IA a medida para tu PYME: ¿palanca de verdad o mentira?

Cada semana me hacen la misma pregunta: "¿esto de la IA es palanca de verdad o es la última moda?". Las dos respuestas más repetidas en internet no sirven de nada. La agencia que te escribe por LinkedIn te dice que sí, siempre, sea cual sea tu negocio. Tu cuñado escéptico te dice que no, siempre, sea cual sea el caso de uso. Ninguno de los dos ha mirado un dato.

Según McKinsey, con una muestra de 1.993 empresas en 105 países, el 88% ya usa inteligencia artificial en alguna función. Y solo el 5,5% reporta un retorno financiero real. Las dos cifras son ciertas a la vez. La pregunta que de verdad importa no es "¿funciona la IA?", es "¿en qué condiciones funciona, y en cuáles es dinero tirado?".

Este artículo responde con 19 fuentes verificadas contra su origen primario, no con la moto que te intenta vender la última agencia que te ha escrito por LinkedIn.

Lo que dice la ciencia dura (y lo que no dice)

Empecemos por lo sólido. Dos estudios revisados por pares, no encuestas de opinión, midieron el efecto causal de la IA generativa en el trabajo real. Brynjolfsson, Li y Raymond siguieron a 5.179 agentes de soporte al cliente y publicaron en el Quarterly Journal of Economics (2025): +14% de productividad de media, y +34% en los trabajadores con menos experiencia. Noy y Zhang hicieron un ensayo aleatorizado con 453 profesionales, publicado en Science (2023): -40% de tiempo y +18% de calidad en tareas de redacción.

Esto es evidencia real. Pero fíjate en el matiz que casi nadie cuenta: ningún estudio de este rigor se ha hecho en una PYME española de 50 a 200.000 euros de facturación. Toda la evidencia dura sale de grandes empresas o de profesionales en tareas muy concretas y acotadas, como responder tickets o redactar textos. Extrapolar directamente esas cifras a tu negocio, sin haberlo medido tú mismo, es la parte que sí es humo. Nadie ha hecho todavía el estudio serio sobre lo que la IA ahorra de verdad en una empresa de tu tamaño, y cualquiera que te dé una cifra concreta sin haberla medido en tu operativa se la está inventando.

Por qué la mayoría de proyectos de IA no recupera lo invertido

Aquí está el dato incómodo que toda agencia que te vende un proyecto "a medida" prefiere no mencionar: según McKinsey, con una muestra de 1.993 empresas en 105 países, solo el 5,5% reporta un retorno financiero real de su inversión en IA. RAND Corporation, tras entrevistar a 65 profesionales con más de cinco años de experiencia en proyectos de datos, encontró que más del 80% de los proyectos de IA fracasan, el doble que los proyectos informáticos que no incluyen IA. Gartner, por su parte, predice que más del 40% de los proyectos de IA agéntica se cancelarán antes de 2027 por coste desbocado y un valor de negocio que nunca queda claro.

Circula también un dato más citado que ninguno: que el 95% de los pilotos de IA generativa en empresas no genera impacto medible en la cuenta de resultados (informe MIT NANDA, 2025). Es real, pero conviene usarlo con matices: se basa en 150 entrevistas y 350 encuestados, sin grupo de control ni diseño causal. Es una señal de mercado potente, no una prueba científica. Ni sirve para vender la IA como panacea, ni para descartarla como humo total.

Ese mismo informe deja un dato mucho más útil y menos citado: comprar una herramienta especializada a un proveedor tiene éxito el 67% de las veces, frente al 33% de construir un sistema a medida desde cero. La lectura correcta no es "nunca hagas nada a medida". Es que el desarrollo a medida solo se justifica cuando el proceso ya está claro y hay alguien que se compromete a mantenerlo. El resto es deuda técnica con fecha de caducidad que nadie ha presupuestado.

El framework: el dueño de la excepción

Cruzando los datos con lo que vemos en implantaciones reales, aparece un patrón que se repite siempre. La herramienta de IA no se rompe en la demo, con datos limpios y un caso perfecto. Se rompe en la primera excepción: un cliente que escribe mal, una factura con un formato raro, un caso que el sistema no sabe resolver. Si nadie ha decidido de antemano quién es el dueño de esa excepción, el equipo entero vuelve al Excel en 48 horas.

