AI Use Case Canvas®
Diseñando soluciones de IA que generan valor real
Las organizaciones no generan valor por implementar inteligencia artificial.
Generan valor cuando diseñan soluciones que resuelven problemas reales, utilizan los datos adecuados, se integran correctamente a la operación y producen resultados medibles para el negocio.
El AI Use Case Canvas® es la herramienta del Strategic AI Framework® que permite diseñar de forma integral un caso de uso de inteligencia artificial antes de iniciar su desarrollo.
Más que un documento de especificación técnica, constituye un espacio de trabajo colaborativo donde negocio, tecnología, datos y gobierno construyen una visión compartida de la solución, evaluando tanto el potencial de la IA como su viabilidad operativa y estratégica.
El resultado es un caso de uso sólido, alineado con la estrategia organizacional y preparado para evolucionar hacia un producto de IA escalable.
¿Por qué existe el AI Use Case Canvas®?
Una de las principales causas de fracaso en iniciativas de IA es que los equipos comienzan desarrollando modelos o implementando herramientas sin haber construido primero una comprensión integral del problema.
Con frecuencia, las conversaciones se centran únicamente en la tecnología:
¿Qué modelo utilizaremos?
¿Qué plataforma es mejor?
¿Qué proveedor debemos contratar?
Sin embargo, estas decisiones representan solo una parte del desafío.
Un caso de uso exitoso requiere comprender el problema de negocio, los procesos involucrados, los datos disponibles, los usuarios, la integración con los sistemas existentes, los riesgos, la infraestructura tecnológica y los beneficios esperados.
El AI Use Case Canvas® integra todas estas dimensiones en una única herramienta visual, facilitando conversaciones estructuradas y decisiones mejor fundamentadas antes de invertir en el desarrollo de una solución.
Objetivo
Diseñar, analizar y documentar un caso de uso de inteligencia artificial mediante una visión multidisciplinaria que permita evaluar su valor estratégico, viabilidad técnica, impacto operativo y retorno esperado antes de su implementación.
¿Qué hace diferente al AI Use Case Canvas®?
A diferencia de un documento tradicional de requerimientos o una ficha técnica de proyecto, el AI Use Case Canvas® reúne en una sola vista todos los elementos críticos necesarios para diseñar una solución de IA.
Esto permite que negocio, datos, tecnología, experiencia de cliente y áreas de gobierno trabajen sobre un lenguaje común, reduciendo malentendidos y acelerando la toma de decisiones.
El canvas no busca responder únicamente cómo construir una solución, sino principalmente si esa solución debe construirse y cuál es la mejor manera de hacerlo.
Componentes del AI Use Case Canvas®
1. Caso de uso
Todo proyecto comienza con una comprensión clara del problema.
Este bloque define el proceso de negocio que se desea mejorar, el resultado esperado y el alcance de la solución.
No describe la tecnología.
Describe la necesidad empresarial que justifica la iniciativa.
Preguntas guía:
¿Qué problema queremos resolver?
¿Qué impacto buscamos?
¿Cuál será el alcance del proyecto?
2. Datos
Los datos constituyen el principal activo de cualquier solución de inteligencia artificial.
Este componente permite identificar la información necesaria para entrenar, alimentar o contextualizar la solución.
Durante el análisis se consideran aspectos como:
datos estructurados
datos no estructurados
datos históricos
datos en tiempo real
calidad
disponibilidad
permisos
sensibilidad
responsables
El objetivo no consiste únicamente en confirmar que existen datos, sino en determinar si poseen la calidad suficiente para generar resultados confiables.
3. Mapeo de tareas
Una solución de IA rara vez reemplaza un proceso completo.
Normalmente automatiza, asiste o mejora actividades específicas.
Este componente permite descomponer el proceso en tareas individuales para identificar cuáles continúan siendo responsabilidad humana y cuáles pueden ser apoyadas por inteligencia artificial.
El resultado es una visión clara de la colaboración entre personas e IA.
