Piloto.

En la práctica

Lo que separa un piloto de una demo se decide antes de empezar. Qué proceso, con qué datos, qué se mide (tiempo, errores, coste por tarea), contra qué se compara y qué resultado lleva a ampliarlo o a pararlo.

Un ejemplo. El equipo de atención al cliente prueba durante dos meses un asistente que redacta borradores de respuesta. La pregunta es si baja el tiempo por consulta sin que suban las reclamaciones, comparado con el mismo equipo sin asistente. Sin esa pregunta escrita, a los dos meses hay una herramienta que gusta y nadie sabe si compensa.

Por qué te importa

Porque muchos proyectos se quedan en esa fase. En el estudio de IBM a 2.000 consejeros delegados (mayo de 2025), solo el 25 % de las iniciativas de IA había dado el retorno esperado, y solo el 16 % se había extendido a toda la empresa. En la encuesta de McKinsey de 2025 que recoge el AI Index 2026 de Stanford, entre las empresas de menos de 100 millones de dólares de ingresos, el 39 % seguía experimentando y el 22 %, en piloto.

El «95 %»

Una cifra muy repetida es la del MIT NANDA, de julio de 2025: «95% of organizations are getting zero return». Se cita como «el 95 % de los pilotos fracasa», y el informe no da para tanto. Sale de 52 entrevistas a organizaciones, 153 encuestas a directivos en cuatro congresos y la revisión de más de 300 iniciativas públicas. El éxito lo mide por lo que cuentan los entrevistados sobre su impacto en productividad o en resultados. Y el propio informe avisa de que sus cifras son «directionally accurate», sacadas de entrevistas y no de las cuentas de las empresas.

Los límites

El retorno cuesta medirlo. En el Work Trend Index de Microsoft de 2024, el 59 % de los directivos temía no poder cuantificar lo que ganaba en productividad. Un piloto que solo pregunta si al equipo le gusta la herramienta no responde a eso. Y uno hecho con los datos más limpios y la gente más motivada puede salir mejor que el despliegue.