IA Si o IA NO
Margen Oculto · septiembre 2026
IA SI o IA NO
Por qué la urgencia por implantar IA puede ser el error más caro que cometa tu empresa — y cómo saber si estás preparado antes de invertir.
Margen Oculto · 20 min de lectura
Hace unas semanas me llamó el director general de una empresa de retail en pleno crecimiento. Varias tiendas. Negocio B2C y B2B. Cada vez más complejidad operativa.
Y una preocupación que no le dejaba dormir.
"Seguro que mis competidores ya están usando IA. Como no hagamos algo, nos van a comer."
Quería empezar esa misma semana. Presupuesto disponible. Decisión tomada. Solo necesitaba que alguien le dijera cómo.
Antes de hablar de IA, le hice unas preguntas. Y lo que encontramos cambió completamente la conversación.
Lo que encontramos cuando miramos debajo.
Su respuesta inicial fue la habitual. "Claro que tenemos KPIs. El ERP y el CRM nos dan unos gráficos estupendos. Y Excel lo usamos como todo el mundo."
Pero cuando empezamos a analizar la situación real, apareció otra imagen.
Por qué la IA habría sido un error en ese momento.
Hay una distinción que muy pocas empresas hacen cuando piensan en IA — y que es fundamental para no malgastar la inversión.
| IA para automatizar tareas | IA para mejorar decisiones |
|---|---|
| Resumir documentos | Decidir dónde abrir la próxima tienda |
| Redactar correos | Optimizar el mix de productos por zona |
| Extraer datos de PDFs | Predecir qué clientes tienen riesgo de fuga |
| Clasificar incidencias | Identificar qué factores explican la rentabilidad |
| Necesita información acotada y limpia | Necesita datos completos, unificados y fiables |
| Funciona bien aunque la base no sea perfecta | Falla o engaña si la base tiene problemas |
La distinción importa porque el riesgo es completamente distinto en cada caso.
Si la IA resume mal un documento, lo detectas inmediatamente. Si la IA te da una recomendación de inversión incorrecta basada en datos fragmentados, puede que lo detectes meses después — cuando ya has tomado la decisión.
La IA no distingue entre un dato correcto y uno incorrecto. Lo procesa todo con la misma seguridad. Si la información que le das está fragmentada, mal definida o es inconsistente, meter IA no elimina el problema. Puede conseguir que tomes decisiones equivocadas mucho más rápido.
El mito de la urgencia competitiva.
"Mis competidores ya están usando IA. Si no hacemos algo, nos van a comer."
Esta es la frase que más escucho en este momento. Y entiendo de dónde viene — hay una presión real por no quedarse atrás en la adopción tecnológica.
Pero hay algo que casi nadie está midiendo: cuántas de esas empresas que "ya están usando IA" están realmente obteniendo valor de ella — y cuántas simplemente han comprado una herramienta que usan para automatizar tareas que antes hacían manualmente.
La urgencia competitiva real no es meter IA antes que el competidor. Es asegurarte de que cuando la metes, funciona — y genera el retorno que justifica la inversión.
Un competidor que mete IA sobre datos malos no tiene ventaja competitiva. Tiene un sistema que toma decisiones incorrectas con más velocidad.
Cómo evaluar si tu empresa está preparada para IA.
Antes de hablar de qué herramienta de IA usar, hay preguntas previas que responder. Estas son las que hago en cada diagnóstico.
El plan que le propuse. Las dos velocidades.
No se trataba de frenar la IA. Se trataba de ser inteligente sobre cuándo y dónde usarla.
Le propuse trabajar en dos velocidades en paralelo.
Velocidad 1: Construir los cimientos (medio plazo).
Unificar la información de todas las tiendas bajo un estándar común. Separar correctamente el análisis B2B del B2C. Y transformar los KPIs descriptivos en indicadores que expliquen causas — no solo resultados.
El objetivo era conseguir que, cuando la empresa quisiera abrir una nueva tienda, pudiera responder con datos: ¿por qué funcionan las tiendas que funcionan bien? ¿Qué tienen en común? ¿Qué debería buscar en una nueva ubicación para maximizar las probabilidades de éxito?
Eso no se consigue con IA sobre datos fragmentados. Se consigue con datos bien organizados — con o sin IA.
Velocidad 2: Un primer caso de IA inmediato y controlado.
Para que el CEO tuviera un primer resultado visible mientras se construían los cimientos, identificamos un caso de IA que podía implementarse de forma inmediata sin depender de la unificación de datos.
