Según las previsiones de Gartner, tu empresa abandonará alrededor de seis de cada diez proyectos de IA que apruebe este año, porque la firma estima que, hasta finales de 2026, las organizaciones renunciarán al 60% de los proyectos de IA que no estén sostenidos por datos listos para IA y por una infraestructura de integración adecuada.

El dato que lo acompaña es todavía más incómodo, ya que la última encuesta global de McKinsey sobre el estado de la IA muestra que, mientras casi nueve de cada diez organizaciones ya usan IA con regularidad, más del 80% no detecta ningún impacto medible en el EBIT a nivel de empresa. Hay muchos pilotos y muchas facturas, pero apenas nada que llegue a la cuenta de resultados.

Ante esa brecha, la reacción habitual del comité de dirección consiste en pedir más (más casos de uso, más modelos, más presupuesto para el siguiente proveedor que prometa magia), y ese es justamente el movimiento que agrava el problema en lugar de resolverlo.

La cifra que debería reordenar tu presupuesto

Un dato de Gartner publicado en abril de 2026 cambia por completo la conversación, porque las organizaciones que reportan iniciativas de IA exitosas invierten hasta cuatro veces más, medido como porcentaje de los ingresos, en lo que la firma llama "fundamentos": calidad del dato, gobierno, personas preparadas para la IA y gestión del cambio. Ese múltiplo no se destina a comprar más modelos, sino que se concentra en la base sobre la que esos modelos se apoyan.

El mismo estudio, realizado entre noviembre y diciembre de 2025 sobre 353 responsables de datos, analítica e IA, deja otra cifra que conviene leer dos veces, ya que solo el 39% de los responsables tecnológicos confía en que la inversión actual de su empresa en IA tendrá un impacto positivo en el desempeño financiero. Dicho de otro modo, seis de cada diez ya dudan desde dentro de la propia casa.

El motivo es que el dinero tiende a irse hacia arriba, hacia la capa fina y visible donde viven las licencias de modelos, los copilotos y el piloto vistoso que se enseña en el consejo, mientras que la capa que de verdad decide si algo de eso devuelve dinero queda debajo, ancha y poco glamurosa, y suele acabar desfinanciada.

Por qué esto es una decisión de gobierno, no de tecnología

La reclasificación que importa empieza aquí, porque cuando un proyecto de IA fracasa el comité tiende a archivarlo como un problema técnico (el modelo no era lo bastante bueno, el proveedor no cumplió, faltó talento de ingeniería) cuando la causa real casi nunca está en ese terreno.

Gartner lo midió en una encuesta a 248 responsables de gestión de datos, donde el 63% de las organizaciones reconocía que no tenía, o que no sabía si tenía, las prácticas de gestión de datos adecuadas para IA. El proyecto rara vez se cae por el modelo, sino porque nadie definió, gobernó ni hizo accesible el dato que lo alimenta y porque nadie con autoridad de negocio se hizo dueño del resultado.

Esto convierte el asunto en una cuestión de comité de dirección y, cuando hay exposición regulatoria o de capital, también de consejo, ya que decidir quién es dueño del dato, qué se mide y quién puede parar un proyecto y con qué criterio no es algo que resuelva un proveedor, sino la gobernanza que tú establezcas antes de firmar.

"Si el modelo es lo único que tu empresa está dispuesta a financiar, ya sabes por qué seis de cada diez proyectos no llegan a la cuenta de resultados."

La buena noticia es que todo esto se puede accionar sin un presupuesto de hiperescalador, porque no hace falta un modelo propio ni un centro de datos, sino un filtro de decisión y la disciplina de aplicarlo en cada aprobación.

El filtro: seis preguntas antes de aprobar un euro

Lo que sigue es algo que un CEO o un CFO puede llevar al próximo comité y convertir en criterio de aprobación, de modo que ningún proyecto de IA reciba financiación hasta que el patrocinador haya respondido por escrito a estas seis preguntas, y que cualquier proyecto que falle una de ellas se reformule o se descarte en lugar de aprobarse.

1. ¿Hay un dueño de negocio con P&L, no de TI? Cuando el patrocinador es el CIO o un responsable de innovación sin cuenta de resultados, el proyecto nace huérfano, porque el dueño debería ser quien gana o pierde dinero con el proceso afectado y quien lo firma con su nombre asumiendo la consecuencia.

2. ¿Los datos que alimentan esto están listos, o lo estamos asumiendo? Que estén "listos" significa que están definidos, gobernados, accesibles y con calidad medida, y no simplemente que "los tenemos en algún sitio", de manera que si la respuesta honesta es "asumimos que sí", el primer entregable del proyecto pasa a ser preparar el dato antes incluso de tocar el modelo.

3. ¿Está atado a una métrica de negocio con línea base medida hoy? Sirve cualquier magnitud que el negocio entienda (ingresos, coste unitario, ciclo de caja o tiempo de proceso), pero si no puedes decir el número de partida de esta semana, tampoco podrás demostrar el retorno dentro de un año y el proyecto acabará viviendo de la sensación de que "parece que va bien".

