No fracasan por la tecnología. Fracasan por cómo se deciden, se miden y se adoptan. He facturado 3,5 M€ con IA en producción y este es el patrón que veo repetirse, proyecto tras proyecto.
Nueve de cada diez pilotos de IA no llegan a producción.
Y no lo digo yo para vender consultoría. Lo dicen tres fuentes distintas, con metodologías distintas, el mismo año:
Cuando tres fuentes independientes te dan el mismo orden de magnitud, no es un titular. Es un patrón.
Ahora bien, aquí viene lo que casi nadie dice: la tecnología funciona. Los modelos de 2026 hacen cosas que en 2023 parecían ciencia ficción. Redactan, analizan, programan, resumen contratos de 80 páginas en minutos.
El problema no está en la IA. Está en el piloto.
Finales del siglo XIX. Las fábricas funcionaban con una máquina de vapor gigante en el centro y un sistema de ejes y correas que repartía la fuerza por todo el edificio.
Llega la electricidad. Promesa enorme. ¿Qué hicieron las fábricas? Quitar la máquina de vapor y poner un motor eléctrico gigante en el mismo sitio, con los mismos ejes, las mismas correas y la misma distribución de planta.
¿Resultado? Décadas de productividad plana. Los economistas lo llaman la paradoja de la dinamo. El salto de verdad no llegó hasta que alguien rediseñó la fábrica entera alrededor de la nueva tecnología: un motor pequeño en cada puesto, y de ahí, la línea de montaje.
La tecnología era correcta desde el primer día. El diseño era el de la tecnología anterior.
Con la IA estamos exactamente ahí: metemos un copiloto en el mismo proceso, con el mismo organigrama y los mismos incentivos de siempre… y esperamos un milagro en ocho semanas.
Mi checklist de diagnóstico tiene 12 razones. Estas seis son las que más dinero han quemado en los proyectos que he visto de cerca:
«Queremos hacer algo con IA» es la frase que más presupuesto ha quemado desde 2023. El comité quiere IA, se busca dónde encajarla, y sale una demo espectacular que no resuelve nada. Mi regla no cambia: si no resuelve ningún problema, no sirve para nada.
Sin una métrica de negocio pactada por escrito —horas ahorradas, euros, plazo de respuesta, tasa de error—, el piloto acaba evaluándose por sensaciones. Y «a la gente le ha gustado» no sobrevive a ningún comité de presupuesto. Lo que no se midió al principio no se puede defender al final.
El caso de uso era precioso. Los datos, un pantano: repartidos en cuatro sistemas, sin permisos claros, sin dueño, con calidad de 2011. El piloto se pasa el 70% del tiempo peleándose con los datos y muere de agotamiento antes de demostrar nada. Audita los datos antes de firmar el piloto, no después.
Sin un sponsor de dirección al que le duela el problema, el piloto es lo primero que cae en cualquier recorte. No hablo de un padrino que aparece en la foto del kickoff: hablo de alguien que pone su nombre en el resultado. Un piloto sin dueño con poder es un piloto con fecha de caducidad.
El informe dice «92% de precisión». La realidad dice «11 usuarios activos de una plantilla de 400». La gente no usa lo que no entiende, no se fía de lo que no le explicaron o directamente lo ve como una amenaza a su puesto. La adopción no ocurre sola: se diseña. Formación, referentes internos y algo tan poco tecnológico como explicar qué va a pasar con el trabajo de cada uno.
El piloto técnico sale bien y entonces llegan las preguntas que nadie hizo: ¿quién lo mantiene?, ¿con qué presupuesto?, ¿cómo se integra con los sistemas de verdad?, ¿pasa el filtro de seguridad y cumplimiento? Como nadie las respondió antes de empezar, el piloto entra en la peor categoría posible: el piloto eterno. Ni escala ni muere. Solo gasta.
Después de años implementando IA en empresas —y de facturar 3,5 M€ con proyectos que sí llegaron a producción—, el patrón del 10% es aburridamente consistente:
Fíjate en una cosa: ninguno de los cinco puntos es tecnología. Por eso fracasan tantos pilotos dirigidos por el departamento equivocado con el objetivo equivocado.
El orden de magnitud está contrastado: 95% según el MIT, 42% de abandono masivo según S&P Global, 30% tras la prueba de concepto según Gartner. Discutir si es 85% o 95% es perderse lo importante: el fracaso casi nunca es técnico.
De 6 a 12 semanas con decisión en fecha fija. Un piloto sin fecha de decisión no es un piloto: es un gasto recurrente.
Mismo principio, menos ceremonia: un proceso que te duela cada semana, datos que ya tienes y una herramienta generalista antes de pagar ningún desarrollo a medida. Si quieres ver lo que da de sí una IA generalista bien usada, aquí explico cómo pruebo yo Claude.
La primera reacción a cualquier tecnología nueva siempre es la misma: miedo primero, prisa después. Y la prisa mal dirigida es la que fabrica ese 90%.
Así que antes de arrancar (o de continuar) tu piloto, dos preguntas:
¿Tu piloto tiene una métrica que le importe a tu CFO? ¿O tiene una demo que le gusta al comité?
Las 12 razones por las que tu piloto va a fracasar, en una página. El diagnóstico que hago a cada proyecto antes de empezar.
Descargar PDF gratisFramework GO/NO-GO con scoring, plantilla de business case en 1 página y checklist de adopción cultural en 3 fases. El método completo.
Ver el Kit90 minutos conmigo para desbloquear tu piloto. Con total franqueza: si tu idea no aguanta, te lo digo y te doy la alternativa.
Reservar sesión