El informe "The AI Reality Check: Why Most AI Initiatives Never Make It", elaborado por Coleman Parkes para Rebura (Westcon-Comstor) y publicado el 28 de septiembre, confirma un patrón que muchos equipos de tecnología ya intuían: el 37% de las organizaciones impulsa iniciativas de IA porque dirección lo ha pedido, sin resultado definido de antemano. Solo el 25% tiene sus objetivos de negocio plenamente definidos antes de arrancar.
El dato que más pesa para Marta no es ese 37% -es el 27%: solo uno de cada cuatro proyectos de IA llega con éxito a producción. El 58% restante se implementa de forma "ad hoc", sin ciclo de vida estructurado, y solo el 29% de las organizaciones tiene ese ciclo definido.
Hay un dato que aterriza esto directamente en la empresa mediana: solo el 14% de las pymes tiene sus datos listos para un proyecto de IA, frente al 36% de las grandes empresas. El 58% de las pymes señala seguridad y cumplimiento como barrera, y el 46% apunta a la calidad de sus propios datos -antes de hablar de modelo o de proveedor, el problema está en lo que ya tienen guardado.
El proceso concreto que esto afecta es la aprobación interna de proyectos de IA: hoy, en muchas empresas medianas, un directivo pide "meter IA en X" y el equipo ejecuta sin que exista antes un documento con el resultado esperado, el plazo para medirlo y quién es responsable de revisarlo.
Antes, ese mismo proyecto se aprobaba con un caso de negocio tradicional: ahorro estimado, plazo de retorno, responsable de medirlo. Con IA, ese paso se salta con frecuencia -el propio CEO de Rebura, Aaron Rees, lo resume así: "el verdadero valor reside en combinar la tecnología con una gobernanza adecuada".
Lo que el informe no aterriza -y es lo que importa para Marta esta semana- es qué hacer con los proyectos que ya están en marcha sin ese documento previo: pararlos para definir el criterio a posteriori, o dejarlos correr y juzgarlos sin vara de medir clara. Esa decisión, no el informe, es la que marca la diferencia entre defender la inversión o tener que justificar un fracaso.
Qué hacer ahora: antes de aprobar el próximo proyecto de IA en tu empresa, exige por escrito qué resultado concreto se espera, en qué fecha se revisa y si tus datos están listos para soportarlo -el 14% de pymes que sí lo están empezó por ahí, no por elegir modelo.