La parte más difícil de la IA empresarial es priorizar, no innovar

La mayoría de las organizaciones tienen muchas ideas para aplicar la IA. Pero ¿cómo pueden convertirlas con éxito en implementaciones que realmente repercutan en el ROI?

Para los líderes empresariales y tecnológicos, la pregunta parece sencilla, pero resulta sorprendentemente difícil: identificar, evaluar y priorizar las oportunidades de IA que realmente generarán valor implica mucho trabajo.

Aunque la tecnología está lista y no faltan ideas creativas, la mayoría de las iniciativas de IA suelen fracasar antes de llegar a implementarse. La brecha entre la experimentación y la ejecución es evidente: S&P Global descubrió que las organizaciones abandonaron, en promedio, el 46% de sus proyectos de prueba de concepto de IA antes de que llegaran a producción. Esto se debe a que evalúan ideas de IA antes de haber definido por completo el problema que intentan resolver.

Muchas organizaciones ya han dejado atrás la fase de experimentación, en la que intentan decidir en qué iniciativas de IA apostar y en qué orden. Sin embargo, la adopción no se traduce necesariamente en un impacto empresarial: la encuesta de McKinsey sobre el estado de la IA de 2026 reveló que, aunque el 44% de las organizaciones afirma ahora que está ampliando el uso de la IA en toda la empresa, solo el 37% informa de algún impacto medible de la IA en los resultados operativos. Estas organizaciones necesitan un sistema de toma de decisiones repetible que distinga entre logros rápidos, oportunidades estratégicas, requisitos previos y problemas que no se resuelven con IA antes de comprometer recursos.

El problema comienza con la forma en que surgen las ideas

En los equipos directivos, las ideas sobre IA no suelen presentarse como oportunidades claras e independientes. A menudo llegan en forma de paquetes: planteamientos ambiciosos, complejos y desordenados, como «necesitamos IA para ayudar con las comunicaciones, los informes, las reuniones, la transferencia de conocimientos, la gestión del rendimiento y quizá incluso para tener agentes de IA que gestionen nuestros proyectos».

Ese problema no requiere una sola idea, sino al menos seis, cada una con un alcance, una complejidad, unos requisitos de gobernanza y un valor esperado fundamentalmente distintos.

Detrás de una sola afirmación como «necesitamos IA para los informes» podría haber:

• Una tarea repetitiva que se puede automatizar en cuestión de semanas
• Un proceso que hay que rediseñar antes de que la IA pueda ayudar
• Una capacidad realmente nueva que la IA hace posible por primera vez
• Un problema de datos o de sistemas que la IA por sí sola no puede resolver

Tratar todas estas opciones de la misma manera, con los mismos criterios de evaluación, plazos y métodos para calcular el ROI, conduce a una priorización deficiente y al desperdicio de esfuerzos. Los logros rápidos quedan sepultados bajo procesos de gobernanza diseñados para iniciativas importantes. Las ideas revolucionarias nunca obtienen el respaldo que necesitan. Y las que ni siquiera son problemas de IA consumen recursos que deberían destinarse a otras cosas.

Un marco para priorizar las oportunidades de IA

Las organizaciones necesitan un conjunto estandarizado de principios que les ayude a identificar qué oportunidades son adecuadas para aplicar soluciones de IA. Propongo lo siguiente:

