Entrada observable
Correo, documento, consulta, audio, imagen, registro o evento. Debes conocer formato, volumen, calidad, propietario y sensibilidad.
Catálogo práctico · de la necesidad al piloto
Casos de uso de IA para empresas: qué montar, con qué datos y cómo medirlo
Explora aplicaciones concretas por departamento, sector y nivel de riesgo. Cada ficha identifica el patrón técnico, las familias de modelos que conviene comparar, el stack inicial, el control humano y una métrica que permite decidir si el piloto merece continuar.
Antes del catálogo
Cómo convertir una idea en una ficha de piloto
Salida utilizable
Respuesta con fuentes, borrador, clasificación, extracción, alerta o propuesta de acción. Especifica el formato y quién la valida.
Métrica de negocio
Tiempo hasta resolver, precisión de extracción, porcentaje de borradores aceptados, recuperación correcta, reducción de retrabajo o cobertura.
Evita empezar por una tarea irreversible, sin ejemplos o cuyo error no pueda detectarse. Un primer piloto debe ser acotado, reversible y lo bastante frecuente para acumular evidencia.
Filtro interactivo
Encuentra un caso de uso
La búsqueda y los filtros se ejecutan en tu navegador. No se envía ninguna consulta.
25casos visibles
Conocimiento · riesgo medioRAG
Asistente sobre manuales y procedimientos
Un empleado consulta el archivo interno de manuales y procedimientos y recibe una respuesta con fragmentos y enlaces a la fuente vigente.
- IA
- Familias Qwen, Llama, Gemma o gpt-oss; embeddings y reranking.
- Datos
- Manuales, procedimientos, versiones y permisos por colección.
- Stack
- Ollama para piloto; Open WebUI o aplicación propia; índice vectorial e híbrido.
- Control
- Aplicar permisos antes de recuperar, mostrar fuente y admitir «no encontrado».
- Métrica
- Recuperación correcta en el conjunto de preguntas y tiempo hasta localizar la evidencia.
Legal y compras · riesgo altoRAG asistido
Revisión inicial de contratos
Localiza cláusulas, obligaciones, fechas, renovaciones y desviaciones respecto a una guía interna, sin sustituir la revisión jurídica.
- IA
- LLM con contexto amplio y salida JSON; RAG sobre modelos y políticas.
- Datos
- Contrato, anexos, plantillas aprobadas y matriz de cláusulas.
- Stack
- Extracción de texto, RAG, validador de esquema y visor de evidencias.
- Control
- Revisión humana obligatoria; no aprobar, firmar ni rechazar automáticamente.
- Métrica
- Cobertura de cláusulas y tasa de falsos negativos sobre contratos ya revisados.
Ventas · riesgo medioBorradores
Preparación de propuestas comerciales
Genera una primera propuesta a partir de requisitos, catálogo autorizado y estructura comercial, dejando cifras y compromisos bajo validación.
- IA
- LLM instructivo con salida por secciones y RAG de producto.
- Datos
- Brief, catálogo, casos permitidos, plantillas y condiciones vigentes.
- Stack
- Formulario estructurado, RAG y exportación a documento editable.
- Control
- Bloquear invención de precios, plazos, certificaciones y referencias no presentes.
- Métrica
- Porcentaje de texto aceptado y tiempo de preparación hasta revisión.
Soporte · riesgo medioWorkflow
Clasificación de tickets y borrador de respuesta
Clasifica asunto, urgencia y producto; recupera documentación; prepara un borrador para el equipo de soporte técnico.
- IA
- Clasificador LLM o pequeño modelo especializado; LLM para el borrador.
- Datos
- Ticket, historial permitido, manuales y catálogo de categorías.
- Stack
- n8n, runtime local, RAG y sistema de tickets mediante API.
- Control
- No enviar ni cambiar prioridad crítica sin regla determinista o aprobación.
- Métrica
- Precisión de categoría, tiempo de primera respuesta y aceptación del borrador.
Administración · riesgo altoExtracción
Lectura asistida de facturas y pedidos
Extrae proveedor, número, líneas, impuestos y pedido relacionado; entrega una propuesta estructurada para validar.
- IA
- OCR o visión, LLM multimodal o extracción con esquema.
