Desde que la inteligencia artificial se volvió accesible, se repite una escena muy habitual: una empresa compra una herramienta de IA antes de saber qué quiere que haga. Unos meses después, la herramienta está infrautilizada y la conclusión es que “la IA no funciona”.
La IA funciona. Lo que falla casi siempre es dónde y para qué se aplica. Por eso, antes de explicarte dónde usar inteligencia artificial en tu empresa, quiero empezar por lo contrario: cuándo no hacerlo.
Por qué la mayoría de proyectos de IA no dan resultados
No es una impresión. Los datos de las consultoras y centros de investigación más serios coinciden:
- Gartner predijo en 2024 que al menos el 30 % de los proyectos de IA generativa se abandonarían tras la prueba de concepto antes de terminar 2025. Las causas que señaló: mala calidad de los datos, controles de riesgo insuficientes, costes crecientes o valor de negocio poco claro.1
- BCG encuestó a 1.000 directivos de 59 países y encontró que el 74 % de las empresas no ha conseguido demostrar valor tangible con la IA. Solo el 26 % tiene las capacidades para pasar de las pruebas a resultados.3
- Un informe del MIT NANDA de 2025, basado en 150 entrevistas, 350 encuestas y el análisis de 300 despliegues, concluyó que alrededor del 95 % de los pilotos de IA generativa no tenía un impacto medible en la cuenta de resultados.2 La cifra se ha discutido por su metodología, pero apunta en la misma dirección que las demás.
- McKinsey, en su informe de 2025 con casi 2.000 encuestados, muestra que el 88 % de las organizaciones ya usa IA en al menos una función, pero solo un tercio ha empezado a escalarla y apenas un 6 % la convierte en un impacto significativo en beneficios.4
Lo más interesante del informe de McKinsey es qué hace distinto ese 6 %: tiene casi tres veces más probabilidades de haber rediseñado sus flujos de trabajo. No compran más herramientas; cambian cómo trabajan. Esa es la clave de todo lo que viene.
7 situaciones en las que no deberías usar IA (todavía)
1. No sabes qué problema quieres resolver
“Queremos usar IA” no es un objetivo. “Queremos responder en menos de cinco minutos a cada contacto que llega fuera de horario” sí lo es. Si no puedes escribir en una frase qué va a cambiar y cómo lo vas a medir, el proyecto nace sin rumbo. Gartner lo identifica como una de las causas de abandono: valor de negocio poco claro.1
2. El proceso de fondo está roto
Si tu proceso comercial pierde contactos porque nadie sabe quién tiene que llamar, la IA no lo arregla: lo hace más rápido, y más rápido también se pierden. Automatizar el caos produce caos a escala.
BCG lo resume en una regla que comparto: el valor de la IA viene en un 10 % de los algoritmos, un 20 % de la tecnología y los datos y un 70 % de las personas y los procesos.3 Si no estás dispuesto a tocar ese 70 %, la herramienta no va a salvarte.
3. Tus datos son pocos, malos o están dispersos
Un asistente que responde a clientes necesita información correcta y actualizada: precios, horarios, condiciones, servicios. Si esa información vive en la cabeza de tres personas, en PDF antiguos y en hojas de cálculo que nadie mantiene, la IA va a responder con seguridad cosas falsas. Primero ordena la información; después, automatízala.
4. Un error sale caro y nadie lo revisa
En 2024, un tribunal de Canadá condenó a Air Canada a compensar a un cliente porque su chatbot le informó mal sobre una tarifa por duelo familiar. La aerolínea llegó a argumentar que el chatbot era “una entidad separada” responsable de sus propios actos. El tribunal lo rechazó: la empresa responde de todo lo que dice su web, lo diga una página o un chatbot.5
La cuantía fue pequeña; la lección no. Si la IA va a dar información sobre precios, condiciones, plazos o temas legales o de salud, necesitas límites claros sobre lo que puede responder y una persona que revise los casos delicados.
