Por qué, cuando tocó decidir el peso de cada cosa, la tecnología se quedó la última.

De cada cien proyectos de IA en empresas, noventa y cinco terminan en cero retorno. La causa de este fracaso casi nunca está en la herramienta: está en la propia empresa. Por eso construí un diagnóstico de preparación para IA donde la tecnología pesa un 10% y la cultura pesa dos veces y media más. Estas son las ideas de partida:

• El problema rara vez está en la calidad del modelo. Está en la capacidad de la organización para absorber el cambio.
• En mi autodiagnóstico la cultura pesa dos veces y media más que la tecnología.
• Las soluciones compradas a proveedores especializados tienen éxito alrededor del doble de veces que los desarrollos internos.
• Primero el negocio, luego la tecnología. Esa es la parte difícil, y la que casi nadie mide.

Una decisión rara para quien se dedica a esto

De cada cien proyectos de inteligencia artificial en empresas, noventa y cinco terminan en cero. Cero retorno. Y la causa, casi siempre, está en la propia empresa. Está en cómo trabaja la empresa, no en la herramienta.

Ese dato es de un estudio del MIT, y es el que me llevó a tomar una decisión rara. He construido un autodiagnóstico de preparación para la IA, y cuando tocó decidir qué peso tenía cada cosa, la tecnología se quedó en un 10%.

Cualquiera que venda tecnología diría lo contrario. Voy a explicar por qué lo hice así, y de paso cómo funciona la herramienta por dentro, porque el diseño cuenta más que cualquier folleto.

Un fracaso de 40.000 millones que no es técnico

El dato del 95% viene de The GenAI Divide: State of AI in Business 2025, publicado en julio por el Project NANDA del MIT Media Lab. Y va en serio: analizaron más de 300 despliegues reales de IA, hicieron 52 entrevistas y encuestaron a 153 directivos. Todo eso sobre un gasto empresarial estimado de entre 30.000 y 40.000 millones de dólares.

Lo demoledor llega cuando buscas la causa. El problema rara vez está en la calidad del modelo. Está en lo que llaman la brecha de aprendizaje: la empresa compra la herramienta y falla al incorporarla a su forma de trabajar y a su cultura del día a día.

En cristiano: los modelos funcionan. Quien falla es la empresa que los recibe.

Y si lo que decide el éxito es la capacidad de la organización para absorber el cambio, medir la potencia tecnológica sirve de poco. Hay que medir otra cosa. Eso es lo que fija los pesos de mi herramienta.

Los seis ejes, y por qué pesan lo que pesan

Cómo se reparte el peso en el autodiagnóstico y qué decisión hay detrás de cada número.

El autodiagnóstico evalúa seis dimensiones. Vienen del consenso académico sobre madurez en IA, que converge de forma bastante estable en estrategia, datos, tecnología, procesos, personas y gobernanza. Lo que cambia en mi versión es cuánto vale cada una:

• Cultura y competencias: 25%
• Estrategia y liderazgo: 20%
• Datos: 20%
• Procesos: 15%
• Tecnología: 10%
• Gobernanza y riesgo: 10%

La cultura pesa dos veces y media más que la tecnología. Un consultor tecnológico difícilmente lo plantearía así, y ahí está precisamente la diferencia.

Y esto tiene una consecuencia práctica. Si el eje de cultura baja de cierto umbral, el resultado se desploma aunque el resto esté perfecto. Una empresa con datos impecables, presupuesto aprobado y un equipo asustado sigue sin estar preparada. Y decírselo con claridad vale más que venderle un proyecto que acabará en el cajón.

Cinco escenarios, no una nota

Muchos test de madurez te devuelven una cifra y te dejan solo con ella. Un 62 sobre 100 deja al directivo igual que estaba. Por eso la herramienta traduce el resultado a uno de cinco escenarios, cada uno con su diagnóstico y su siguiente paso.

Escenario 1 · Terreno sin preparar

• La señal: interés arriba, miedo o indiferencia abajo.
• Qué pasa: la tecnología es la parte fácil. Lo difícil es que la organización aprenda a incorporar algo nuevo.
• Qué toca: formación y sensibilización, con la herramienta como paso posterior. Este escenario dice literalmente que todavía no toca contratar un diagnóstico. Una herramienta comercial que a veces te recomienda no comprar nada tiene algo que las demás no tienen: credibilidad.

Escenario 2 · Oportunidad visible, base frágil

• La señal: sabéis dónde se pierde el tiempo, pero la información está dispersa.
• Qué pasa: el caso de uso está claro. Falta ponerlo en un sitio donde una máquina lo pueda leer.
• Qué toca: ordenar antes de automatizar. La mayoría se salta este paso y lo paga.

Escenario 3 · Preparados para el primer caso

• La señal: hay datos, procesos identificados y alguien con ganas. Es el escenario más común en pymes con dirección implicada.
• Qué pasa: todo está en su sitio para que el primer proyecto funcione. Y también para que fracase.
• Qué toca: elegir bien el caso. Es lo que decide una cosa u otra.

