Cómo hacer un piloto de IA sin arriesgar la operación

Cuando una empresa ya tiene equipo, procesos y clientes que dependen de que la operación no se rompa, un piloto de IA mal diseñado no es un experimento barato — es un riesgo real. Y la evidencia disponible sugiere que la mayoría de los pilotos fracasa, aunque no siempre por las razones que se piensan.

El dato que hay que tomarse en serio

Project NANDA, una iniciativa de investigación vinculada al MIT, analizó más de 300 iniciativas públicas de IA, entrevistó a representantes de 52 organizaciones y encuestó a 153 líderes senior entre enero y junio de 2025. Su hallazgo central: pese a una inversión empresarial estimada entre 30.000 y 40.000 millones de dólares, el 95% de las organizaciones no obtiene retorno medible de sus proyectos de IA generativa. Los propios autores advierten que sus cifras son direccionales —basadas en entrevistas, no en reportes oficiales de las empresas— y que la muestra puede no representar a todos los sectores o regiones. Aun con esa salvedad, el patrón es consistente con lo que reportan otras fuentes.

Comprar le gana a construir

El mismo estudio encontró que las asociaciones con proveedores externos especializados alcanzan el doble de tasa de éxito que los desarrollos internos: 67% de despliegues exitosos frente a 33%. También documentó una "economía de IA en la sombra": solo 40% de las empresas encuestadas compró una suscripción oficial de IA, pero más del 90% de los empleados reportó usar herramientas de IA personales para el trabajo — muchas veces sin que el área de TI lo supiera. Para una empresa con estructura, eso es una señal de gobernanza pendiente, no solo un dato curioso.

No es un problema de tecnología, es un problema de implementación

Forbes citó el mismo dato del 95% junto con una frase de Oana Cheta, de McKinsey: "la falta de una implementación exitosa no es un problema de IA, es un problema empresarial". El artículo distingue entre automatizar una tarea puntual (mejora incremental, más fácil de pilotar sin riesgo) y la llamada "IA agéntica", que implica rediseñar cómo opera la empresa completa — y que exige mucha más preparación antes de arriesgar la operación real.

La IA no reemplaza roles: redistribuye tareas

Un estudio de Harvard Business School con datos de dos años sobre mantenedores de proyectos de código abierto en GitHub —usando un diseño causal, no solo correlación— encontró que el acceso a IA generativa aumenta el tiempo dedicado a la tarea central del rol y reduce el tiempo dedicado a coordinación, con el efecto persistiendo durante los dos años observados. Es útil para gestionar la ansiedad de un equipo antes de un piloto: el patrón documentado es reorganización de tareas dentro de un rol, no sustitución de personas.

Cinco condiciones antes de arriesgar la operación real

• Empezar con un proveedor probado, no con desarrollo interno desde cero, salvo que ya tengas capacidad técnica dedicada.
• Definir explícitamente si el piloto es una mejora incremental o un rediseño de proceso — son riesgos distintos.
• Poner reglas claras sobre qué herramientas de IA puede usar el equipo, antes de que las use igual sin decírtelo.
• Medir el proceso actual antes de empezar — sin línea base no hay forma de saber si el piloto funcionó.
• Definir de antemano cuándo se detiene el piloto si no está funcionando, no solo cuándo se declara éxito.

El "hype" dice que todo cambió; en la operación real de la mayoría de las empresas, según la propia evidencia del MIT, casi nada cambió todavía. Diseñar un piloto asumiendo eso —no lo contrario— es lo que reduce el riesgo real.