- Datos
- PDF o imagen, maestros de proveedor y pedidos abiertos.
- Stack
- Ingesta, OCR, salida JSON, reglas contables y bandeja de revisión.
- Control
- Comprobar totales, moneda, duplicados y proveedor antes de registrar.
- Métrica
- Exactitud por campo y porcentaje de documentos que requieren corrección.
Personas · riesgo medioAsistente
Preguntas sobre políticas internas
Responde dudas sobre permisos, beneficios, viajes o procedimientos con la fuente aplicable a cada colectivo.
- IA
- RAG con respuestas concisas y abstención.
- Datos
- Políticas vigentes, convenios autorizados y metadatos de aplicabilidad.
- Stack
- Interfaz autenticada, índice con permisos y registro de consultas.
- Control
- No inferir situaciones personales ni tomar decisiones laborales.
- Métrica
- Respuestas respaldadas y reducción de consultas repetitivas al equipo responsable.
Reuniones · riesgo medioVoz
Transcripción y acta de reuniones
Transcribe audio, separa intervenciones cuando sea viable y propone acuerdos, tareas y asuntos pendientes.
- IA
- Whisper o familia equivalente para voz; LLM para el acta.
- Datos
- Audio autorizado, agenda y vocabulario interno.
- Stack
- FFmpeg, transcriptor local, plantilla de acta y archivo protegido.
- Control
- Revisar nombres, cifras, responsables y acuerdos antes de publicar.
- Métrica
- Error de palabras críticas y tiempo desde la reunión hasta el acta validada.
Desarrollo · riesgo medioCódigo + RAG
Asistente sobre repositorios privados
Explica módulos, localiza dependencias, propone pruebas y prepara cambios pequeños a partir del código autorizado.
- IA
- Familias orientadas a código; embeddings de código y búsqueda textual.
- Datos
- Repositorios, documentación, incidencias y convenciones internas.
- Stack
- Runtime CUDA, indexador, integración de editor o interfaz interna.
- Control
- Revisión de diff, pruebas automáticas, secretos excluidos y permisos por repositorio.
- Métrica
- Pruebas superadas, defectos introducidos y tiempo hasta una propuesta revisable.
IT · riesgo altoAgente limitado
Diagnóstico de incidencias de sistemas
Consulta métricas y logs, plantea hipótesis y propone comandos de diagnóstico; la ejecución queda limitada o requiere aprobación.
- IA
- LLM con tool calling y contexto técnico.
- Datos
- Alertas, inventario, logs filtrados, runbooks y cambios recientes.
- Stack
- Agente, herramientas de solo lectura, sistema de tickets y registro de decisiones.
- Control
- Sin shell libre; listas de comandos permitidos; aprobación para cambios.
- Métrica
- Tiempo hasta una hipótesis útil, precisión del runbook y acciones rechazadas.
Calidad · riesgo medioRAG
Consulta de procedimientos y no conformidades
Relaciona una incidencia con procedimientos, controles y casos anteriores, citando las fuentes vigentes.
- IA
- RAG híbrido con filtros por planta, producto y versión.
- Datos
- Procedimientos, registros autorizados, taxonomía y estados.
- Stack
- Pipeline de ingesta, vectorial, búsqueda léxica y reranker.
- Control
- Excluir registros cerrados o sensibles según rol; conservar trazabilidad.
- Métrica
- Recall de documentos relevantes y tiempo de preparación del análisis.
Industria · riesgo altoVisión
Detección visual de defectos
Señala anomalías o clasifica defectos en imágenes capturadas bajo condiciones controladas.
- IA
- Modelo de visión entrenado o ajustado; no un chat genérico.
- Datos
- Imágenes etiquetadas, condiciones de captura y ejemplos difíciles.
- Stack
- Pipeline de cámara, preprocesado, inferencia GPU y sistema de revisión.
- Control
- No retirar producto automáticamente sin validar umbrales y tolerancias.
- Métrica
- Precisión, recall por defecto, falsos negativos y estabilidad por lote.
Logística · riesgo medioExtracción + reglas
Lectura de albaranes y conciliación
Extrae líneas y referencias, las compara con el pedido y genera una lista de discrepancias para revisar.
- IA
- OCR, visión o LLM multimodal con salida estructurada.
