Adoptar AI bien: las prácticas que funcionan y los errores que queman plata

El problema casi nunca es la AI

Hay un dato que conviene tener sobre la mesa antes de firmar cualquier suscripción o contratar cualquier consultor: según el reporte 2025 del MIT (iniciativa NANDA), alrededor del 95% de los pilotos de AI generativa en empresas no logran mover la utilidad de forma medible. Solo un 5% llega a producción y genera valor real. Y ojo: el estudio concluye que la causa no es que los modelos sean malos. Los modelos funcionan. Lo que falla es la forma en que las empresas los adoptan.

El MIT lo llama la 'brecha de aprendizaje': las herramientas genéricas rinden increíble en manos de una persona, pero se estrellan dentro de una empresa porque no aprenden del flujo de trabajo, no retienen el contexto y no se integran a cómo realmente opera el negocio. Quedan como 'proyectos de laboratorio' que impresionan en una demo y no cambian nada el lunes a las 8 a.m.

Para un dueño de PYME esto es buena noticia disfrazada de mala. Significa que el cuello de botella no es acceso a tecnología de punta —eso hoy cuesta unos dólares al mes— sino criterio de implementación. Y ahí es donde una empresa pequeña, cercana a su operación, puede ganarle a una grande que se enredó en su propia burocracia.

Empieza por el problema, no por la herramienta

El error fundacional se comete en la primera reunión: alguien dice 'tenemos que meter AI' y arranca la búsqueda de la herramienta más vista en LinkedIn. Es al revés. Las empresas que capturan valor empiezan por un problema concreto y costoso, y recién después preguntan si la AI es la mejor forma de resolverlo.

El MIT encontró un desajuste revelador: más del 50% de los presupuestos de AI se van a ventas y marketing —lo vistoso—, cuando el mayor retorno aparece en el back office: automatizar procesos tercerizados, reducir horas de reproceso, ordenar operaciones. Es menos glamoroso y da más plata.

Para una PYME B2B con operación real, eso se traduce en preguntas incómodas pero rentables: ¿Cuántas horas al mes se van en armar el cierre contable a mano? ¿Cuánta cartera se cobra tarde porque nadie hace el seguimiento a tiempo? ¿Cuánto inventario está inmovilizado porque las decisiones de compra se toman por olfato? Ese es el mapa de dónde se está escapando la plata. La AI se aplica ahí, no donde se vea más moderno.

Regla práctica: un buen primer caso de uso duele hoy, es medible en dinero o en horas, y no depende de reinventar toda la empresa para funcionar. Si no puedes ponerle un número a lo que estás perdiendo, todavía no estás listo para automatizarlo.

El error más caro: comprar tecnología sin rediseñar el trabajo

Este es el que más quema plata. Se compra una herramienta, se le pide al equipo que 'la use', y se espera magia. Pero la herramienta se monta encima del mismo proceso roto de siempre, así que el resultado es el mismo proceso roto, ahora con una suscripción mensual.

McKinsey lo documentó en su State of AI: el rediseño del flujo de trabajo es el factor con mayor correlación con impacto en utilidad (EBIT). Sin embargo, según ese mismo estudio, solo alrededor de una de cada cinco organizaciones que usan AI generativa había rediseñado al menos algunos de sus procesos. Es decir: casi todos compran la herramienta, casi nadie cambia el trabajo. Por eso casi nadie ve el retorno.

En una PYME esto es más fácil de hacer que en una corporación, precisamente porque los procesos caben en la cabeza de dos o tres personas. Antes de automatizar, dibuja el proceso actual paso a paso, elimina los pasos que no aportan, y solo entonces mete la AI en los que quedan. Automatizar un desorden solo te da un desorden más rápido.

La 'AI en la sombra' ya está adentro de tu empresa

Aunque la dirección no haya aprobado nada, tu gente ya está usando AI. El MIT reporta que más del 90% de los trabajadores usan herramientas personales de AI para su trabajo aunque la adopción oficial de la empresa sea baja. Le llaman 'shadow AI', AI en la sombra.

Esto tiene dos caras. La buena: tu equipo ya perdió el miedo y está experimentando gratis. La mala: lo está haciendo sin reglas, y eso significa datos sensibles de clientes, precios y contratos pegados en chats públicos, sin control de qué información sale de la empresa.

