Qué preguntar antes de aprobar un presupuesto de IA
La mayoría de los presupuestos de IA se aprueba sin línea base, sin responsable y sin precio de salida. Seis preguntas separan un piloto con decisión asociada de una compra que nadie podrá evaluar.
Contenido
Antes de aprobar gasto en IA conviene preguntar seis cosas. Qué proceso sustituye, cuánto cuesta hoy ese proceso y si es un piloto o una compra. Quién responde cuando el resultado está mal, cuánto cuesta salir y cómo se medirá. La mayoría de los presupuestos fallidos falla en la segunda.
Puntos clave
- La adopción es casi universal y el impacto financiero no. La encuesta de McKinsey de 2025 encontró un 88 % de organizaciones usando IA en al menos una función y solo un 39 % que le atribuye algún impacto en EBIT.
- Gartner predijo en julio de 2024 que al menos el 30 % de los proyectos de IA generativa se abandonaría tras la prueba de concepto antes de terminar 2025.
- El estudio de MIT NANDA de 2025 informó de que alrededor del 95 % de las organizaciones no obtenía retorno medible, sobre 52 entrevistas y 153 respuestas de encuesta.
- En ese mismo estudio, comprar superó a construir: los despliegues de origen externo llegaron a producción aproximadamente el doble de veces que los desarrollos internos.
- Los costes unitarios caen deprisa. El AI Index de Stanford registró una caída de más de 280 veces en el coste de inferencia de un sistema tipo GPT-3.5 entre 2022 y 2024.
Qué proceso sustituye
Toda propuesta de IA describe una capacidad. Muy pocas nombran el proceso que deja de hacerse. Ahí es donde mueren los presupuestos, porque una capacidad sin proceso desplazado se suma a la base de coste en lugar de sustituirla.
La pregunta tiene una forma estricta. Nombra el proceso, el equipo que lo ejecuta, el volumen mensual que atiende y la parte que el sistema va a absorber. Si la respuesta es que “ayudará al equipo a ser más productivo”, la propuesta no está lista para decidirse. La ayuda no es una unidad de cuenta.
Dentro de la misma pregunta hay un segundo fallo. Un proceso absorbido pero no retirado sigue costando lo que costaba. Aprobar el gasto implica comprometerse con el cambio operativo posterior.
Cuál es la línea base y quién la midió
La línea base es el coste, el tiempo de ciclo y la tasa de error actuales del proceso que se va a sustituir, medidos antes de comprar nada. Sin ella, el piloto no se puede evaluar. Con ella, la mayoría de los pilotos se aprueban o se rechazan por números.
Las líneas base son impopulares porque son lentas y a veces dejan en mal lugar a quien patrocina. También son la única defensa frente al patrón que repite la evidencia publicada. La encuesta global de McKinsey de 2025 recogió 1.993 respuestas en 105 países. Encontró un 88 % de organizaciones que usa IA con regularidad en al menos una función y un 39 % que le atribuye algún impacto en EBIT.
La encuesta State of AI de McKinsey de 2025 encontró un 88 % de organizaciones usando IA en al menos una función de negocio. Solo un 39 % le atribuye algún impacto en EBIT a nivel de empresa (McKinsey, 5 de noviembre de 2025, n = 1.993).
Adopción e impacto se han desacoplado. Las organizaciones capaces de distinguirlos son las que anotaron lo que costaba el proceso antes de cambiarlo. Si quien patrocina no puede producir una línea base en dos semanas, hoy nadie responde de ese proceso, y ese es el problema a resolver primero.
¿Es un piloto o una compra?
Un piloto tiene presupuesto cerrado, fecha de fin, umbral de éxito acordado y una decisión con nombre al final. Una compra tiene contrato, renovación y responsable. El problema empieza cuando una compra se presenta como piloto: uno que no puede fracasar es una compra disfrazada.
