Programa de apoyo AI Voucher
AI Voucher Program
¿Qué es el programa de apoyo AI Voucher?
- Apoyo con bono estatal para el costo de adoptar IA en pymes
- Estructura de consorcio de emparejamiento entre empresas demandantes y proveedoras
- El éxito depende de definir bien el problema, preparar los datos y contar con la participación de las áreas operativas
Lo que realmente cambia el Voucher de IA no es el monto del presupuesto, sino el orden de la toma de decisiones. Por lo general, las pymes arrancan con la idea de «probar la IA algún día», piden cotizaciones y se traban en la aprobación presupuestaria. El voucher, en cambio, exige anotar en una sola hoja de solicitud los indicadores actuales del proceso, la forma y el volumen de los datos disponibles y la meta de mejora. Así, el proyecto que la dirección tenía en mente de manera vaga se convierte en «qué mejorar y en cuánto», y, seleccionado o no, ese documento queda como criterio para futuras decisiones de inversión interna. Además, el voucher no es efectivo: no ingresa dinero a la cuenta de la empresa, sino que se consume únicamente en pagos a los proveedores registrados, y el saldo no utilizado no puede destinarse a otro fin.
Los proyectos se dividen en pistas según su escala, y el límite de apoyo y el porcentaje de aporte propio se ajustan cada año en la convocatoria. En general, una parte del costo total debe ser aportada por la empresa demandante en efectivo y en especie; la especie se reconoce como costo de personal de los recursos humanos participantes, pero la parte en efectivo sale realmente de la cuenta bancaria de la empresa. También hay que aclarar antes de postular los límites con programas vecinos. El bono de datos tiene como fin la compra y el procesamiento de datos para aprendizaje, mientras que el programa de fábricas inteligentes del Ministerio de Pymes y Emprendimientos se centra en la conexión de equipos y la implementación de MES. Según si el problema de nuestro proyecto es «no tener datos» o «no tener solución», cambia la puerta a la que hay que llamar.
El malentendido más común es pensar que «el gobierno les hace un sistema de IA». Lo que se paga con el bono es el costo de desarrollo y consultoría de la empresa proveedora; la limpieza de datos de nuestro lado, la revisión del etiquetado y el tiempo que el personal del área dedica a las reuniones corren íntegramente por cuenta de la empresa. Un patrón aún más riesgoso es que la empresa proveedora escriba la solicitud y solo se le agregue el nombre de la empresa. Así la solicitud puede ser seleccionada, pero el resultado será una plantilla ajena que no encaja con nuestros procesos, y cuando termine el proyecto y venza la licencia se dará la situación en que no se pueden reutilizar los modelos y pantallas acumulados. Si en el contrato no se fijan la propiedad de los entregables, el costo de mantenimiento posterior y el ciclo de reentrenamiento, dentro de un año solo quedará un tablero que nadie abre.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría, instructor John Kim
Seungtae ParkInstructor práctico de AX que enseña desarrollo de negocio con IA y automatización de marketing, con herramientas propiasPrograma impulsado por el Ministerio de Ciencia y Tecnologías de la Información y la Comunicación (MSIT) de Corea desde 2020 para fomentar la industria de IA y la transformación digital de las pymes. La Agencia Nacional de Promoción de la Industria de TIC (NIPA) gestiona el emparejamiento entre empresas demandantes y proveedoras y la liquidación de los vales. Junto con el Voucher de Datos y el Voucher de Nube, se le conoce como uno de los tres vales principales de apoyo a la transformación digital.
Veamos un caso hipotético: A, una empresa de guarniciones y comidas listas para consumir con 118 colaboradores y ventas anuales de unos KRW 50,000,000,000 (≈ US$37,423,500). Maneja 340 SKU y, como la vida útil de sus productos es corta, su tasa de desecho ronda el 7%; en cambio, los productos de mayor rotación sufren faltantes que generan unas 30 cancelaciones de pedidos al mes. Durante dos años se habló de usar IA para la previsión de demanda, pero cada vez que vieron la cotización de KRW 180,000,000 (≈ US$134,700) lo descartaron.
- Dos meses antes de la convocatoria, el jefe de gestión de producción extrajo de su ERP los datos de salidas y devoluciones de los últimos 3 años. Cuando salió la cifra de KRW 420,000,000 (≈ US$314,400) anuales en productos desechados por vencimiento cercano, el director general concluyó: «Hagamos de esto un proyecto».
- Conocí a tres empresas proveedoras. Un director de una de ellas me dijo: «Con nuestro modelo la precisión es del 95%», pero al preguntarle por los 340 SKU y el ciclo de rotación de los productos nuevos no respondió, así que lo descarté y formé un consorcio con la empresa B, que tiene 2 referencias de proyectos de alimentos similares.
- En la solicitud se incluyó el plan de cruzar los datos de salidas de 3 años con el historial de clima y promociones, junto con la meta «desecho de 7% → 4%». El director de finanzas reservó por separado, como presupuesto aparte, KRW 20,000,000 (≈ US$15,000) de costo de personal para limpieza de datos, que el bono no cubre.
- Un mes después de iniciar, salió a la luz un problema: el 20% de los datos de devoluciones se ingresaba a mano y los códigos de artículo no coincidían. Para que el área operativa no se desentendiera, se fijaron los primeros 30 minutos de la reunión semanal del equipo de ventas como tiempo de «revisión de pronósticos».
- Al cabo de seis meses, la tasa de desecho bajó del 7.1% al 4.3% y se ahorraron KRW 170,000,000 (≈ US$127,200) al año; las cancelaciones de pedidos por falta de producto pasaron de 30 a 11 al mes. Incluso después de terminar el proyecto, la empresa mantiene un contrato de mantenimiento anual de KRW 12,000,000 (≈ US$8,980) y designó a un responsable interno de previsión para seguir operando.