La respuesta correcta no es prohibir —eso solo empuja el uso más a la sombra— sino encauzar. Define qué se puede y qué no se puede pegar en una herramienta externa, da un par de opciones aprobadas, y aprende de lo que la gente ya descubrió que funciona. Los empleados que ya usan AI son tu mejor fuente de casos de uso reales; ignorarlos es tirar inteligencia gratis a la basura.

Comprar o construir: para una PYME, casi siempre comprar

Existe la tentación de mandar a construir un sistema de AI 'a la medida', propio, con desarrolladores. Suena a control total. Los datos dicen otra cosa.

El MIT encontró que las soluciones compradas a proveedores especializados llegan a producción con éxito cerca del 67% de las veces, mientras que los sistemas construidos internamente lo logran apenas cerca del 33%. Construir desde cero duplica la probabilidad de fracaso.

Para una PYME el mensaje es claro: salvo que la AI sea el corazón de tu producto, no estás en el negocio de construir infraestructura de AI. Estás en el negocio de resolver tu operación. Compra herramientas maduras, intégralas bien a tu flujo, y gasta tu energía escasa en el rediseño del proceso y en la adopción del equipo —que es donde de verdad se gana o se pierde.

Gestión del cambio: el 80% que nadie presupuesta

Aquí está la verdad que ninguna demo te cuenta. Harvard Business Review lo puso sin anestesia en noviembre de 2025: la mayoría de las empresas no logran capturar valor de la AI no porque la tecnología falle, sino porque fallan sus personas, sus procesos y su política interna. La tecnología es la parte fácil. La gente es la difícil.

En la práctica, la adopción se cae por razones humanas: el equipo teme que la herramienta lo reemplace, nadie tiene tiempo asignado para aprender, el gerente de área no la impulsa, y a la primera fricción todos vuelven al Excel de siempre. McKinsey observó que en las empresas que sí logran resultados, el liderazgo demuestra un compromiso mucho más visible con la iniciativa que en las que fracasan.

Esto en una PYME se resuelve con cosas concretas, no con discursos:

• El dueño o gerente usa la herramienta primero, en público. Si el jefe no la toca, nadie la va a tomar en serio.
• Nombra un responsable por caso de uso —una persona real con nombre— no 'el área'. La AI sin dueño se muere sola.
• Asigna tiempo protegido para aprender. Pedir que aprendan 'en los ratos libres' es garantizar que nunca aprendan.
• Comunica que la AI quita la parte tediosa del trabajo, no la persona. Y demuéstralo dándole al equipo mejores tareas con el tiempo que se libera.

Mide en semanas, no en trimestres, e itera

El último gran error del MIT y de Fortune es el mismo: tratar la AI como un proyecto que se lanza y se olvida. Los modelos cambian, los datos cambian, y una herramienta que hoy funciona se degrada si nadie la vigila. La AI no es una compra, es una práctica.

La buena noticia es que la AI, a diferencia de un ERP, se mide rápido. No esperes seis meses para saber si sirve. Define desde el día uno tres números por caso de uso: horas ahorradas por semana, calidad del resultado comparada con cómo se hacía antes, y costo total real (suscripción más el tiempo de aprendizaje). Con esos tres números en la mano, en dos o tres semanas ya sabes si vas bien.

Y trabaja por ciclos cortos: un caso, 90 días, mides, ajustas o matas, y solo entonces pasas al siguiente. Las PYMES que ganan no son las que 'implementaron AI en toda la empresa' de golpe; son las que dominaron un caso de uso, capturaron el ahorro, y con esa confianza y esa plata financiaron el siguiente. Empezar pequeño no es tibieza: es la única forma que estadísticamente funciona.

Los errores que queman plata y confianza, en una lista

Si tuviéramos que resumir en qué se cae la mayoría —cruzando lo que reportan el MIT, McKinsey, HBR y Fortune— estos son los errores caros, traducidos a la realidad de una PYME:

• Empezar por la herramienta de moda en vez de por un problema que cuesta plata.
• Gastar todo en lo vistoso (ventas, marketing) e ignorar el back office, que es donde está el retorno.
• Montar la AI encima de un proceso roto sin rediseñar el trabajo.
• Mandar a construir desde cero lo que se puede comprar maduro y probado.
• Prometer de más y crear expectativas que ninguna herramienta puede cumplir todavía.
• No asignar tiempo, dueño ni presupuesto a la adopción humana —el 80% del reto.
• Alimentar la AI con datos sucios o desordenados: basura entra, basura sale.
• Lanzar y olvidar, sin medir ni ajustar, hasta que la herramienta se degrada y todos vuelven al Excel.