Los precios de los proveedores estaban alojados en una carpeta y estaban en Excel y PDF. Información acotada, limpia y bien definida. Perfecta para un primer caso de IA: volcamos toda esa información en un sistema centralizado que se actualizaba automáticamente y era fácil de consultar.
El equipo de compras dejó de buscar precios en correos y archivos dispersos. El tiempo de respuesta en negociaciones bajó significativamente. Y el CEO tenía su primer caso de IA real — con un retorno visible y medible.
Esta es la lógica de las dos velocidades: un caso de IA inmediato sobre información controlada genera confianza y valor visible. Mientras tanto, se construyen los cimientos que permitirán casos de IA de mayor impacto en el futuro.
No es "IA sí" o "IA no". Es "IA aquí ahora, y IA allá cuando esté preparado".
Qué casos de IA tienen sentido sin datos perfectos — y cuáles no.
Una de las preguntas más frecuentes que recibo es: "¿Puedo empezar con IA aunque mis datos no estén perfectos?" La respuesta es sí — pero depende del caso.
El coste real de meter IA antes de tiempo.
Hay una forma de calcular si la urgencia por meter IA está justificada o no. Se llama coste de oportunidad de la decisión incorrecta.
Si la IA va a ayudarte a tomar decisiones de inversión — abrir tiendas, lanzar productos, entrar en nuevos mercados — el coste de una decisión incorrecta puede ser enorme. Y ese coste aumenta si la decisión se toma más rápido sobre una base de datos poco fiable.
Lo que hizo que el CEO cambiara de opinión.
Al principio, el plan no le convenció. Quería resultados inmediatos. No quería esperar meses para tener la base organizada.
Lo que cambió la conversación fue cuantificar el riesgo.
Le hice una pregunta concreta: si la IA te recomienda abrir una tienda en una ubicación determinada basándose en los datos que tienes hoy, ¿confiarías en esa recomendación para tomar una decisión de inversión de X euros?
La respuesta fue no.
Y ahí estaba la respuesta a si estaban preparados para IA.
La urgencia competitiva es real. Pero la urgencia por meter IA sin estar preparado no protege de los competidores — los regala ventaja.
Cuando el CEO vio el plan completo, lo entendió. Supo que tenía sentido. Y agradeció que alguien le dijera los pasos previos antes de lanzarse.
Entendió que la IA se puede meter en información controlada. Si algo no está controlado, la IA es un riesgo. El primer paso siempre es el mismo: controlar la información. Luego ya crecemos.
Cómo saber por dónde empezar en tu empresa.
Si reconoces en tu empresa alguno de los síntomas que aparecieron en este caso — datos fragmentados, KPIs solo descriptivos, información B2B y B2C mezclada, Excel como fuente de verdad — el proceso es siempre el mismo.
Diagnóstico de situación actual.
Entender qué información existe, dónde está, qué calidad tiene y qué falta. No para hacer un informe — para saber exactamente qué hay que resolver antes de poder usar IA de forma fiable. Este paso suele revelar problemas que nadie había identificado y oportunidades de mejora que tienen impacto inmediato en el negocio.
Identificar los casos de IA con mayor potencial.
No todos los casos de IA tienen el mismo impacto ni requieren el mismo nivel de preparación. El segundo paso es mapear qué casos pueden implementarse ahora con los datos disponibles y cuáles requieren trabajo previo. Así se puede tener resultados visibles a corto plazo mientras se construye la base para los casos de mayor impacto.
Construir los cimientos de datos.
Unificar fuentes, corregir inconsistencias, definir estándares. Este trabajo no es glamuroso — pero es el que determina si la IA va a generar valor real o va a ser una inversión que no tiene retorno. Y tiene un efecto secundario muy valioso: aunque no se use IA, los datos mejor organizados mejoran por sí solos la capacidad de negocio para tomar decisiones.
Implementar IA donde tiene sentido, cuando tiene sentido.
Con la base construida y los casos identificados, la implementación de IA tiene un objetivo claro, una métrica de éxito definida y una base de datos que le permite funcionar correctamente. El riesgo de alucinaciones se reduce. El retorno es predecible. Y la confianza en el sistema se construye sobre resultados reales, no sobre expectativas.
Si la respuesta no es inmediata, probablemente hay trabajo previo que hacer.
Y ese trabajo previo, bien hecho, ya genera valor por sí solo — con o sin IA.
Comentarios
Publicar un comentario