Raft presenta «AI KOMP-AS», un marco para adoptar la IA de forma rentable y segura

Raft ha presentado AI KOMP-AS, un marco que propone ver la adopción de la IA no como un conjunto de experimentos de moda, sino como una transformación de negocio gestionable, con valor medible, límites claros y una ruta calculada de antemano desde la idea hasta la escala. El enfoque se basa en la experiencia práctica del equipo a lo largo de 14 años de desarrollo e implantación de soluciones de IA/ML para clientes en Rusia y en el extranjero.

La tesis principal es sencilla: ya no basta con tener acceso a los modelos para que un proyecto dé resultados. Para directivos y propietarios de empresas, la alfabetización en IA se convierte en una competencia aplicada de la que dependen la economía de la compañía, la velocidad de cambio y la capacidad de no gastar presupuesto en iniciativas sin efecto. Si la tecnología se implanta de forma consciente, puede convertirse en motor de crecimiento. Si no, se transforma rápidamente en una partida de gasto cara y mal controlada.

Raft ilustra esta brecha entre expectativas y rendimiento real con datos del informe del MIT The GenAI Divide: State of AI in Business 2025: en un horizonte de un año, solo una de cada veinte organizaciones logró un efecto económico positivo con la adopción de IA.

Las causas son conocidas para la mayoría de las empresas: no está claro dónde aportará más beneficio la IA, cómo hacer coincidir las capacidades de la tecnología con los procesos reales, qué riesgos se esconden en los datos, la infraestructura y el modelo operativo, y en qué momento tiene sentido convertir un piloto en producto. En este contexto, la idea del marco no parece una metodología abstracta, sino una forma de reducir la probabilidad de errores costosos al comienzo.

AI KOMP-AS divide la transformación con IA en seis pasos consecutivos.

• El primero, «K»: adónde quiere llegar la empresa, es decir, qué objetivos de negocio, puntos de crecimiento y restricciones hay que tener en cuenta.
• El segundo, «O»: desde dónde arranca la ruta, incluido el estado actual de los procesos, la tecnología y los puntos débiles.
• El tercero, «M»: si la organización puede siquiera recorrer este camino, según la madurez de sus procesos, su cultura, la calidad de los datos, la infraestructura disponible y los riesgos regulatorios.
• El cuarto, «P»: cómo priorizar las iniciativas por valor y justificación económica, para no automatizarlo todo sin criterio.
• El quinto, «A»: diseño de arquitectura y producto, donde se validan hipótesis, se formulan requisitos y se evalúan los riesgos, el coste de propiedad y la hoja de ruta para llevar la solución del prototipo a una producción mínima necesaria.
• El sexto, «S»: escalado, cuando el equipo prepara la estrategia para pasar del MVP a la automatización plena de una función con IA sin perder control ni calidad.

Una parte importante del enfoque es rechazar la lógica de «primero el modelo, ya veremos para qué sirve». En AI KOMP-AS el orden es el inverso: primero el contexto de negocio y los criterios de éxito, luego la evaluación de preparación y economía, y solo después el diseño de la solución y su implantación. Para las empresas, esto supone un filtrado más estricto de ideas en la entrada, una elección más clara de casos de uso y menos probabilidades de caer en la trampa de los pilotos de demostración, que lucen bien pero no sobreviven al choque con los procesos reales, la seguridad, las integraciones y los costes de mantenimiento.

Raft subraya aparte que la hoja de ruta debe tener en cuenta no solo la funcionalidad, sino también los requisitos no funcionales, las restricciones y el escenario de escalado; de lo contrario, un éxito local no se convierte en un resultado sistémico.

Qué significa esto en la práctica: el mercado se aleja poco a poco de «implantar IA a cualquier precio» y se acerca a la disciplina de implantación. AI KOMP-AS resulta interesante justo como intento de empaquetar ese cambio en un esquema de gestión claro: de la meta y el diagnóstico a las prioridades, la arquitectura y la escala. Para las empresas cansadas de experimentos caóticos que buscan vincular sus iniciativas de IA con el ROI, el TCO y las restricciones reales del negocio, un marco así puede ser un punto de partida útil.

No garantiza el éxito, pero sí permite aumentar notablemente las posibilidades de que la inversión en IA aporte no solo una demostración de capacidades, sino un efecto económico medible.