsistentes, ningún modelo del mundo arregla la salida. He visto sistemas de IA perfectamente capaces producir basura porque el listado subyacente aún mostraba números de teléfono antiguos. El modelo hizo su trabajo. Los datos fallaron.

El setenta por ciento: aquí seré honesto y diré que gran parte de mi propio trabajo reside en esto. Es la capa de integración — conectar el sitio web del cliente, sus perfiles de reseñas, sus citas locales en una señal coherente. Es el monitoreo: observar si los asistentes de IA aún recomiendan el negocio después de una actualización de algoritmo. Es el flujo de trabajo: ¿cómo ve un fontanero o una marca personal la alerta, entiende qué cambió y actúa sobre ello en menos de cinco minutos? Es la capa de confianza: asegurarse de que la información mostrada sea precisa, atribuible y no engañosamente inexacta por accidente. Nada de esto es glamoroso. Todo es necesario.

Cómo cambia esto en qué deberías gastar tu tiempo

Si eres dueño de un negocio pequeño o un profesional independiente pensando en 'hacer IA', la regla 10/20/70 te dice que resistas el impulso de empezar con la herramienta. Empieza con los datos. ¿Qué necesita saber un asistente de IA sobre tu negocio, tus servicios, tu ubicación y tus diferenciadores para recomendarte con precisión? ¿Puede un extraño encontrar esa información consistentemente en todos los lugares donde podría buscar? Si la respuesta es no, aún no has llegado al problema del modelo. Sigues en el veinte.

Luego piensa en el flujo de trabajo antes que en la tecnología. ¿Quién en tu negocio — si es más que solo tú — ve la salida? ¿Qué hacen con ella un martes por la mañana cuando también están contestando teléfonos y cargando inventario? Si la respuesta requiere una sesión de entrenamiento de treinta minutos y un SOP impreso, el setenta por ciento se comerá tu fecha de lanzamiento. Diseña para la persona, no para la plataforma.

Y sí, haz bien el diez por ciento. Un enfoque mal elegido o un prompt que alucina detalles destruirá la confianza más rápido que una página en blanco. Pero presupuesta tu tiempo y atención proporcionalmente. Preferiría que un cliente tuviera un modelo modesto con un pipeline robusto a su alrededor que un sistema de vanguardia que se rompe cada vez que alguien cambia un horario comercial en su sitio web.

La parte que nadie pone en la presentación

Hay un modo de fallo que veo tan a menudo que tiene su propio olor: un equipo construye una función de IA impresionante, la demuestra a la dirección, obtiene el presupuesto aprobado y luego lo abandona silenciosamente porque mantener el setenta es aburrido y continuo. El modelo no se cansa de ejecutarse. El panel de monitoreo no deja de generar alertas. La fuente de datos cambia de formato un viernes por la tarde en noviembre y nadie se da cuenta hasta que un cliente llama a quejarse. El diez por ciento tiene un interruptor de apagado. El setenta no.

Les digo esto a los clientes con claridad porque va en contra de mi propio interés de cerrar el trato. Si tu presupuesto es de seis cifras y planeas gastar el noventa por ciento en el modelo y el cinco por ciento en todo lo demás, te diré que eso está al revés y preferiría perder el proyecto antes que verlo pudrirse en una esquina. La regla existe precisamente para que no te enamores de la pieza más pequeña.

El panorama de la IA se mueve tan rápido que las herramientas y enfoques específicos que elijas hoy estarán desactualizados en dieciocho meses. La disciplina operativa, la higiene de datos, el diseño del flujo de trabajo — eso se acumula. Es la parte que sigue funcionando cuando salga la próxima generación de modelos. Gasta tu energía donde se acumule y no donde quede obsoleta.