Diseñar sistemas de IA que sobreviven un año en producción

Tras varios años montando sistemas con clientes, la observación más constante es esta: el primer mes todo brilla, el tercero alguien empieza a tener dudas, y al noveno el sistema se ha vuelto invisible o se ha apagado por inutilidad. Diseñar para que no pase requiere asumir desde el principio que la versión inicial no es la versión final.

Lo que se degrada y por qué

Un sistema de IA no se rompe como un sistema tradicional. No deja de responder. Sigue respondiendo, pero responde peor. Las causas suelen ser tres y conviven: la documentación que lo alimenta envejece, los casos de uso reales se desvían de los previstos, y los modelos disponibles cambian sin que nadie lo planifique.

Si nadie está mirando, el sistema entra en una zona gris donde sigue funcionando lo justo para que nadie lo apague, pero no lo suficiente como para que la gente lo use con convicción. Esa zona es el cementerio de los proyectos de IA en empresas.

Decisiones de diseño que pagan a doce meses

• Separar el modelo del resto del sistema, para poder cambiarlo sin tocar la lógica de negocio.
• Guardar todas las entradas y salidas con su contexto, no para investigar accidentes sino para poder rehacer el sistema con datos reales.
• Construir desde el principio una vista de operación: qué consultas llegan, cuáles fallan, cuáles tardan, cuáles vuelven repetidas.
• Definir un dueño funcional, no solo técnico, que se sienta responsable de que el sistema mejore con el tiempo.

El componente que casi nadie incluye

En los proyectos donde trabajamos, el factor que más explica la supervivencia a un año no es la arquitectura ni el modelo. Es el ritual. Una reunión recurrente, mensual o quincenal, donde alguien revisa el comportamiento real del sistema, decide qué mejorar y prioriza ajustes. Sin ese ritual, el sistema deriva. Con él, mejora.

Es probablemente la inversión con mejor retorno y la primera que se elimina cuando el equipo va apurado. Conviene blindarla.

Una idea para llevarse

Un sistema de IA en producción no es un proyecto que termina, es un producto que vive. Quien lo trate como una entrega cerrada va a vivir el ciclo completo del decaimiento. Quien lo trate como un producto va a verlo mejorar mes a mes y va a ser muy difícil de copiar.