4. ¿Quién puede matar este proyecto, cuándo y con qué criterio? Hace falta un nombre concreto, una fecha de revisión concreta (90 días es razonable para el primer punto de control) y un umbral concreto por debajo del cual se cancela sin debate, porque mientras no haya alguien con esa autoridad designada todo piloto tiende a volverse eterno.

5. ¿Hemos presupuestado la capa base al menos al nivel del modelo? Aquí entran datos, gobierno y gestión del cambio, y si el 90% del presupuesto se va a licencias y consultoría de modelo mientras solo un 10% sostiene la base, has comprado un coche de carreras para un camino sin asfaltar, justo al revés de lo que sugiere el dato de Gartner cuando muestra que los que ganan inclinan la balanza hacia los fundamentos.

6. ¿Pasa el filtro regulatorio europeo? El Reglamento Europeo de IA aplica sus obligaciones para sistemas de alto riesgo a partir del 2 de agosto de 2026, con cierta incertidumbre sobre un posible aplazamiento parcial vía el paquete "Digital Omnibus" que un comité prudente no debería dar por hecho, y dado que las sanciones llegan hasta 35 millones de euros o el 7% de la facturación mundial, conviene clasificar el caso de uso antes de construirlo y no después de haberlo desplegado.

Son seis preguntas que ocupan apenas un cuarto de hora de comité, y el coste de no formularlas es precisamente ese 60% de proyectos abandonados del que hablaba Gartner.

Qué hacer con los pilotos que ya tienes en vuelo

Casi todas las empresas medianas arrastran ya una cartera de pilotos que nadie aprobó con un filtro así, y no hace falta auditarlos durante un trimestre para ordenarla: basta con pasarles las preguntas 2 y 4, que son las que revelan la verdad más deprisa.

La pregunta 2 te dirá cuáles están construidos sobre arena, mientras que la pregunta 4 te señalará cuáles llevan meses sin que nadie tenga autoridad para pararlos, y la intersección de ambos grupos forma tu lista de cancelación inmediata, casi siempre más larga de lo que el equipo querría admitir.

Liberar ese presupuesto funciona como una reasignación, no como una poda contable: mueves dinero de la capa que no devuelve nada hacia la capa que decide si algo lo hará. Ese reequilibrio es justo lo que separa al 39% que confía del 60% que abandona.

El filtro aplicado: un caso de quince minutos

Conviene verlo sobre un caso concreto, así que imagina la propuesta más típica que llega hoy a un comité de dirección: un copiloto de atención al cliente que "reducirá el tiempo de respuesta y descargará al equipo de soporte". Suena razonable sobre el papel, pero el filtro lo somete a tres pruebas que cambian la conversación.

Dueño. El patrocinador es el responsable de innovación, que no tiene el P&L de atención al cliente, de modo que la propuesta falla la primera pregunta antes siquiera de arrancar. La salida no consiste en matar la idea, sino en exigir que el director de operaciones de cliente la cofirme y asuma el resultado como condición para que avance.

Dato. El copiloto necesita el histórico de tickets, la base de conocimiento y los datos de producto, y como nadie en la sala puede afirmar que esas tres fuentes estén definidas, limpias y accesibles, la señal es clara: el primer entregable deja de ser el copiloto y pasa a ser preparar esas fuentes, con presupuesto propio y fecha asignada.

Métrica y verdugo. "Reducir el tiempo de respuesta" no constituye una línea base mientras nadie pueda decir cuál es el tiempo medio de esta semana, en minutos y por canal, porque sin ese punto de partida no habrá forma de demostrar retorno. Y queda la pregunta que más incomoda: si a los 90 días el tiempo no ha bajado del umbral acordado, ¿quién firma la cancelación? Cuando la respuesta es "ya veremos", el proyecto entra de cabeza en el purgatorio.

En apenas un cuarto de hora, el comité ha transformado una propuesta vaga en tres decisiones concretas (un cofirmante con P&L, un primer hito de datos presupuestado y un criterio de cancelación con fecha), ninguna de las cuales podía tomar el proveedor y todas las cuales mueven la probabilidad de que el dinero vuelva.

Quién tiene que firmar esto

El filtro pierde todo su valor si lo aplica el mismo departamento que pide el presupuesto, por lo que tiene que sostenerlo alguien con autoridad transversal, ya sea el CEO, el CFO o el propio consejo cuando la exposición regulatoria o de capital lo justifique. La razón es sencilla, porque las preguntas 1, 4 y 5 obligan a decir que no a proyectos que tienen padrinos internos, y nadie dice que no a su propio jefe con la facilidad con que lo haría un tercero.

Cuando una empresa ya ha quemado un presupuesto de IA sin retorno, el problema rara vez estuvo en el modelo, sino en que nadie en la mesa de estrategia puso un filtro antes de firmar el cheque, y esa conversación, la de dónde se decide de verdad la asignación de capital de IA y quién tiene autoridad para frenarla, es precisamente donde trabajamos: ver nuestros programas.

La próxima vez que llegue una propuesta de IA al comité, en lugar de preguntar qué modelo usa, conviene preguntar quién es el dueño, si el dato está listo, qué métrica mueve y quién puede pararla, porque si esas respuestas no existen, el cheque tampoco debería existir.