- Datos
- Albarán, pedido, maestro de artículos y tolerancias.
- Stack
- Ingesta, esquema JSON, matching determinista y bandeja de excepciones.
- Control
- Las cantidades y referencias se validan con reglas; no se confía en texto libre.
- Métrica
- Exactitud por línea y porcentaje de conciliaciones automáticas correctas.
Marketing · riesgo medioGeneración controlada
Fichas de producto a partir de datos maestros
Redacta títulos, beneficios y descripciones desde atributos verificados y una guía de estilo.
- IA
- LLM instructivo con esquema y plantillas.
- Datos
- Atributos, compatibilidades, restricciones y vocabulario de marca.
- Stack
- Exportación del PIM, generación por lotes y cola de revisión.
- Control
- No inventar compatibilidad, certificaciones, disponibilidad ni prestaciones.
- Métrica
- Campos aceptados, errores factuales y tiempo de publicación por referencia.
Diseño · riesgo bajoWorkflow visual
Variaciones creativas de producto
Genera fondos, encuadres y otras variantes de imagen y vídeo mediante un workflow reproducible.
- IA
- Modelos de difusión y control de composición.
- Datos
- Imágenes autorizadas, máscara, guía de marca y prompt aprobado.
- Stack
- ComfyUI, GPU con VRAM suficiente y almacenamiento versionado.
- Control
- Revisión de derechos, identidad visual, artefactos y representación del producto.
- Métrica
- Porcentaje de variantes aprobadas y tiempo por campaña.
Entorno regulado · riesgo altoAsistente restringido
Búsqueda de normativa y protocolos
Recupera pasajes aplicables y prepara un resumen, sin emitir una decisión profesional ni ocultar incertidumbre.
- IA
- RAG con filtros de vigencia, jurisdicción y versión.
- Datos
- Normativa, protocolos aprobados y metadatos de aplicabilidad.
- Stack
- Repositorio gobernado, búsqueda híbrida, citas y registro.
- Control
- Uso por profesionales autorizados, revisión obligatoria y fuentes visibles.
- Métrica
- Cobertura de fuentes correctas y ausencia de citas inexistentes.
Finanzas · riesgo altoAlerta asistida
Explicación de desviaciones presupuestarias
Detecta variaciones mediante reglas o analítica y usa el LLM para explicar posibles causas y pedir evidencia.
- IA
- Analítica determinista para detectar; LLM para resumir y orientar.
- Datos
- Presupuesto, real, centros de coste y comentarios autorizados.
- Stack
- Consulta SQL de solo lectura, reglas, generación y panel.
- Control
- El modelo no calcula cifras críticas ni aprueba ajustes.
- Métrica
- Tiempo hasta explicación, cobertura de desviaciones y correcciones humanas.
Dirección · riesgo medioResumen con fuentes
Informe ejecutivo de actividad
Combina indicadores aprobados, incidencias y comentarios para preparar un borrador de informe operativo con referencias.
- IA
- LLM con salida por secciones y herramientas de consulta.
- Datos
- KPIs calculados fuera del modelo, tickets y notas autorizadas.
- Stack
- Pipeline de datos, plantilla, RAG de contexto y exportación.
- Control
- Las cifras se inyectan como valores confiables; el modelo no las recalcula.
- Métrica
- Correcciones factuales y tiempo de preparación.
Ingeniería · riesgo medioAsistente técnico
Comparación de especificaciones
Extrae parámetros de fichas y prepara una matriz de diferencias con enlace a la evidencia.
- IA
- Extracción estructurada y RAG; visión cuando el PDF es escaneado.
- Datos
- Fichas, revisiones, unidades y taxonomía técnica.
- Stack
- OCR, parser, validador de unidades y exportación tabular.
- Control
- Normalizar unidades con código; marcar campos ambiguos y faltantes.
- Métrica
- Exactitud por atributo y detección de documentación incompatible.
Formación · riesgo bajoTutor
Tutor interno sobre material aprobado
Propone explicaciones, preguntas y ejercicios adaptados al rol, siempre desde contenidos vigentes.
- IA
- RAG y generación de ejercicios.
- Datos
- Material formativo, objetivos, niveles y banco de preguntas.
- Stack
- Interfaz, RAG, perfiles de usuario y registro de progreso separado.
