Por qué la mayoría de los proyectos de IA no llegan a producción
Según estimaciones del sector, entre el 60% y el 80% de los proyectos de IA empresarial no alcanzan producción o son abandonados en los primeros seis meses. No porque la tecnología falle. Porque el modelo de entrega falla.
El patrón es conocido: una consultora presenta un diagnóstico ambicioso, construye un prototipo en un entorno controlado, lo entrega con documentación y desaparece. El equipo interno, que nunca fue parte del proceso, no sabe cómo operarlo. El prototipo queda en un repositorio. El presupuesto, gastado.
Para una empresa de 50 a 200 personas, ese ciclo no es solo frustrante. Es costoso y difícil de justificar ante el directorio.
La forma de evitarlo no es elegir la consultora más grande ni la más barata. Es hacer las preguntas correctas antes de firmar.
Pregunta 1: ¿Qué queda en la empresa cuando termina el proyecto?
Esta es la pregunta más importante y la que menos se hace.
Una consultora que trabaja bien deja tres cosas: sistemas funcionando en producción, un equipo que sabe operarlos y un modelo de gobierno que evita que todo se caiga cuando alguien se va de vacaciones.
Una consultora que trabaja mal deja un informe, un prototipo y una factura.
La respuesta que debería esperar: "Al finalizar, su equipo opera los agentes de forma autónoma. Nosotros permanecemos como red de seguridad, no como dependencia."
Si la respuesta incluye frases como "entregamos el código fuente" o "dejamos la documentación técnica", preste atención. Eso no es enablement. Es transferencia de responsabilidad sin transferencia de capacidad.
Pregunta 2: ¿En cuánto tiempo tienen el primer resultado en producción?
No un prototipo. No un demo. Un resultado real, en el entorno de producción de su empresa, con datos reales.
El estándar razonable para una empresa mid-size es entre seis y diez semanas para los primeros agentes operativos. Si la respuesta es "depende del alcance" sin un rango concreto, o si el cronograma empieza en los cuatro meses, está ante un modelo de entrega diseñado para proyectos de gran empresa, no para su contexto.
La respuesta que debería esperar: un rango específico, una descripción de qué estará funcionando al final de ese período y quién del equipo interno habrá participado en construirlo.
Pregunta 3: ¿Cómo miden el ROI y quién lo valida?
Cualquier consultora puede prometer eficiencia. La pregunta es cómo la miden, cuándo la miden y quién tiene acceso a esa información.
Un ejemplo concreto: una empresa de distribución con un equipo de finanzas de cuatro personas dedica entre 25 y 35 horas mensuales a consolidar reportes de ventas, márgenes y stock desde tres sistemas distintos. Si un agente automatiza ese proceso, el ahorro es medible desde el primer mes. En un rango conservador, eso equivale a entre 300 y 420 horas anuales de trabajo calificado redirigido a análisis, no a consolidación.
Ese tipo de hipótesis debería estar sobre la mesa antes de firmar, no después.
La respuesta que debería esperar: métricas definidas antes de empezar, un mecanismo de seguimiento accesible para el cliente y revisiones periódicas de ROI durante el proyecto, no solo al cierre.
Pregunta 4: ¿Cómo gestionan los costos de infraestructura de IA?
Este punto se subestima con frecuencia. Los modelos de lenguaje y los servicios de IA en la nube tienen costos variables que pueden escalar de forma inesperada si no hay gobierno.
Una empresa que implementa cinco agentes sin un sistema de observabilidad puede encontrarse, tres meses después, con una factura de infraestructura que no estaba en el presupuesto y sin visibilidad sobre qué proceso la generó.
La respuesta que debería esperar: un modelo de gobierno que incluya monitoreo de costos por agente, alertas configuradas y políticas de uso definidas desde el inicio. No como un servicio adicional, sino como parte del modelo de entrega estándar.
Pregunta 5: ¿Tienen experiencia en empresas de tamaño similar al nuestro?
Esta pregunta no es sobre credenciales. Es sobre contexto operativo.
Una empresa de 80 personas con un equipo de finanzas de tres y un ERP local tiene restricciones, ritmos y tolerancias al cambio completamente distintas a las de una corporación con un departamento de IT de 40 personas. Las metodologías que funcionan para el Global 2000 no se trasladan directamente a una empresa mid-size sin ajustes significativos.
La respuesta que debería esperar: ejemplos concretos de empresas de tamaño comparable, con descripción del problema que tenían, qué se implementó y qué resultado se obtuvo. No logos en una presentación. Casos con contexto.
Cómo usar estas preguntas en la práctica
No hace falta plantearlas como un interrogatorio. Pueden integrarse naturalmente en la primera conversación con cualquier proveedor.
Lo que revelan no es solo la capacidad técnica de la consultora. Revelan su modelo de negocio real. Una consultora que vive de proyectos largos y renovaciones tiene incentivos distintos a una que vive de que el cliente quede autónomo rápido.
Esa diferencia de incentivos determina todo lo que viene después: cómo diseñan la solución, cómo involucran al equipo interno, cómo definen el éxito y cómo se comportan cuando algo no funciona.
Conclusión
Contratar bien una consultora de IA no requiere ser experto en tecnología. Requiere hacer las preguntas que protegen el presupuesto, el tiempo del equipo y la probabilidad de que el proyecto llegue a producción y permanezca ahí.
Las cinco preguntas de este artículo están diseñadas para eso. Si las respuestas que recibe son vagas, genéricas o evitan comprometerse con resultados concretos, tiene información suficiente para tomar una decisión.
Si quiere evaluar si su caso tiene fit con el modelo de OuroAI antes de comprometerse con nada, puede completar el formulario de diagnóstico gratuito. Sin llamada inmediata, sin proceso de ventas largo.
