El problema nunca es la herramienta, es el proceso que la rodea

Una gestoría implementa un asistente que reduce a la mitad el tiempo de revisión de expedientes. Funciona. Es más rápido, más consistente y más barato que el proceso anterior. Seis semanas después, casi nadie lo usa. La herramienta sigue ahí, intacta. Lo que ha cambiado es que la organización ha vuelto a su forma anterior.

Esto no es una anécdota aislada. Es el patrón que se repite en la mayoría de proyectos de IA que fracasan, y conviene entender por qué antes de gastar un euro en la siguiente herramienta.

La cifra que nadie quiere mirar

Según un análisis de RAND Corporation, más del 80% de los proyectos de IA fracasan, el doble que los proyectos tecnológicos que no incluyen IA. No es un problema de acceso a la tecnología. Es un problema de adopción.

Un informe de Deloitte sobre el estado de la IA en la empresa en 2026 encuentra algo parecido: aunque un porcentaje relevante de compañías cree tener una estrategia preparada para la IA, muchas menos se sienten preparadas cuando se trata de infraestructura, datos, gestión de riesgo y talento. El desfase entre la intención y la ejecución es donde la mayoría de los proyectos se rompen.

Y una encuesta reciente entre ejecutivos encontró que la gran mayoría afronta problemas serios de adopción pese a la inversión, con menos de un tercio de las empresas viendo un retorno significativo de la IA generativa a pesar de ganancias de productividad individuales notables. El patrón se repite: se compra la herramienta, se mide mal el resultado, y se concluye que la IA “no estaba lista”.

Por qué pasa esto

La explicación que da la mayoría de consultoras coincide en un punto: la IA no es un problema de tecnología, es un problema de liderazgo y diseño organizativo. Un vicepresidente de Google lo resumió así: la capacidad de la IA avanza más rápido que la capacidad organizativa para absorberla.

Lo que ocurre en la práctica es esto. Una empresa tiene un proceso que lleva años funcionando de una manera concreta: quién aprueba qué, quién revisa a quién, qué pasos existen para cubrirse las espaldas si algo sale mal. Cuando llega una herramienta que hace ese proceso más rápido, no está tocando solo el proceso. Está tocando la estructura de responsabilidad que se construyó alrededor de él.

Por eso la resistencia no suele ser explícita. Nadie dice “no quiero usar esto porque me quita poder”. Lo que se dice es “no me fío del resultado” o “prefiero revisarlo yo por si acaso”. Y esas dudas no son irracionales: reflejan que el proceso alrededor de la herramienta (quién decide, quién responde si falla, qué pasa con la responsabilidad) no se ha rediseñado. Se ha dejado la estructura antigua encima de una herramienta nueva.

Un estudio de Harvard Business School y la Universidad de Hong Kong lo plantea en términos parecidos: la mayoría de las empresas no captura valor real de la IA no porque la tecnología falle, sino porque fallan las personas, los procesos y la política interna. Miedo a ser sustituido, flujos de trabajo rígidos y estructuras de poder ya asentadas explican más fracasos que cualquier limitación técnica del modelo.

Lo que suele hacer falta en su lugar

Cuando un proyecto de automatización funciona a medio plazo, casi siempre hay algo en común: alguien se sentó a rediseñar el proceso, no solo a insertar la herramienta en el proceso existente. Eso significa preguntarse qué protege cada paso de aprobación, si ese riesgo sigue existiendo, y quién asume la responsabilidad cuando el resultado lo genera un sistema y no una persona.

Gartner ha señalado durante meses que la falta de gobernanza clara es una de las formas más rápidas de frenar la adopción responsable de la IA. Cuando las reglas sobre uso de datos, propiedad de la información o quién responde por un error son ambiguas, la gente por defecto dice que no, o peor, usa la herramienta en la sombra sin ningún control.

La conclusión práctica para una pyme es sencilla de enunciar y difícil de ejecutar: antes de automatizar un proceso hay que decidir quién es responsable del resultado, qué pasa si el sistema se equivoca y qué parte del proceso antiguo ya no tiene sentido mantener. Eso no lo resuelve ninguna herramienta. Lo resuelve una conversación que la mayoría de proyectos se salta.