- Control
- Revisión de respuestas, accesibilidad y no usar el chat como evaluación única.
- Métrica
- Aprendizaje en prueba independiente y tasa de consultas resueltas.
CRM · riesgo medioBorrador estructurado
Resumen de interacción y próximos pasos
Convierte notas o una transcripción en un resumen, riesgos, necesidades y tareas propuestas para revisar.
- IA
- LLM con esquema fijo; transcripción cuando existe audio autorizado.
- Datos
- Notas, mensajes, catálogo de estados y campos del CRM.
- Stack
- Webhook, LLM, validador JSON y formulario de confirmación.
- Control
- No actualizar probabilidad, importe ni compromiso sin confirmación.
- Métrica
- Campos aceptados y tiempo de registro posterior a la reunión.
Mantenimiento · riesgo medioRAG técnico
Asistente de averías y repuestos
Relaciona síntoma, equipo y código de error con manuales, histórico y lista de comprobaciones.
- IA
- RAG híbrido con metadatos de modelo y versión.
- Datos
- Manuales, partes autorizados, catálogo y runbooks.
- Stack
- Índice por equipo, buscador léxico, embeddings y respuesta con fuentes.
- Control
- Advertencias de seguridad, pasos ordenados y escalado a especialista.
- Métrica
- Primer documento relevante, tiempo de diagnóstico y repetición de averías.
Seguridad · riesgo altoCopiloto
Triaje de alertas de ciberseguridad
Resume eventos, relaciona activos y propone una secuencia de comprobación sin ejecutar contención por su cuenta.
- IA
- LLM con herramientas de consulta y conocimiento de runbooks.
- Datos
- Alertas, inventario, logs filtrados, criticidad y procedimientos.
- Stack
- API de solo lectura, RAG, lista de comprobaciones y ticketing.
- Control
- Aislar contenido no confiable, no exponer secretos y aprobación para cualquier acción.
- Métrica
- Tiempo de triaje, precisión de prioridad y errores de recomendación.
Operaciones · riesgo bajoClasificación
Enrutado de documentos y correos
Clasifica tipo, departamento y urgencia; deja una bandeja de excepciones para entradas ambiguas.
- IA
- Clasificador pequeño o LLM con etiquetas cerradas.
- Datos
- Muestras históricas, taxonomía y reglas de exclusión.
- Stack
- n8n, endpoint local, salida JSON y carpeta o cola destino.
- Control
- Umbral de confianza, cuarentena para desconocidos y no borrar originales.
- Métrica
- Precisión por clase, cobertura y porcentaje enviado a revisión.
Datos · riesgo medioConsulta asistida
Preguntas en lenguaje natural sobre datos
Traduce una pregunta a una consulta permitida, la valida y explica el resultado usando métricas calculadas por el motor de datos.
- IA
- LLM para intención y SQL; catálogo semántico.
- Datos
- Vistas de solo lectura, diccionario y reglas de acceso.
- Stack
- Generador, parser SQL, allowlist, límite de filas y visualización.
- Control
- Sin acceso directo a tablas sensibles ni ejecución de sentencias de escritura.
- Métrica
- Consultas válidas, exactitud semántica y tiempo hasta respuesta verificada.
Compras · riesgo medioComparación asistida
Matriz de ofertas de proveedores
Extrae conceptos comparables, normaliza campos y prepara preguntas sobre diferencias o ausencias.
- IA
- Extracción estructurada y resumen con evidencia.
- Datos
- Ofertas, requisitos, unidades, condiciones y criterios aprobados.
- Stack
- Parser, esquema, normalizador determinista y hoja de revisión.
- Control
- La puntuación final sigue reglas aprobadas y revisión del comprador.
- Métrica
- Exactitud por campo y tiempo de consolidación.
No hay casos que coincidan con esos filtros. Prueba otra palabra o vuelve a mostrar todos.
Orden recomendado
Qué caso conviene implantar primero
En palabras sencillas
El primer caso ideal cumple tres condiciones: repetitivo (ocurre cada semana), medible (sabes si salió bien) y de bajo riesgo (un error no cuesta un cliente). Ejemplo real: resumir los correos largos de proveedores — pasa a diario, se comprueba en un vistazo y un resumen flojo no tiene consecuencias. Empezar ahí construye la confianza para lo siguiente.