5. El valor de tu servicio está en el trato humano
Klarna es el ejemplo más citado. En 2024 anunció que su asistente de IA hacía el trabajo equivalente a 700 agentes. Un año después, su propio consejero delegado reconoció que el coste había pesado demasiado en la decisión, que eso había reducido la calidad y que invertir en la calidad del soporte humano era el camino.6
Si tus clientes te eligen por cómo los tratas, la IA debe liberar tiempo a tu equipo para tratarlos mejor, no sustituir ese trato.
6. El volumen es demasiado bajo para que compense
Implantar IA bien cuesta: configuración, pruebas, mantenimiento y supervisión. Si una tarea ocurre diez veces al mes, probablemente es más barato y fiable que la haga una persona con una buena plantilla. La IA brilla cuando una tarea se repite cientos o miles de veces.
7. No puedes medir el resultado
Si no sabes cuánto tardas hoy en responder, cuántos contactos se pierden o cuántas horas dedica tu equipo a una tarea, nunca sabrás si la IA ha mejorado algo. Mide antes de implantar. Sin una línea de partida, cualquier proyecto acaba juzgándose por sensaciones.
Cuándo sí usar inteligencia artificial en tu empresa
Con esos filtros, quedan pocos casos, pero muy rentables:
- Tareas repetitivas de alto volumen: clasificar correos y solicitudes, pasar datos de un sistema a otro, preparar borradores de informes o propuestas que luego revisa una persona.
- Primera atención con traspaso a una persona: responder preguntas frecuentes, orientar y agendar, y pasar al equipo comercial el contacto que ya está listo para hablar. Es lo que hicimos, por ejemplo, con el asistente de Clínicas Capilares IMD.
- Back-office: el informe del MIT encontró que, aunque más de la mitad del presupuesto de IA generativa se va a ventas y marketing, el mayor retorno está en automatizar procesos internos y reducir costes externos.2
- Análisis para decidir: resumir conversaciones de clientes, detectar patrones en las objeciones o cruzar datos que hoy nadie tiene tiempo de mirar.
Checklist: 6 preguntas antes de invertir en IA
| Pregunta | Si la respuesta es no… |
|---|---|
| ¿Puedo describir en una frase el problema y cómo mediré la mejora? | Define el objetivo antes de mirar herramientas. |
| ¿El proceso funciona bien cuando lo hace una persona? | Arregla el proceso primero. |
| ¿La información que necesita la IA es correcta y está en un solo sitio? | Ordena y centraliza los datos. |
| ¿Qué pasa si la IA se equivoca, y quién lo revisa? | Pon límites y supervisión humana. |
| ¿La tarea se repite lo suficiente para que compense? | Usa una plantilla o un proceso manual mejor. |
| ¿Tengo una cifra de partida (tiempo, coste, conversión)? | Mide durante unas semanas antes de implantar. |
Si usas un chatbot, ahora tienes que avisar
Desde el 2 de agosto de 2026 se aplican en la Unión Europea las obligaciones de transparencia del artículo 50 del Reglamento de IA: si una persona habla con un sistema de IA, como un chatbot o un asistente de atención al cliente, hay que informarle de forma clara como tarde en la primera interacción. No vale esconderlo en la política de privacidad.7 Es otro motivo para diseñar bien el asistente desde el principio.
Cómo lo enfoco yo
Cuando una empresa me pide ayuda con la IA, no empiezo por las herramientas. Empiezo por el proceso: dónde se pierde tiempo, dónde se pierden clientes y qué parte puede hacer la IA sin empeorar la experiencia. A veces la conclusión es que la IA encaja; otras, que lo que hace falta es ordenar el proceso o contratar a una persona.
Si quieres saber si la inteligencia artificial tiene sentido en tu empresa y por dónde empezar, ese análisis es exactamente lo que hacemos en el diagnóstico estratégico. Si ya tienes claro el reto, lo trabajamos en la consultoría de negocio, marketing e IA.
