Por qué fracasan los proyectos de IA en pymes (y cómo evitarlo)
El 95% de los pilotos de IA no llegan a producción. Casi nunca por la tecnología. Las cinco razones reales del fracaso, con datos.
Vengo del laboratorio. Doctorado en biotecnología, ocho años pipeteando, optimizando protocolos y viendo experimentos fracasar de mil maneras distintas. Cuando empecé a trabajar con pymes, me sorprendió descubrir que los proyectos de IA fallan exactamente igual que los experimentos de tesis: rara vez por la técnica. Casi siempre por lo que pasó antes de tocar nada.
Va una historia que verás repetirse: la pyme contrata a un proveedor. El proveedor hace una demo brillante. El gerente firma. Tres meses después, el sistema está "en pruebas". A los seis, sigue en pruebas. Al año, nadie del equipo se acuerda de cómo se entraba. La factura, eso sí, llegó puntual cada mes.
Es estadística. Aquí van las cifras.
Las cifras, sin maquillaje
En julio de 2025, el MIT NANDA Initiative publicó un informe sobre 300 iniciativas de IA empresarial. Su titular hizo ruido durante semanas: el 95% de los pilotos de IA generativa no genera impacto medible en cuenta de resultados. Cinco de cada cien.
Sí, la cifra es brutal. No, no es un caso aislado. El CHAOS Report llevaba avisando desde 2015 que los proyectos de IT fracasan a tasas parecidas, y nadie escribió un artículo afirmando que las bases de datos son humo. Lo que cambia con la IA no es la tasa de fracaso. Es el ruido alrededor.
Y los números coinciden allá donde mires:
- RAND Corporation (2024): el 80% de los proyectos de IA fracasan. El doble que los de IT convencional. Un tercio se abandona antes de producción. Otro tercio llega, pero no entrega valor.
- S&P Global (2025): el 42% de las empresas tiró por la borda la mayoría de sus iniciativas de IA en 2025. El año anterior fue el 17%. Multiplicar por dos y medio en doce meses.
- Gartner (abril de este año): solo el 28% de los casos de IA en infraestructura cumple ROI. Uno de cada cinco fracasa de cuajo.
Cuando escuches a alguien decir que su solución de IA tiene "tasa de éxito altísima", pídele datos. Lo más probable es que el éxito esté medido el día de la demo.
Cinco causas reales (ninguna es la tecnología)
He revisado los estudios de RAND, MIT y Gartner buscando un patrón. Lo encontré, pero no donde esperaba. Las cinco causas que se repiten no tienen que ver con modelos, ni con elegir entre Claude, GPT o un open source. Tienen que ver con cómo se decide y cómo se entrega.
Por qué se mueren los proyectos
Nadie acordó qué significa éxito
El 73% de los proyectos fallidos arrancó sin métricas claras (RAND). Si no defines qué número tiene que cambiar antes de empezar, todas las conversaciones de cierre acaban en interpretaciones. Y el cliente siempre pierde la interpretación.
Los datos no estaban listos. Spoiler: nunca lo están
El 38% de los líderes con fracasos cita la calidad de datos como causa directa (Gartner, 2026). 'Tenemos datos' y 'tenemos datos usables' son dos frases distintas. Una es ilusión. La otra requiere semanas de limpieza que nadie presupuestó.
Se confunde piloto con producción
La demo es la parte fácil. Tres prompts bonitos, una pantalla, unos aplausos. La difícil llega cuando el sistema tiene que aguantar lunes a viernes con datos reales, errores reales y usuarios que no leyeron el manual.
Construyeron cuando había que comprar
Según MIT, los proyectos con vendor especializado triunfan en torno al 67% de los casos. Los desarrollos internos, en torno al 33%. Si tu pyme tiene un becario haciéndolo en sus ratos libres con tutoriales de YouTube, ya conoces el final.
El equipo no participó en el diseño
El 56% de los proyectos pierde patrocinio interno antes de seis meses (RAND). Cuando el sistema lo diseña alguien que no va a usarlo, el equipo lo abandona en cuanto el jefe deja de mirar. Y el jefe acaba dejando de mirar.
Ninguna de estas cinco causas se arregla con un modelo más nuevo. Se arreglan antes, en la conversación que casi nadie tiene.
La pyme española juega en otra liga (no en el buen sentido)
La empresa grande puede permitirse fracasar. Una multinacional firma diez pilotos sabiendo que ocho morirán, y aún así extrae aprendizaje del intento. La pyme, no. La pyme firma uno y juega su crédito interno con la IA en esa única bala.