4. Modelos y Agentes de IA
No todos los problemas requieren la misma tecnología.
Este bloque permite seleccionar el enfoque más adecuado según la naturaleza del caso de uso.
Dependiendo de las necesidades, la solución puede incorporar:
asistentes basados en IA generativa
sistemas RAG
modelos de Machine Learning
agentes inteligentes
sistemas multiagente
IA embebida dentro de aplicaciones empresariales
datos sintéticos y simulaciones
plataformas de orquestación de agentes
El objetivo no es elegir la tecnología más avanzada, sino aquella que genere mayor valor para el negocio.
5. Usuarios y partes interesadas
Toda solución impacta a múltiples actores.
Este componente identifica:
usuarios finales
patrocinadores
áreas de negocio
clientes
proveedores
reguladores
equipos técnicos
responsables operativos
Comprender sus necesidades permite diseñar soluciones con mayor adopción y mejores resultados.
6. Integración y Operaciones
Una solución aislada difícilmente genera valor sostenible.
Este componente analiza cómo la IA interactuará con la arquitectura tecnológica existente.
Incluye aspectos como:
APIs
ERP
CRM
Sistemas Core
Automatizaciones
Procesos operativos
Monitoreo
Flujo de datos
7. Infraestructura y Herramientas
Una vez definida la solución, es necesario establecer dónde y cómo operará.
Se analizan elementos como:
nube pública o privada
infraestructura local
plataformas de IA
herramientas de desarrollo
almacenamiento
MLOps
observabilidad
monitoreo
8. Riesgos y Ética
La IA debe generar confianza además de resultados.
Este bloque identifica riesgos relacionados con:
privacidad
seguridad
sesgos
transparencia
supervisión humana
cumplimiento regulatorio
uso responsable
Su propósito es incorporar principios de IA Responsable desde el diseño y no como una revisión posterior.
9. Costos
Toda iniciativa requiere comprender la inversión necesaria durante su ciclo de vida.
Se consideran:
desarrollo
licencias
infraestructura
operación
mantenimiento
evolución
soporte
10. KPIs
Toda solución debe demostrar valor.
Este componente establece indicadores que permitan medir tanto el desempeño técnico como el impacto sobre el negocio.
Los indicadores pueden incluir:
productividad
precisión
reducción de tiempos
disminución de errores
satisfacción del cliente
adopción
disponibilidad
calidad
11. ROI
Finalmente, el caso de uso debe justificar la inversión.
Este componente cuantifica el valor esperado mediante beneficios como:
reducción de costes
incremento de ingresos
mitigación de riesgos
aumento de productividad
mejora de experiencia del cliente
ventaja competitiva
El resultado constituye la base para la priorización dentro del portafolio de IA.
Participantes recomendados
El AI Use Case Canvas® está diseñado para desarrollarse mediante talleres colaborativos de entre 60 y 90 minutos.
Idealmente participan representantes de:
Negocio
Operaciones
Tecnología
Datos e Inteligencia Artificial
Riesgo y Cumplimiento
Experiencia de Cliente
Arquitectura Empresarial
Ciberseguridad (cuando aplique)
Product Owner o patrocinador ejecutivo
La diversidad de perspectivas permite construir casos de uso más completos y reduce la probabilidad de omitir riesgos o necesidades relevantes.
Resultado esperado
Al finalizar el ejercicio, la organización dispone de un caso de uso completamente estructurado que integra la perspectiva del negocio, los datos, la tecnología, la operación y el gobierno.
Este artefacto se convierte en la base para decidir si la iniciativa debe avanzar hacia el AI Product, incorporarse al Innovation Portfolio o regresar al AI LAB para una experimentación adicional.
Principio fundamental del AI Use Case Canvas®
"Un caso de uso de IA no se define por el modelo que utiliza, sino por la capacidad de integrar estrategia, negocio, datos, tecnología y gobierno para resolver un problema real de manera sostenible."
