IA para empresas: por dónde empezar sin tirar el dinero

Primero, por qué fracasa casi todo

Conviene empezar por aquí, porque la conversación sobre IA en la empresa suele saltarse esta parte. Los números son públicos y son malos:

• El informe The GenAI Divide: State of AI in Business 2025, del MIT Media Lab, revisó 300 despliegues y encontró que el 95 % de los pilotos no tuvo impacto medible en la cuenta de resultados.
• La RAND Corporation, tras entrevistar a 65 ingenieros y científicos de datos con experiencia, sitúa el fracaso por encima del 80 % —el doble que en proyectos de informática sin IA— y concluye que las causas son sobre todo organizativas, no técnicas.
• Gartner viene avisando de que buena parte de los proyectos se abandona por una razón muy poco espectacular: los datos no estaban en condiciones.

Fíjate en lo que no aparece en esa lista: «el modelo no era lo bastante bueno». Los modelos de 2026 son mejores de lo que necesita el 90 % de las empresas. Lo que falla es lo de alrededor: un caso de uso elegido porque sonaba moderno, unos datos repartidos entre cinco herramientas y un piloto que nadie sabía cuándo daba por terminado.

Hay un dato del mismo informe del MIT que casi nadie cita y que es el más útil de todos: las herramientas compradas a un proveedor funcionaron el doble de veces que las construidas en casa. Y otro incómodo: el presupuesto de IA se va casi siempre a ventas y marketing, cuando el retorno aparece antes en operaciones y en administración.

La pregunta correcta no es «¿qué IA compro?»

Es «¿qué decisión se me está cayendo cada semana?».

Esa pregunta se contesta sola en cualquier empresa pequeña. El presupuesto que se envió hace nueve días y nadie ha seguido. La factura vencida hace seis con el cliente escribiéndote esta mañana por otra cosa. Las tres oportunidades paradas en la misma fase desde hace tres semanas. El proveedor que facturó dos veces el mismo albarán.

Ninguna de esas cosas requiere inteligencia artificial para resolverse. Requieren que alguien las mire. Y no se miran, no por incompetencia, sino porque están repartidas entre el correo, el Excel, el programa de facturas y la cabeza de dos personas. Ahí es donde la IA tiene algo que hacer: no en tener una idea brillante, sino en repasar todos los días lo que nadie tiene tiempo de repasar.

Si al preguntarte esto la respuesta es «no lo sé», ese es el primer proyecto, y no es de IA: es juntar los datos en un sitio. Es menos vistoso y es la diferencia entre estar en el 5 % y estar en el 95 %.

Los tres filtros de un buen primer caso de uso

Un candidato tiene que pasar los tres. Si falla uno, no es el primero: será el tercero.

1. Ocurre todas las semanas

Si pasa una vez al trimestre, aunque duela mucho cuando pasa, no vas a aprender nada en cuatro semanas. La frecuencia es lo que te deja medir. Cobros, seguimiento de presupuestos, cotejo de facturas con extractos, respuestas a las mismas doce preguntas de siempre: eso pasa todas las semanas.

2. Los datos ya están dentro de un sistema

La IA no adivina. Si la información vive en una conversación de WhatsApp del móvil de un comercial o en un cuaderno, primero hay que meterla en algún sitio. El caso de uso bueno es aquel cuyos datos ya están escritos en alguna parte, aunque estén repartidos.

3. El resultado se puede medir sin discutir

«Mejor atención al cliente» no se mide. «Días medios de cobro», «presupuestos sin seguimiento a los siete días» y «horas al mes cuadrando el banco» sí. Elige uno, apúntalo antes de empezar y mide la línea base durante dos semanas. Sin línea base no hay retorno: hay opinión.

Por dónde no empezar

Tres arranques que se repiten y que salen mal casi siempre:

El chatbot de la web como primer proyecto. Es lo más visible y lo más difícil: habla con desconocidos, sin contexto, en público, y cada error lo ve un cliente. Además, desde agosto de 2026 tiene obligaciones de transparencia propias en la UE, que explicamos en el artículo sobre normativa. Como segundo proyecto, perfecto. Como primero, no.

Construirlo en casa. El dato del MIT es difícil de discutir: el doble de éxito comprando. Un modelo se llama con cuatro líneas; lo que cuesta es todo lo demás —permisos, registro de lo que hizo, poder deshacerlo, que no se caiga en agosto—. Eso es producto, no un fin de semana.

Un piloto sin criterio de salida. Si antes de empezar no está escrito qué número tiene que moverse, cuánto y quién decide, el piloto no fracasa: se queda vivo para siempre, consumiendo un poco de atención cada mes. Es el peor final, porque no se nota.

Lo que cuesta de verdad

La licencia es la parte pequeña y la fácil de comparar. En el mercado español, un CRM para pymes se mueve entre los 14 y los 40 € por usuario y mes según plan y proveedor; las herramientas con IA integrada están en ese mismo orden de magnitud, no en otro. Koble, por dar el número propio, empieza en 39 € al mes con dos personas incluidas, y la IA va dentro de todos los planes: lo que cambia con el plan es cuánta autonomía tiene, no si la tienes.

El coste que descuadra los proyectos es otro:

• Poner los datos en orden. Contactos duplicados, clientes que son tres fichas, facturas sin enlazar al proyecto. Esto se paga en horas de alguien que conoce el negocio, y es inevitable.
• Las primeras semanas de desconfianza. Al principio se revisa todo dos veces, y está bien que sea así. Cuenta con que el ahorro empieza al mes, no el primer día.
• La decisión de qué se automatiza. Es tiempo de dirección, no de informática.

Cómo medirlo en cuatro semanas

Un plan de cuatro semanas cabe en media hoja y evita el limbo:

• Semana 0. Escribe la métrica, su valor de hoy y el número que consideras un éxito. Y el nombre de quien decide en la semana 4. Una sola métrica.
• Semanas 1 y 2. Que funcione con datos reales y una persona revisando todo. Aquí no se mide ahorro, se mide si acierta.
• Semanas 3 y 4. Se deja de revisar lo que ya ha demostrado acertar y se mide la métrica.
• Día 28. Se sigue, se ajusta o se apaga. Apagarlo es un resultado válido y barato; dejarlo abierto, no.

Y una regla que ahorra discusiones: la métrica se mira antes de mirar la factura de la herramienta. Si la métrica no se movió, el precio da igual.