El 88% de los pilotos de IA no llega a producción en España

España lidera la adopción de IA generativa en Europa, con un 60,5% de empresas que ya la integra en su estrategia, pero solo un 17,3% consigue un retorno alto, y hasta un 88% de las pruebas de concepto no llega nunca a producción, según la segunda edición del informe “Data and AI Impact Report” de SAS e IDC (SAS/IDC, recogido por El Mundo El Salvador). En Evicron, estudio de IA y software a medida de Barcelona fundado en 2019 con más de 200 proyectos entregados en 12 sectores, vemos esta misma brecha en consultas reales: empresas que ya han probado IA, tienen un piloto que funciona en una demo, y no consiguen moverlo a un sistema que use todo el equipo cada día. La misma semana en que se conocía este dato, Anthropic anunciaba una inversión de 100 millones de dólares para formar a 10.000 ingenieros capaces de resolver justo ese problema. No es casualidad: el cuello de botella de la IA en la empresa ya no es el modelo, es lo que hay entre el modelo y el día a día del negocio.

Los números que preocupan a los directivos

El informe de SAS e IDC, elaborado a partir de encuestas a responsables de IA y datos en varios países, confirma que España no tiene un problema de adopción: la mayoría de las empresas ya usa o está probando IA generativa. El problema está en la siguiente fase. De cada diez pilotos que arrancan, menos de dos acaban generando un retorno medible, y casi nueve de cada diez ni siquiera llegan a convertirse en un sistema en producción. Las causas que señala el informe no son el modelo elegido ni su coste: son la falta de infraestructura adecuada, la ausencia de un rediseño real de los procesos de trabajo y una gobernanza de datos fragmentada entre departamentos.

Dónde se atasca realmente un proyecto de IA

En los proyectos que revisamos en Evicron, este atasco se repite en tres puntos muy concretos:

• El piloto se construye sobre datos limpios y curados a mano, y falla en cuanto se conecta a los datos reales de producción, dispersos entre varios sistemas y con formatos inconsistentes.
• Nadie rediseñó el proceso de trabajo alrededor de la IA: se añadió un chatbot o un agente a un flujo que seguía pensado para que lo ejecutara una persona, y el resultado es una capa más, no una mejora.
• No hay quién mantenga el sistema después de la demo: el piloto lo montó un equipo externo o una prueba interna puntual, y cuando hay que corregir un caso límite o escalar el volumen, no hay nadie con el conocimiento ni el mandato para hacerlo.

Ninguno de los tres es un problema técnico de inteligencia artificial. Son problemas de implementación, y por eso un modelo mejor no los resuelve.

La apuesta de Anthropic: pagar por el talento que falta

El 2 de octubre, Anthropic anunció la Claude Frontier Academy, un programa de 100 millones de dólares para formar a 10.000 “Frontier Deployed Engineers” antes de que acabe 2027 (Anthropic). Los primeros equipos en pasar por el programa pertenecen a consultoras y grandes empresas como Accenture, Bain, Capgemini, Deloitte, McKinsey o Morgan Stanley, que envían a sus ingenieros a una formación intensiva seguida de doce semanas liderando un caso de uso real de Claude dentro de su organización. La justificación que da la propia Anthropic es explícita: “las personas con las habilidades para hacer que la IA funcione dentro de un negocio real se han convertido en el talento más difícil de encontrar”. Dicho de otro modo: la empresa que mejores modelos construye del mundo está invirtiendo en formar personas, no en mejorar el modelo, para resolver el mismo problema que describe el informe de SAS e IDC.

Qué significa esto para una pyme española

Una pyme no va a enviar a nadie a la Claude Frontier Academy, pero el diagnóstico le aplica igual: contratar acceso a un buen modelo de IA —Claude, GPT o Gemini— es la parte fácil y ya está resuelta por cualquier proveedor. Lo que decide si un proyecto llega a producción es quién diseña la integración con tus sistemas, quién rediseña el proceso de trabajo alrededor de la IA y quién se queda manteniendo el sistema después de la primera demo. Eso es exactamente lo que ofrece una consultoría de IA para empresas cuando se hace bien: no vender acceso a un modelo, sino llevar un caso de uso concreto desde el piloto hasta que lo usa todo el equipo.

Qué hace que un proyecto de IA sí llegue a producción

Con base en lo que venimos observando en nuestros propios proyectos de IA aplicada, los que sí escalan comparten tres rasgos frente a los que se quedan en piloto:

1. Se validan contra datos reales desde la primera semana, no contra una muestra curada que esconde los casos límite que aparecerán en producción.
2. El proceso de trabajo se rediseña, no se decora: la IA cambia quién hace qué paso, no se limita a añadir un botón nuevo a un flujo que sigue siendo manual.
3. Hay un responsable interno claro desde el primer día, con acceso al código y a los datos, que no depende para siempre del proveedor que lo montó.

En nuestra consultoría de IA empezamos precisamente por ahí: antes de escribir una línea de código, identificamos si el caso de uso tiene los datos, el proceso y el responsable interno que necesita para sobrevivir a la fase de piloto. Si falta alguno de los tres, lo decimos antes de empezar, no después de facturar.

En resumen

España adopta IA más rápido que el resto de Europa, pero el informe de SAS e IDC confirma lo que Anthropic acaba de poner 100 millones de dólares sobre la mesa para arreglar: el problema no es qué modelo usas, es quién lleva ese modelo hasta tu operativa diaria y lo mantiene vivo. Antes de lanzar otro piloto, merece la pena preguntarse si tienes resueltos los datos, el proceso y el responsable que decidirán si llega a producción o se queda en una demo más.

¿Tienes un piloto de IA que no termina de arrancar en tu empresa? Escríbenos: la primera consultoría es gratuita y respondemos en menos de 24 horas.