Escenario 4 · De la prueba al sistema

• La señal: algo funciona en un área, y otras empiezan por su cuenta con herramientas distintas.
• Qué pasa: el riesgo ha cambiado de sitio. Antes estaba en quedarse quieto, ahora en la dispersión. Cinco herramientas, ningún criterio, y nadie capaz de decir qué información sale de la empresa cada día.
• Qué toca: gobernar. Poner criterio antes de que cada área tire por su lado.

Escenario 5 · Rediseño organizativo

• La señal: la empresa ya ha recorrido los cuatro escenarios anteriores.
• Qué pasa: la pregunta ha cambiado. De qué tarea automatizar, a qué haría esta empresa si se rediseñara asumiendo que la IA existe.
• Qué toca: estructura, roles y a veces modelo de negocio. Esto se habla antes de comprarse.

Lo que me interesa de esta estructura es que cada empresa ve solo su escenario, con su diagnóstico y su siguiente paso. Nadie sale con una nota abstracta y la duda de qué hacer con ella.

Las preguntas que de verdad separan

Los seis ejes se alimentan de diecinueve preguntas. Algunas parecen inofensivas y esconden mucho.

Una de mis favoritas: si la IA os ahorrase 200 horas al año, ¿qué haríais con ellas? La respuesta más común es reducir la carga del equipo, y es la que menos puntúa. El ahorro sin destino se evapora. A los seis meses nadie recuerda dónde fueron esas horas, y el proyecto pierde su defensa. La respuesta que suma es la de quien ya sabe qué haría con ese tiempo: un cliente esperando, un análisis pospuesto, una línea de negocio en pausa. Esa es la diferencia entre querer IA y querer un resultado.

Otra: ¿los mandos intermedios pueden decidir cómo se trabaja en su área? Casi ningún test la incluye, y es de las que más discrimina. El MIT señala que dar margen a los mandos de línea, y no solo a los equipos centrales, separa a quien lo consigue de quien fracasa. Si el responsable de un área carece de ese margen, ninguna herramienta cambiará cómo trabaja su gente.

Y una tercera, incómoda: ¿alguien usa ya ChatGPT o similar por su cuenta, sin que se hable del tema? El MIT documenta lo que llama la economía de la IA en la sombra: empleados de más del 90% de las empresas usando herramientas personales, incluso cuando los proyectos oficiales fracasan. Ese uso oculto es una señal doble. Hay demanda real, y hay riesgo de que la información salga por una puerta que nadie controla.

Lo que el instinto de un directivo técnico suele fallar

Hay un último hallazgo del estudio que va justo contra lo que haría la mayoría. Las soluciones compradas a proveedores especializados tienen éxito alrededor del doble de veces que los desarrollos internos.

En una pyme, montar un laboratorio propio suele ser la vía rápida a un proyecto huérfano. Por eso la herramienta recomienda casi siempre comprar bien y acompañar, en vez de reinventar la rueda.

Primero el negocio, luego la tecnología

Debajo de todas estas decisiones hay una sola convicción, y la llevo años defendiendo desde la dirección de recursos humanos en entornos industriales. Primero el negocio, luego la tecnología.

Cuando una pyme piensa en IA, lo primero que imagina suele ser un chatbot para atender clientes. El valor real suele estar en otro sitio: la propuesta que se redacta veinte veces al mes, el dato que se busca a mano por cinco carpetas, el informe que alguien monta cada lunes copiando y pegando. Es menos vistoso y mucho más rentable.

El autodiagnóstico intenta llevar esa conversación a donde importa: dónde se pierde el tiempo de verdad y si la gente está lista para cambiar cómo trabaja.

¿Tu organización tiene estos patrones?

• ☐ Si la IA os ahorrase 200 horas al año, ¿sabéis ya qué haríais con ellas, o el ahorro se evaporaría sin destino?
• ☐ ¿Los mandos intermedios pueden decidir cómo se trabaja en su área, o todo depende de los equipos centrales?
• ☐ ¿Alguien usa ya ChatGPT o similar por su cuenta, sin que se hable del tema?
• ☐ ¿La información con la que trabajaríais está en un sitio donde una máquina la pueda leer, o dispersa por carpetas?
• ☐ Cuando pensáis en IA, ¿imagináis un chatbot, o tenéis identificado dónde se pierde de verdad el tiempo?
• ☐ ¿Vuestro equipo está listo para cambiar cómo trabaja, o hay miedo e indiferencia debajo del interés de dirección?

Te pido un favor

La herramienta está en abierto. Diecinueve preguntas, ocho minutos, sin registro y sin que nadie te llame después. Me gustaría que la probaras, pero con una intención concreta: contrástala con tu realidad. Haz el autodiagnóstico pensando en tu empresa, mira el escenario que te sale, y dime si encaja con lo que vives cada día. O si me he equivocado en el enfoque, que también es posible.

Es la primera versión de algo que quiero ir afinando. La idea es construir herramientas que ayuden a las pymes a quitarse el miedo a la IA y a ver con claridad por dónde empezar. Se aprende más de un «esto no me cuadra» que de diez felicitaciones.