¿Cuántas pruebas de concepto abandonadas hay que acumular antes de admitir que el problema no es la herramienta?
Una empresa industrial mediana española — llamémosla lo que es, un caso entre cientos — lanzó tres pilotos de IA entre 2023 y 2025. Un chatbot interno para soporte de recursos humanos. Un modelo de previsión de la demanda. Un asistente de redacción para el equipo comercial. Presupuesto total: alrededor de 180 000 euros. Resultado en producción: cero. Los tres proyectos quedaron atascados en fase de demostración, validados en comité de dirección, jamás desplegados. El CIO cambió de puesto en el camino. Las licencias siguen activas.
Esta historia no tiene nada de excepcional. Se ha convertido en la norma.
El purgatorio del piloto, en cifras
El MIT publicó en 2025 un estudio que cayó como un jarro de agua fría en el ecosistema tech: el 95 % de los pilotos de IA generativa en empresas no producen ningún impacto medible en la cuenta de resultados. No "fracasan parcialmente". No producen nada.
Gartner, por su parte, había predicho a mediados de 2024 que el 30 % de los proyectos de IA generativa serían pura y simplemente abandonados tras la prueba de concepto antes de finales de 2025. La realidad resultó peor: según la RAND Corporation, la tasa de fracaso global alcanza el 80 %, con un tercio de los proyectos abandonados y cerca del 30 % que no genera ningún valor.
A escala mundial, hablamos de 684 000 millones de dólares invertidos en IA en 2025. Más de 547 000 millones no produjeron ningún valor de negocio demostrable. Lean esa cifra otra vez.
En España y América Latina, el panorama no es muy distinto. Según datos del Observatorio Nacional de Tecnología y Sociedad (ONTSI) y diversos informes regionales, la adopción de IA generativa en pymes ha crecido significativamente, pero la mayoría permanece en la fase de experimentación puntual — un uso por curiosidad, no de transformación.
Lo que mata a los pilotos (y no es lo que se cree)
La tentación es culpar a la tecnología. Los modelos alucinaban, los datos no estaban listos, el RGPD y las normativas de protección de datos complicaron las cosas. Estos obstáculos son reales, pero no son la causa principal.
El informe del MIT (NANDA Initiative, julio 2025) identifica a un culpable mucho menos espectacular: el déficit de estrategia desde el inicio. Los objetivos son vagos ("explorar la IA"), el sponsor de negocio brilla por su ausencia, y nadie ha definido cómo sería un éxito medible. Se lanza un POC para demostrar que se hace IA, no para resolver un problema identificado.
En concreto, tres patrones se repiten sistemáticamente.
El POC-escaparate. Un proyecto lanzado para impresionar al comité de dirección o tranquilizar a los accionistas. La demo funciona sobre un conjunto de datos limpiado a mano. Nadie ha previsto la integración con los sistemas existentes, la gestión de permisos ni el mantenimiento. El piloto "tiene éxito" y luego muere por inanición.
El POC-tecnológico. El equipo de IT elige la herramienta antes de definir la necesidad. Se prueba GPT-4, luego Claude, luego Mistral, se comparan benchmarks, se afinan los prompts. Seis meses después, el negocio sigue sin haberse involucrado y el proyecto no resuelve ningún problema concreto.
El POC-sin-dueño. El proyecto lo impulsa un entusiasta aislado. Cuando esa persona cambia de puesto, se va de vacaciones o pierde la motivación, el piloto se detiene. No hay presupuesto recurrente, ni equipo dedicado, ni proceso de paso a producción.
McKinsey, en su State of AI 2025, confirma el diagnóstico: el 88 % de las empresas utilizan IA, pero solo el 23 % ha logrado desplegar sistemas de agentes de IA a escala organizacional. La brecha entre "usamos ChatGPT" y "la IA transforma nuestras operaciones" es un abismo.
Los que lo logran hacen exactamente lo contrario
Allianz Partners tomó una decisión radical a finales de 2025: en lugar de lanzar un enésimo piloto, la aseguradora desplegó una automatización autónoma directamente en producción en sus mercados británico y DACH. El procesamiento de siniestros pasó de 29 días a 3,5 días. La compañía proyecta 300 millones de euros de ahorro anual para 2027.
Su enfoque no tiene nada de mágico. Se basa en un principio simple: empezar por el problema de negocio más doloroso, no por la tecnología más atractiva. El procesamiento de siniestros costaba caro, tardaba demasiado y generaba insatisfacción en los clientes. El caso de uso era nítido, el ROI calculable antes del primer día de desarrollo.
Ahí es donde se traza la línea divisoria entre el 5 % que tiene éxito y el 95 % que se atasca. Los primeros no preguntan "¿qué podemos hacer con la IA?". Preguntan "¿qué proceso nos cuesta más y la IA puede comprimirlo?". El matiz es decisivo.
Qué significa esto para una pyme o empresa mediana
Más de la mitad de los directivos de pymes y empresas medianas consideran la IA como una cuestión de supervivencia a tres o cinco años. Sin embargo, menos de la mitad ha adoptado una estrategia de IA formalizada. Estamos ante una disonancia cognitiva colectiva: todo el mundo sabe que es importante, nadie sabe por dónde empezar, así que se lanza un piloto para quedarse tranquilo.
Esto es lo que funciona, observado en los despliegues que perduran.
Primero, identificar un proceso repetitivo, costoso y medible. La atención telefónica, la cualificación de leads entrantes, el procesamiento de facturas, la programación de citas. No "la IA al servicio de la innovación" — un problema concreto con un coste conocido.
Segundo, fijar un criterio de éxito antes de empezar. "Reducir el tiempo de procesamiento de X en un 40 %" o "liberar Y horas semanales en el equipo Z". Si no se sabe cómo es el éxito, tampoco se sabrá cuándo se ha fracasado.
Tercero, presupuestar el paso a producción desde el principio. El POC representa solo entre el 20 y el 30 % del coste total. La integración, la formación, el mantenimiento, la monitorización — ahí es donde se juega la partida real. Una pyme que destina el 100 % de su presupuesto al piloto no tiene, por definición, presupuesto para lo que viene después.
Cuarto, designar un responsable de negocio, no solo técnico. La IA que funciona en una empresa la lidera alguien que entiende el proceso que se transforma, no solo alguien que entiende las API.
Los despliegues de IA en pymes que siguen esta lógica alcanzan un ROI positivo en una mediana de seis a siete meses, según datos cruzados de varias consultoras. No es un horizonte descabellado. Pero supone dejar de tratar la IA como un tema de exploración perpetua.
El verdadero riesgo no es que fracase un piloto
El verdadero riesgo es que el piloto se convierta en un fin en sí mismo. Que sirva de coartada para decir "hacemos IA" sin transformar nunca nada. Que los 180 000 euros de aquella empresa industrial del principio se multipliquen por mil en la economía sin que se genere valor alguno.
El 42 % de las empresas abandonaron la mayoría de sus iniciativas de IA en 2025 — frente al 17 % en 2024. La aceleración del abandono es tan rápida como la de la adopción. No es una señal de madurez. Es la señal de que muchos entraron por la puerta equivocada.
La pregunta que hay que hacerse no es "¿hay que apostar por la IA?". Es "¿estás dispuesto a llegar hasta el final, o estás financiando una demo que nadie desplegará?"