Cómo debe decidir una empresa industrial el formato de su inversión en inteligencia artificial.
Respuesta corta: varios experimentos pequeños. Una empresa industrial adopta inteligencia artificial más rápido repartiendo la inversión en apuestas cortas, con presupuesto acotado y criterio de cancelación escrito, que concentrándola en un único proyecto grande. La razón no es presupuestaria: la IA se comporta como I+D, no como la compra de un activo, y el I+D se gestiona en cartera. Con que una de cada diez apuestas mejore de forma recurrente un proceso, la cartera queda pagada.
Una empresa industrial sabe exactamente cómo comprar una máquina. Estudio previo, tres ofertas, cálculo de retorno, comité, firma. El método funciona porque el resultado es previsible: la máquina hará lo que dice la ficha técnica, con la merma que dice la ficha técnica.
Ese mismo comité se reúne meses después para aprobar «el proyecto de IA». Y aplica el mismo método.
Ahí empieza el desvío.
Un proyecto de IA no se comporta como una inversión en activo fijo. Nadie sabe de antemano cuál de las ideas va a funcionar, y solo se averigua ejecutándola. Cuando obligas a esa incertidumbre a pasar por un comité que exige retorno comprometido antes de empezar, ocurren dos cosas. Se elige el caso de uso más defendible, no el más valioso. Y se vuelve irreversible algo que debería poder cancelarse en seis semanas.
El fallo no es técnico: es el formato de la decisión
La mayoría de direcciones generales no se equivocan al elegir la tecnología. Se equivocan al elegir el formato de la apuesta.
Un único proyecto grande concentra presupuesto, expectativa, reputación interna y calendario en el mismo punto. Si sale bien, la empresa aprende una cosa. Si sale mal, aprende una cosa y además cierra la puerta durante dos años: nadie quiere ser el segundo en llevar IA al comité después de que el primero se estrellara.
Diez experimentos pequeños reparten esa misma inversión de otra forma. Diez hipótesis. Diez procesos. Diez equipos que aprenden algo aplicable aunque su experimento se descarte.
Un experimento que no puede cancelarse no es un experimento. Es un compromiso disfrazado de piloto.
Qué diferencia hay entre un proyecto único y una cartera de experimentos
| Dimensión | Proyecto único | Cartera de experimentos |
|---|---|---|
| Criterio de aprobación | Retorno comprometido antes de empezar | Hipótesis medible y coste máximo asumible |
| Horizonte | 12-24 meses | 4-8 semanas por apuesta |
| Riesgo | Concentrado | Repartido |
| Qué pasa si falla | Se bloquea el asunto durante años | Se cierra y se libera el hueco |
| Qué aprende la empresa | Si ese proyecto salió bien | Qué procesos suyos son automatizables y cuáles no |
| Métrica de éxito | Cumplimiento del plan | Que un acierto pese más que todos los fallos |
La cartera no se mide por aciertos, se mide por asimetría
Esta es la parte que más cuesta aceptar a una dirección acostumbrada a la eficiencia industrial: en una cartera de experimentos, la tasa de acierto es una métrica irrelevante.
Lo que importa es la forma del resultado.
Cada experimento tiene una pérdida acotada: lo que has decidido gastar y el tiempo que has decidido dedicarle. Ni un euro más. La ganancia, en cambio, no está acotada. Un sistema que prepara el borrador de las ofertas técnicas, o que reduce a la mitad el tiempo de respuesta ante una incidencia de calidad, no devuelve su coste una vez. Devuelve un múltiplo, y lo devuelve todos los meses.
Siete fallan. Dos quedan en tablas: funcionan, pero no lo suficiente para justificar el despliegue. Uno cambia la economía de un proceso entero.
Con ese uno, la cartera está pagada. Y el resto no ha sido desperdicio: ha sido el precio de encontrarlo.
Un director financiero acostumbrado a evaluar inversiones por su retorno individual se resiste a este razonamiento. La respuesta es sencilla: no evalúes los experimentos, evalúa la cartera. Nadie exige que las diez líneas de un plan de I+D acaben en producto.
Cómo se define un experimento de IA que no acaba en piloto eterno
Aquí es donde la idea descarrila en la práctica. Una organización oye «diez experimentos» y monta diez proyectos: diez actas, diez comités de seguimiento, diez cuadros de mando. Multiplica la burocracia por diez y la velocidad de aprendizaje por cero.
Un experimento de esta cartera tiene otra anatomía:
- Una hipótesis en una frase. Formulada por quien sufre el proceso, no por IT. «Si el sistema propone la respuesta técnica al cliente, el técnico contesta en dos horas en vez de en dos días.»
- Un plazo corto y fijo. Cuatro, seis, ocho semanas. La fecha no se mueve; lo que se mueve es el alcance.
- Un presupuesto que la empresa pueda perder sin discutirlo. Si perderlo duele, se politiza. Si se politiza, nadie lo cancela a tiempo.