Selecciona una tarea frecuente y reversible
La salida debe poder revisarse y corregirse sin afectar de forma inmediata a clientes, dinero, seguridad o derechos.
Reúne ejemplos antes de elegir modelo
Prepara entradas reales anonimizadas, salidas correctas y casos difíciles. Sin este conjunto no podrás comparar ni detectar regresiones.
Empieza con asistencia, no con autonomía
Un borrador permite medir utilidad y error. La automatización de acciones llega después de validar herramientas, permisos, límites e idempotencia.
Mide el proceso completo
Incluye tiempo de revisión, fallos de recuperación, correcciones, latencia y carga operativa. Una respuesta rápida no garantiza ahorro neto.
Dimensiona con la prueba
Registra memoria, tamaño de entrada, salida, concurrencia y disponibilidad. Después decide si basta el equipo actual, una GPU, DGX Spark o una plataforma de servicio.
Del tutorial a la compra
Convierte el caso de uso en una decisión de hardware verificable
Define la tarea, prepara una prueba y mide memoria, tiempo y usuarios simultáneos. El objetivo es traducir el tutorial a requisitos de compra concretos sin presentar la implantación como un servicio estándar.
- 01
Define la carga
Concreta tarea, familia de modelo, contexto, lote y usuarios simultáneos.
Aclarar el caso de uso → - 02
Dimensiona memoria
Compara VRAM, memoria coherente, velocidad y margen de crecimiento.
Usar el recomendador de hardware → - 03
Compra en la tienda
Abre la ficha comercial para consultar configuración, precio cerrado, disponibilidad y condiciones vigentes.
Contacto y disponibilidad →
RTX PRO 6000 · 96 GB
Prioriza una GPU profesional para inferencia, imagen, vídeo o serving cuando el modelo y el contexto caben en sus 96 GB de VRAM.
Ver ficha profesional →NVIDIA DGX Spark · 128 GB
Considera memoria unificada para desarrollo CUDA y cargas que superan la VRAM de una GPU, aceptando que capacidad no equivale siempre a más velocidad.
Ver ficha y comprar →Recomendador de hardware
Responde cinco preguntas y compara el equipo actual, una GPU NVIDIA, la RTX PRO 6000 y sistemas GB10 como DGX Spark, ASUS Ascent GX10 o Lenovo ThinkStation PGX.
Comparar opciones →aisupercomputers.es aporta guías y herramientas de decisión. La compra, el precio cerrado en la ficha y el soporte comercial desde España se gestionan en las tiendas del grupo Ietres.
Preguntas frecuentes
Elegir y priorizar casos de uso
¿Cuál es el caso más fácil para empezar?
Suele ser una tarea de asistencia con datos ya disponibles, salida revisable y bajo impacto: resumen, clasificación, búsqueda con fuentes o borrador. La facilidad real depende de la calidad de los datos y del acceso.
¿Un chatbot es un caso de uso?
Es una interfaz. El caso de uso debe indicar qué conocimiento consulta, para quién responde, qué resultado produce, qué no puede hacer y cómo se mide.
¿Cuándo necesito RAG?
Cuando la respuesta depende de conocimiento propio, cambiante o que debe citarse. No es necesario para una transformación que utiliza solo el texto aportado por el usuario.
¿Cuándo conviene fine-tuning?
Cuando prompts, ejemplos y RAG no consiguen de forma estable un comportamiento o formato específico y dispones de un dataset representativo. No es la primera opción para añadir conocimiento que cambia.
¿Qué caso justifica un agente?
Una tarea que requiere elegir entre varias herramientas o pasos, con estado y validación. Si un flujo fijo resuelve el proceso, un workflow determinista suele ser más fácil de asegurar y mantener.
Las reglas de conexión · ¿2, 4, 50, 500 unidades?
- Un modelo más grande: solo en pareja — dos unidades con su cable directo (hasta 405B). El "en serie" de 3 o 4 no existe.
- Más usuarios o más trabajo: las que quieras — 4, 50, 500 — en estrella a un switch, cada una con el modelo completo y un repartidor delante.
- Para recordar: dos se funden; los demás se suman. Guía completa de clústeres →