Los datos del II Informe Hiscox de Pymes 2025 cuentan algo que en Pamplona se nota cuando hablas con cualquier gerente: el 23,3% de las pymes españolas usa IA, frente al 7,4% de hace tres años, pero el 40% no le ve ninguna ventaja real. La adopción se triplica y casi la mitad sigue sin entender para qué sirve.
El Barómetro IndesIA 2025, que mide pymes industriales sobre 68.000 empresas, lo deja todavía más claro: solo el 2,9% tiene IA funcionando en procesos productivos. Es decir, "uso ChatGPT para escribir correos" no es lo mismo que "tengo IA en producción". Hay un océano entre las dos cosas. Y casi todo el mundo te va a vender el correo como si fuera el océano.
La pyme arrastra tres limitaciones que la enterprise no:
- Sin departamento de IT que rescate el proyecto cuando se complica.
- Sin presupuesto para fracasar dos veces sin explicárselo al socio.
- Sin tiempo para que el gerente supervise un proyecto que va a sin hitos.
El gerente de una pyme no necesita la IA más sofisticada. Necesita la que funcione el lunes a las ocho, sin él delante.
Esa frase no la inventé yo en una sala de reuniones. La dijo una clienta de Estella el año pasado, mientras me explicaba por qué había rechazado tres propuestas antes de la nuestra. Tenía razón.
Qué hacen distinto los proyectos del 5%
El análisis del MIT sobre los proyectos que sí funcionan encuentra un patrón aburrido, y por eso valioso. Los que sobreviven comparten dos cosas: especificidad alta de dominio (no copilotos genéricos para todo, sino IA para una tarea concreta) e integración profunda con flujos de trabajo que ya existen.
En cristiano, eso significa una secuencia que parece de manual y casi nadie sigue:
01
Diagnóstico con criterio de éxito
Antes de firmar
02
Presupuesto y alcance cerrados
Antes de construir
03
Demos semanales con feedback real
Durante
04
Equipo del cliente operando solo
Al cierre
01
Diagnóstico con criterio de éxito
Antes de firmar
02
Presupuesto y alcance cerrados
Antes de construir
03
Demos semanales con feedback real
Durante
04
Equipo del cliente operando solo
Al cierre
Esto no es teoría. Es lo que separa al 5% del otro 95%, según los datos. Y si lo lees con atención, verás que ninguno de los cuatro pasos requiere talento técnico exótico. Requiere disciplina y un proveedor que no tenga miedo de decir que no.
Lo que pasa cuando se respeta:
Antes
Sin métricas pactadas, presupuesto abierto, equipo cliente al margen, entrega con manual PDF y un correo de soporte que tarda tres días en contestar. A los seis meses el sistema sigue en pruebas y el gerente ya no sabe si reclamar o cancelar.
Después
Métricas pactadas antes de empezar, presupuesto cerrado, demo cada viernes con quien va a usar el sistema, formación durante el despliegue. A los seis meses el equipo lleva cuatro operándolo sin llamarte ni una vez.
El Banco de España estima que las empresas que adoptan IA con éxito reportan un 4,7% de incremento de productividad a dos años. No suena épico. Pero recuerda que ese número es de los que llegaron a producción, descontado ya el 80% que muere en el camino. Para quien acierta, el retorno real es bastante mayor.
Tres preguntas que filtran al 90% de los proveedores
Si vas a contratar un proyecto de IA en los próximos meses, hazle al proveedor estas tres antes de firmar nada:
- ¿El presupuesto está cerrado antes de construir? Si te dicen "depende de cómo evolucione el alcance", el alcance va a evolucionar. Hacia arriba.
- ¿Hay un criterio objetivo para cerrar cada fase? Si la respuesta suena vaga, el proyecto va a estar abierto seis meses más de lo previsto. Mínimo.
- ¿Quién va a operar el sistema cuando os vayáis? Si nadie de tu equipo está dentro durante el desarrollo, el día del despliegue empieza la dependencia. Y la dependencia se cobra.
No son preguntas técnicas. Son preguntas de gestión. Pero filtran mejor que cualquier prueba de concepto. Si el proveedor se incomoda con alguna, ya tienes tu respuesta.
La parte fácil de un proyecto de IA es la demo. La difícil empieza después, cuando tu equipo tiene que abrir el sistema un martes lluvioso y que funcione, sin nosotros, sin manuales, sin sorpresas. Si el proveedor no se compromete con esa parte, lo que está vendiendo es la demo. Y la demo, ya lo sabes, sale gratis en cualquier sitio de internet.
¿Estás pensando en un proyecto de IA y quieres saber si tiene sentido en tu caso? Reserva un diagnóstico. 30 minutos, sin compromiso. Si tiene sentido, lo hacemos. Si no, te lo decimos.