Gartner predijo en julio de 2024 que al menos el 30 % de los proyectos de IA generativa se abandonaría tras la prueba de concepto antes de que acabara 2025. Señalaba mala calidad de datos, controles de riesgo insuficientes, costes crecientes y valor de negocio poco claro. La misma nota situaba los despliegues entre 5.000.000 y 20.000.000 USD según alcance.
En julio de 2024, Gartner predijo que al menos el 30 % de los proyectos de IA generativa se abandonaría tras la prueba de concepto antes de terminar 2025. Las causas citadas: mala calidad de datos, controles de riesgo insuficientes y costes crecientes (Gartner, 29 de julio de 2024).
El abandono no es el fallo. El fallo es abandonar sin decisión escrita. Un piloto que termina con un “hemos aprendido mucho” gasta lo mismo que uno que termina con un no documentado, y no deja memoria.
Quién responde cuando el resultado está mal
Todo sistema de IA tiene un modo de fallo, y alguien debe responder de él antes de que la primera salida llegue a un cliente. La pregunta no es quién lo construyó, sino quién responde de la factura equivocada o del registro cambiado por error.
Esa responsabilidad corresponde al dueño del proceso, no al proveedor ni a IT. Se escribe en la aprobación: persona con nombre, alcance de autoridad definido y camino de reversión documentado. En cuanto se permite que un sistema escriba en un CRM sin esa estructura, el modo de fallo pasa a ser de todos y de nadie.
Los efectos de sistema también cuentan. La investigación de DORA de 2024 asoció un aumento del 25 % en adopción de IA con mejor documentación y calidad de código. El mismo aumento trajo una caída del 1,5 % en throughput y del 7,2 % en estabilidad de la entrega. Salida individual y fiabilidad del sistema se mueven por separado.
La exposición regulatoria va en el mismo párrafo. Para lo que toque categorías de alto riesgo en la UE, las fechas ya están fijadas en el calendario del Reglamento de IA. Planificar el cumplimiento sale más barato que reinstalarlo después.
Cuánto cuesta salir
El coste de salida es la cifra menos discutida de una aprobación de IA y a menudo la mayor. Tiene cuatro partes. Los datos que no puedes llevarte, las integraciones que habría que rehacer, la reformación de quienes se adaptaron a la herramienta y el conocimiento de proceso que dejó de documentarse.
Conviene pedir el coste de salida como cifra y plazo, en el mismo documento que el precio. Un proveedor que no puede responder ya ha dicho algo útil. Un patrocinador que no lo ha preguntado no está listo para firmar.
La caída de los costes unitarios agudiza el punto. El AI Index de Stanford informó de que el coste de inferencia de un sistema con el rendimiento de GPT-3.5 cayó más de 280 veces entre noviembre de 2022 y octubre de 2024. Cualquier cosa fijada sobre la economía de cómputo de hoy parecerá cara dentro de un año. Eso aconseja plazos cortos y datos portables antes que compromisos plurianuales.
El AI Index de Stanford de 2025 registró una caída de más de 280 veces en el coste de inferencia de un sistema equivalente a GPT-3.5. El intervalo va de noviembre de 2022 a octubre de 2024 (Stanford HAI, 7 de abril de 2025).
Construir, comprar o envolver
La discusión entre construir y comprar suele plantearse en términos de control y coste. La evidencia publicada apunta a algo menos halagador: la capacidad de terminar. El estudio de MIT NANDA de 2025 informó de que los despliegues de origen externo llegaron a producción alrededor del 67 % de las veces. Los desarrollos internos se quedaron cerca del 33 %.
Ese estudio conviene leerlo con el método a la vista. Se apoya en 52 entrevistas, 153 respuestas de directivos y el análisis de más de 300 iniciativas públicas. Sitúa en torno al 95 % las organizaciones sin retorno medible sobre una inversión estimada entre 30.000 y 40.000 millones USD. La muestra es pequeña para el tamaño de la afirmación, aunque la dirección coincide con las encuestas grandes.