1. Desglosar antes de priorizar. La calidad de las decisiones sobre IA depende por completo de la calidad de las ideas que entran en el proceso. El paso más importante es dividir las solicitudes generales en oportunidades concretas, cada una con un resultado definido, una única persona responsable y un alcance realista. Al evaluar de este modo las ideas generales, un puñado de planteamientos iniciales puede convertirse en varias oportunidades distintas y susceptibles de puntuación. Algunas se pueden poner a prueba de inmediato. Para otras, primero habrá que resolver ciertos requisitos previos. Es posible que algunas ni siquiera sean problemas de IA.
2. El tipo determina la gobernanza. La puntuación determina el orden. El tipo de implementación de IA que se necesita para abordar un desafío empresarial y su puntuación —o su potencial para generar valor— son dos cuestiones completamente distintas que la mayoría de los procesos de priorización confunden. ¿Qué tipo de oportunidad representa la idea? ¿Se trata de automatizar una tarea, rediseñar un proceso, crear una capacidad de IA completamente nueva o algo distinto? La respuesta determina cómo debe gestionarse: el proceso de aprobación, el plazo y la manera de medir el valor. La comparación con otras oportunidades determina cuándo conviene llevarla adelante. Tanto una automatización rápida como una capacidad táctica de IA pueden ser valiosas. Nunca deberían seguir la misma vía de gobernanza.
3. Definir el problema antes de elegir la tecnología. Una de las trampas más fáciles en el ámbito de la IA es apresurarse a hablar de modelos, plataformas o proveedores. Es mejor empezar por comprender el problema en sí: quién lo experimenta, qué está generando dificultades y qué resultado debe mejorar. Esta distinción importa porque las organizaciones pueden confiar en su estrategia de IA y, aun así, carecer de las capacidades necesarias para ejecutarla: una encuesta de UST de 2026 reveló que el 44% de los líderes empresariales identificó la calidad de los datos como un obstáculo para la adopción de la IA. Si se empieza a hablar de tecnología antes de llegar a un acuerdo sobre esos aspectos fundamentales, normalmente es demasiado pronto. Mantener las primeras conversaciones centradas en el problema puede ayudar a aclarar mucho las decisiones tecnológicas que se tomen más adelante.
4. Señala los obstáculos con la misma claridad que las oportunidades. Una puntuación alta no basta por sí sola. Una idea con gran impacto y respaldo de la dirección, pero con un obstáculo importante de viabilidad —como la falta de datos, una dependencia del sistema sin resolver o una limitación de cumplimiento normativo—, debería figurar en la hoja de ruta, pero no ponerse en marcha hasta que se elimine el obstáculo. La gobernanza y el cumplimiento normativo ya se encuentran entre los mayores obstáculos para ampliar la IA: la encuesta de Moody’s de 2025 concluyó que el 33% de los encuestados mencionó la incertidumbre regulatoria o el riesgo de incumplimiento como un desafío para adoptar la IA a gran escala, mientras que el 30% señaló la dificultad de integrar la IA con sistemas heredados. Por ejemplo, una oportunidad puede obtener una puntuación alta en todas las dimensiones excepto en viabilidad porque depende de que otro equipo resuelva una carencia de datos. Esa iniciativa puede seguir claramente señalada en la hoja de ruta y estar lista para avanzar una vez resuelta la dependencia.
5. Mantén la hoja de ruta adaptable. Las capacidades tecnológicas evolucionan, las prioridades empresariales cambian y las dependencias se modifican con el tiempo. Una cartera sólida debería facilitar la reevaluación de cada oportunidad a medida que cambian las condiciones, sin tener que rehacer todo el plan. Los ciclos anuales de planificación suelen ser demasiado rígidos para un ámbito que evoluciona tan rápidamente.

Cómo llevarlo a la práctica

Cabe destacar que la propia IA puede ayudar a poner en práctica este marco. Las organizaciones pueden utilizar herramientas como capacidades de IA diseñadas para fines específicos y aplicaciones ligeras de gestión de hojas de ruta para guiar a los líderes en la recepción, descomposición, clasificación, evaluación y priorización de oportunidades. En lugar de depender por completo de talleres y facilitación manual, la IA puede analizar ideas sin estructurar, identificar oportunidades distintas, plantear preguntas aclaratorias, cuestionar supuestos y generar evaluaciones estructuradas de oportunidades para su revisión.

A continuación, esas evaluaciones pueden incorporarse a una hoja de ruta centralizada donde las oportunidades, las dependencias, los obstáculos y las prioridades se gestionen de manera coherente en toda la organización. Los líderes pueden ver qué oportunidades existen, cuáles están listas para avanzar y cuáles requieren condiciones previas o una evaluación adicional. Esto cambia la conversación de «¿qué ideas tenemos?» a «¿qué deberíamos abordar primero?»

Esto puede dar lugar a sesiones de priorización mucho más productivas. Los líderes llegan tras haber trabajado ya las preguntas fundamentales, por lo que la conversación puede centrarse en armonizar las prioridades y tomar decisiones, en vez de empezar desde cero.

En lugar de gestionar las ideas sobre IA mediante hojas de cálculo y reuniones inconexas, las organizaciones pueden crear un sistema de toma de decisiones repetible que evalúe y priorice continuamente las oportunidades a medida que evolucionan las necesidades empresariales y las capacidades tecnológicas.

Qué significa esto para la IA empresarial

Las organizaciones que generarán valor sostenido con la IA no son necesariamente las que cuentan con los modelos más avanzados o los presupuestos más elevados. Son las que desarrollan la capacidad organizativa necesaria para evaluar rigurosamente las oportunidades de IA antes de comprometer recursos. El desafío consiste cada vez más en invertir con disciplina: la investigación de Deloitte de 2025 sobre el ROI de la IA concluyó que la mayoría de las organizaciones afirmó obtener un ROI satisfactorio en un caso de uso típico de IA en un plazo de dos a cuatro años, frente al periodo de recuperación de la inversión previsto de siete a 12 meses para las inversiones tecnológicas.

Esto significa ayudar a los líderes empresariales a convertir ideas generales en oportunidades claramente definidas antes de avanzar, y dar a los equipos técnicos margen para poner a prueba sus supuestos e identificar posibles desafíos desde el principio. También significa mantener una hoja de ruta que tenga en cuenta los obstáculos, las dependencias y las oportunidades que quizá convenga abordar más adelante.

En última instancia, generar valor con la IA empresarial depende de algo más que los modelos o agentes que adopte una organización. Depende de tomar decisiones bien fundamentadas sobre dónde, cuándo y por qué utilizarlos.