PDCA con IA: el ciclo se corre al Check y al Act

El problema que miruKai quiere resolver es sostener un programa de mejora continua: que no dependa de quién lo empuja ni de la próxima reunión. Durante años el cuello de botella de ese programa estuvo en planificar —juntar los datos, ordenar el análisis, encontrar las causas—. La IA se comió buena parte de ese trabajo, y al hacerlo corrió el problema de lugar.

Qué es el ciclo PDCA

PDCA (Plan-Do-Check-Act; en español PHVA: Planificar-Hacer-Verificar-Actuar) es el ciclo de mejora continua popularizado por W. E. Deming. Es la base de Kaizen y de normas de calidad como ISO 9001. Su idea es simple: mejorar en ciclos cortos y basados en datos, en vez de en un gran proyecto anual.

• Plan (Planificar): definir el problema con precisión, ponerle un objetivo medible y encontrar sus causas.
• Do (Hacer): ejecutar acciones sobre esas causas, en pequeño primero.
• Check (Verificar): mirar el indicador y comprobar si la acción movió la aguja.
• Act (Actuar): si funcionó, estandarizar; si no, ajustar y volver a empezar.

Lo que cambió: el Plan se abarató

Planificar bien nunca fue fácil. Requiere estructurar el problema, acotarlo, abrir el abanico de causas y priorizarlas — y eso, hecho a mano, se lleva reuniones y semanas. Ahí es donde la IA cambió la ecuación: describís el problema en tus palabras y un copiloto te devuelve el análisis armado, con las causas candidatas ordenadas y las preguntas que faltan hacer.

El ciclo, en la práctica, pasa a leerse así: Prompt → Do → Check → Act. No porque el pensamiento desaparezca, sino porque el costo de llegar a una buena hipótesis bajó muchísimo.

El problema es que un cuello de botella que se destapa no elimina el trabajo: lo empuja aguas abajo. Si planificar cuesta minutos, se planifican más mejoras. Y todas ellas necesitan a alguien que verifique si funcionaron y que capitalice lo aprendido.

Llegar a la causa raíz sigue siendo el corazón del Plan

Que la IA estructure el análisis no significa saltearlo. Las herramientas clásicas siguen siendo las que dan un buen diagnóstico — lo que cambia es que ahora las recorrés en minutos y con ayuda.

Diagrama de Ishikawa (espina de pescado)

Organiza las causas potenciales de un problema en familias — las clásicas "6M": Mano de obra, Método, Máquina, Material, Medición y Medio ambiente. Ayuda a abrir el abanico y no casarse con la primera explicación.

Los 5 porqués

Sobre cada causa candidata, preguntar "¿por qué?" unas cinco veces hasta llegar a algo accionable. "La entrega llegó tarde" → ¿por qué? → … → hasta una causa que sí podés cambiar.

Acotar con "es / no es"

Antes de buscar causas, delimitar el problema: dónde y cuándo ocurre, y dónde y cuándo NO. Ese contraste descarta la mitad de las hipótesis sin gastar una prueba.

Por qué el Check y el Act son ahora el cuello

Las dos últimas fases comparten un rasgo incómodo: ninguna se resuelve con un buen razonamiento en el momento. Dependen del tiempo y de la constancia.

• El Check exige volver. Semanas después de la acción, alguien tiene que mirar el mismo indicador y decir si movió. Si el dato vive en una planilla que se revisa en la reunión mensual, la verificación llega tarde o directamente no llega.
• El Act exige memoria. Cuando un problema se resuelve, la lección tiene que quedar en algún lado. Si no, seis meses después otro equipo tropieza con la misma piedra — y nadie se entera de que ya lo habíamos resuelto.

Cómo miruKai sostiene el ciclo completo

Acá está el punto: la IA no arregla el Check ni el Act por sí sola, porque el problema no es de razonamiento sino de continuidad. Lo que hace falta es un sistema que mantenga el ciclo enganchado al dato. Así lo resuelve miruKai:

• La alerta abre el ciclo, no la reunión. El indicador se vigila solo; cuando entra en zona de riesgo —o cuando la proyección anticipa que va a entrar— salta un aviso al responsable.
• El PDCA nace atado al indicador que lo originó, con dueño, fecha y el valor del indicador al momento de arrancar.
• El Check vuelve solo al mismo número. No hay que reconstruir de dónde salía el dato: la verificación compara contra la misma medición que disparó la mejora.
• El Act capitaliza. La lección aprendida y el valor generado quedan guardados en la mejora. Y si el problema reaparece, el sistema lo detecta y marca ese valor como en riesgo — porque una mejora que no se sostuvo no debería seguir contando como ahorro.

El criterio sigue siendo humano. La IA propone el análisis, las causas y el plan; tu equipo valida cada paso y decide qué se estandariza. Ese es el punto — aumentar al experto, no suplantarlo.