- Una métrica anterior al experimento. Medida antes de empezar. Si no sabes cuánto tarda hoy ese proceso, el experimento todavía no puede arrancar.
- Un responsable con nombre. De negocio, no de sistemas.
- Un criterio de cancelación escrito. Definido el primer día, cuando aún nadie está enamorado de su idea.
El día que arranca un experimento es el único momento en que la empresa puede decidir con honestidad cuándo pararlo.
El coste real no está en la factura
El presupuesto de un experimento pequeño suele ser lo más barato de todo el ejercicio.
Lo caro es la atención. La de la persona que mejor conoce el proceso y a la que pides dos horas semanales durante mes y medio. La del responsable de planta que tiene que validar si la propuesta del sistema tiene sentido operativo o es una tontería bien redactada.
Por eso diez experimentos simultáneos son casi siempre un error de ejecución, aunque el cálculo cuadre sobre el papel. Tres o cuatro en paralelo, con relevo cuando uno cierra, mantienen el ritmo sin vaciar la operación de la gente que la sostiene.
Y hay un coste todavía menos visible: el peaje del piloto eterno. Un experimento que no se cancela ni se despliega se queda funcionando a medias, consumiendo mantenimiento, generando dudas sobre datos que ya nadie audita y ocupando el hueco mental de «eso ya lo estamos haciendo». Bloquea durante meses el proceso que toca.
Cancelar rápido no es disciplina presupuestaria. Es una capacidad operativa que hay que construir.
Lo único que no debe multiplicarse es la base
Diez experimentos independientes no significan diez arquitecturas, diez proveedores y diez formas distintas de acceder al ERP.
Ahí sí conviene el proyecto único, aburrido y central: el acceso ordenado a los datos. Maestros de artículo y de cliente coherentes, histórico accesible, permisos claros, trazabilidad de qué sistema consulta qué. Sin eso, cada experimento gasta la mitad de su plazo peleándose con extracciones manuales y muere por agotamiento, no por falta de valor.
La cartera se diversifica arriba, en las hipótesis. Se concentra abajo, en la infraestructura.
Es la diferencia entre diez ensayos sobre el mismo banco de pruebas y diez talleres improvisados en el pasillo.
Lo que gana la empresa aunque falle
Una cartera bien gestionada produce algo que ningún proyecto único entrega: criterio interno.
Al cabo de un año, la empresa que ha lanzado diez experimentos sabe qué procesos suyos son automatizables y cuáles están demasiado rotos para intentarlo, qué datos tiene realmente frente a los que cree tener, qué personas de su plantilla saben trabajar con estos sistemas y qué proveedores cumplen cuando el alcance se complica.
La empresa que ha lanzado un único proyecto grande sabe si ese proyecto salió bien.
No es la misma posición de partida para los tres años siguientes.
Mi posición
Si diriges una empresa industrial y este año te toca decidir sobre inteligencia artificial, la decisión importante no es qué caso de uso eliges. Es qué formato de apuesta adoptas.
Un proyecto grande te obliga a acertar a la primera. Una cartera te permite equivocarte barato, varias veces, hasta encontrar el proceso donde la diferencia es de otro orden.
Reserva un presupuesto anual que puedas perder entero sin que tiemble la cuenta de resultados. Repártelo en apuestas pequeñas con fecha de caducidad. Exige a cada una una métrica anterior y un criterio de cancelación escrito. Y protege a quien te diga en la semana cinco que su experimento no funciona: esa persona acaba de ahorrarte seis meses.
El industrial que aprenda a gestionar incertidumbre en cartera adoptará IA mucho antes que el que siga esperando el caso de negocio perfecto. No porque acierte más. Porque descubre más rápido.
Preguntas frecuentes
¿Cuántos experimentos de IA debería lanzar una empresa industrial a la vez? Tres o cuatro en paralelo, con relevo cuando uno cierra. El límite no lo marca el presupuesto, lo marca la disponibilidad de las personas que conocen el proceso y tienen que validar los resultados.
¿Cómo se calcula el retorno de una cartera de experimentos de IA? No se calcula por experimento, se calcula por cartera. La pérdida máxima es la suma de los presupuestos comprometidos; el retorno lo aporta el pequeño número de apuestas que llega a despliegue y mejora un proceso de forma recurrente.
¿Qué se necesita antes de empezar a experimentar con IA? Acceso ordenado a los datos: maestros de artículo y cliente coherentes, histórico accesible, permisos claros y trazabilidad. Sin esa base, cada experimento consume su plazo en extracciones manuales.
¿Cuándo hay que cancelar un experimento de IA? Cuando se cumple el criterio de cancelación definido el primer día: la métrica no se mueve dentro del plazo fijado. Escribirlo antes de empezar evita que la decisión dependa del apego al proyecto.
En eComm360 trabajamos la capa que hace posible todo lo anterior: integración entre ERP y sistemas digitales, maestros ordenados y datos accesibles en empresas industriales, de distribución y de fabricación. Si estás preparando decisiones de IA para los próximos meses y no tienes claro si tu base de datos aguanta, hablemos.