El informe de MIT NANDA de 2025 encontró que alrededor del 95 % de las organizaciones encuestadas no había obtenido retorno medible de la IA generativa. Los despliegues de origen externo tuvieron éxito cerca del doble de veces que los internos (MIT NANDA, julio de 2025).
La conclusión práctica no es “comprar siempre”. Es reservar el desarrollo interno para los pocos casos en que el proceso es realmente propietario. El resto se compra o se envuelve, la misma decisión de construir, comprar o envolver aplicada con una idea honesta de la capacidad de entrega. La calidad de recuperación, la evaluación y el coste de operación deciden si la versión envuelta aguanta, y eso son asuntos de producción y no de demo.
Las seis preguntas en una sola página
Una hoja de aprobación que cabe en una página gana a un caso de negocio que nadie relee. Lleva seis líneas y una firma.
Qué proceso sustituye, con volumen y responsable. Cuánto cuesta hoy ese proceso, con la fecha en que se midió la línea base. Si es piloto o compra, con fecha de fin y umbral de éxito. Quién responde cuando el resultado está mal. Cuánto cuesta salir, en dinero y en semanas. Cómo se reportará el resultado, a quién y con qué frecuencia.
Dos de esas líneas suelen quedar en blanco a la primera. Esa es la parte útil del ejercicio. Una línea en blanco es una pregunta sin responder, y encontrarla antes de mover el dinero vale más que la propia aprobación. La misma disciplina se aplica a cómo un departamento organiza su modelo de entrega: las decisiones son baratas de registrar y caras de reconstruir.
Preguntas frecuentes
¿Cuál es la causa más común de que falle un presupuesto de IA?
La ausencia de línea base. Sin coste, tiempo de ciclo y tasa de error medidos del proceso que se sustituye, después no se puede evaluar nada. La encuesta de McKinsey de 2025 encontró un 88 % de organizaciones usando IA y solo un 39 % con impacto en EBIT.
¿Cómo se distingue un piloto de una compra?
Un piloto tiene presupuesto cerrado, fecha de fin, umbral de éxito acordado antes y una persona que decide al final. Una compra tiene contrato, renovación y responsable. Si una propuesta llamada piloto no tiene forma definida de fracasar, es una compra y debería aprobarse como tal.
¿Conviene construir el sistema de IA o comprarlo?
Comprar o envolver, salvo que el proceso sea realmente propietario. El estudio de MIT NANDA de 2025 informó de que los despliegues de origen externo llegaron a producción cerca del doble de veces que los internos. La capacidad interna sigue importando para evaluar e integrar.
¿Qué debe incluir el coste de salida?
Cuatro elementos: datos que no se pueden exportar, integraciones que habría que rehacer, reformación de quienes se adaptaron a la herramienta y conocimiento de proceso que dejó de documentarse. Conviene pedirlo como cifra y plazo en el mismo documento que el precio. El proveedor que no sabe responder ya ha respondido.
¿Usar IA mejora por sí solo el rendimiento de la entrega?
No. La investigación de DORA de 2024 asoció un aumento del 25 % en adopción de IA con mejor documentación y calidad de código. También encontró una caída del 1,5 % en throughput y del 7,2 % en estabilidad. Productividad individual y fiabilidad del sistema son variables distintas.
¿Quién debería responder de un sistema de IA dentro de la empresa?
El dueño del proceso que cambia, ni IT ni el proveedor. Responder significa tener autoridad para detener el sistema, un camino de reversión documentado y responsabilidad sobre las salidas. Cuando el sistema escribe en registros de producción, esa responsabilidad se nombra en la aprobación y no después.
Conviene tomar las seis preguntas en orden y no pasar de la línea base hasta que alguien la produzca. Los pilotos se aprueban con fecha de fin y umbral, y los plazos se mantienen cortos mientras los costes unitarios sigan bajando. Dentro de seis meses se verá si las organizaciones que declaran impacto en EBIT se diferencian por tecnología o solo por disciplina de medición. La evidencia actual apunta a lo segundo, el problema más barato de resolver.
