Una organización con la que trabajamos gestionaba toda su operación sobre FileMaker. Cientos de referencias en su catálogo, años de histórico, decenas de procesos diarios. Funcionaba. Y precisamente por eso nadie lo había tocado en mucho tiempo. La pregunta que nos hicieron no fue “¿cómo migramos la base de datos?”. Fue una mejor: “¿qué debería hacer la IA por nosotros que hoy hacemos a mano?”. Ahí está la diferencia entre migrar un sistema legacy y modernizar de verdad una empresa.
El problema del sistema que “aún funciona”
FileMaker, como cualquier sistema hecho a medida hace quince años, tiene una virtud peligrosa: funciona lo suficiente como para no ser una urgencia. Guarda los datos, la gente sabe usarlo, el negocio sigue girando.
Pero debajo de esa aparente calma hay un coste que nadie contabiliza:
- El conocimiento vive en la cabeza de quien lleva años usándolo, no en el sistema.
- Cada proceso nuevo se resuelve con una hoja de cálculo al lado, porque tocar el sistema da miedo.
- La información existe, pero cruzarla para tomar una decisión es trabajo manual de horas.
- Nadie construye nada nuevo encima porque el sistema no fue pensado para crecer.
El sistema no falla. Simplemente convierte cada mejora en un proyecto y cada decisión en una búsqueda manual. Ese es el impuesto invisible de un legacy que “aún funciona”.
El error de migrar “lo mismo, pero en la nube”
La reacción habitual es tratarlo como un problema de infraestructura: sacamos los datos de FileMaker, los metemos en un sistema moderno y listo.
Es el error más caro que se puede cometer. Migras la base de datos, pero conservas exactamente los mismos procesos manuales, los mismos cuellos de botella y la misma dependencia de que alguien recuerde cómo se hace cada cosa. Has pagado un proyecto entero para reproducir tu problema con mejor aspecto.
Modernizar no es mover datos de un sitio a otro. Es cambiar quién hace el trabajo.
Qué es un Sistema Operativo con IA
Un Sistema Operativo con IA no es una base de datos más bonita. Es una capa operativa donde agentes de IA hacen trabajo real sobre la información de la empresa:
- Analizan un caso nuevo y proponen la mejor respuesta en segundos, no en horas.
- Buscan y cruzan cientos de referencias por criterios que antes exigían experiencia y memoria.
- Redactan el primer borrador de lo que un humano solo tiene que revisar y aprobar.
- Guían al equipo por el proceso correcto en lugar de esperar a que se lo sepa de memoria.
La diferencia con el sistema anterior es de fondo: antes tú introducías datos y el sistema te devolvía fichas. Ahora el sistema ejecuta una parte del trabajo y tú decides. Los datos dejan de ser un archivo y pasan a ser materia prima para automatizar.
Cómo lo estamos haciendo, sin parar la operación
No arrancamos FileMaker de raíz el primer día. Eso paralizaría el negocio y multiplicaría el riesgo. El enfoque es otro:
Empezamos por un proceso. Elegimos el que más fricción tenía y más valor libera. En este caso, el momento en que entra una empresa nueva y hay que encontrar, dentro de un catálogo de cientos de opciones, exactamente lo que encaja con su perfil. Antes era una búsqueda manual que dependía de la experiencia de una persona. Ahora un agente analiza el perfil de la empresa y devuelve las opciones que encajan en segundos, con el catálogo entero detrás.
Construimos por fuera, integramos por dentro. La capa nueva se desarrolla sin tocar el sistema que sostiene el día a día, y se conecta a los datos existentes. FileMaker sigue siendo la fuente de verdad mientras la nueva capa crece encima. Migración progresiva, cero big-bang.
Demostramos, luego expandimos. Ese primer módulo genera un resultado tangible en semanas. Ese resultado justifica el siguiente: el catálogo inteligente lleva a la propuesta automática, que lleva a la formación en sí, que lleva al siguiente proceso. Es el patrón de aterrizar y crecer que ya hemos visto multiplicarse en otros proyectos: un cliente que empezó con un proceso y hoy tiene cinco líneas funcionando sobre la misma base.
La pregunta que deberías hacerte
Si tu operación vive sobre un sistema que “aún funciona” pero que convierte cada mejora en un proyecto, el problema no es técnico. Es estratégico.
La pregunta correcta no es cuándo migrar la base de datos. Es qué parte del trabajo que hoy hace tu equipo a mano debería estar haciendo la IA sobre esos mismos datos. Migrar es la excusa. Construir un sistema que trabaje para ti es el objetivo.
Y no hace falta tenerlo todo claro para empezar. Basta con identificar el primer proceso que duele.
¿Quieres saber cuál es el tuyo? RaiCheck te da un diagnóstico en 2 minutos: unas pocas preguntas y te decimos por dónde empezar. Sin sales pitch.
Tomás Corral