Por eso el filtro que separa la palanca real del humo no es la tecnología, es esta pregunta: ¿quién decide qué pasa cuando el sistema no sabe qué hacer? Si tienes una respuesta concreta antes de encender nada, tienes palanca. Si no la tienes, tienes un proyecto piloto más camino del cementerio del 95%.

Esto no es teoría de gestión. Es la explicación de por qué el dato de Brynjolfsson (+34% en los trabajadores menos experimentados) y el dato de RAND (80% de proyectos fracasados) son compatibles. La IA rinde más cuando ayuda a alguien que sabe menos a acertar en el caso normal. Pero el caso normal es precisamente el que no necesita que nadie decida nada. El proyecto entero se juega en el 10-20% de casos raros que quedan fuera del patrón, y ahí es donde la mayoría de implantaciones no ha pensado en nadie.

Casos por sector

Asesoría fiscal. Automatizar las consultas repetidas de clientes (plazos, documentación, dudas frecuentes) con un responsable claro para los casos que el bot no resuelve. Reduce llamadas, no elimina al asesor de las decisiones que importan.

Inmobiliaria. Triaje automático de leads entrantes con criterios objetivos (presupuesto, zona, urgencia), pero con un agente humano que decide sobre cualquier caso fuera de patrón, como una operación compleja o un cliente institucional.

Clínica o consulta. Recordatorios de citas y gestión de agenda automatizados, con protocolo claro de quién atiende una incidencia médica que el sistema no puede ni debe resolver solo.

Comercio con proveedores. Análisis de histórico de precios y demanda para preparar negociaciones con datos objetivos, dejando la decisión final y cualquier excepción de suministro en manos de quien conoce la relación con el proveedor.

El patrón se repite: la IA prepara el terreno y ejecuta lo repetitivo. La persona sigue al mando de la excepción.

Quién gana con el relato de "toda pyme necesita IA ya"

Siguiendo el dinero se entiende mejor por qué el discurso está tan inflado. Nvidia cerró su año fiscal 2026 con 197.300 millones de dólares en su división de datacenter, un 71% más que el año anterior, según su propio informe a la SEC. Las agencias de implantación cobran por proyecto cerrado, muchas veces con anticipo, con independencia de si el cliente recupera la inversión. Y en España, el programa Kit Digital (3.067 millones de euros de presupuesto, más de 860.000 ayudas concedidas) subvenciona la compra de la herramienta, no que la uses de verdad: Hacienda ya investiga varios casos de fraude asociados al programa.

Nadie en esa cadena cobra por tu resultado. Eso no invalida la tecnología, invalida el discurso de que toda PYME necesita un proyecto de IA ya mismo, venga de quien venga. Antes de firmar nada, pregunta a quien te lo vende cómo cobra si el proyecto no rinde. Si la respuesta es "igual", sus incentivos no son los tuyos.

La subvención tampoco es un filtro de calidad. El Kit Digital paga por implantar la herramienta, no por que la sigas usando a los seis meses. Eso significa que el mercado está lleno de proveedores cuyo negocio termina el día que firmas, no el día que empiezas a ahorrar de verdad. El dinero público reduce el riesgo de probar, pero no sustituye tu criterio a la hora de elegir con quién trabajas.

Cómo empezar sin quemar el presupuesto

1. Elige un proceso doloroso y medible, no "la operativa" en abstracto. Si no puedes poner una cifra de antes y después, no lo automatices todavía.
2. Nombra al dueño de la excepción antes de encender nada. Decide quién resuelve el caso raro cuando el sistema no sabe.
3. Empieza comprando herramienta probada, no construyendo a medida desde cero. El 67% de éxito frente al 33% no es casualidad.
4. Exige que el proveedor cobre por hitos ligados a resultado, no solo por instalación.
5. Mide durante 60 días antes de ampliar a un segundo proceso. Si no puedes medirlo, no sabes si tienes palanca o humo.

Conclusión

La IA no falla casi nunca por la IA. Falla por todo lo que la rodea: un proceso mal elegido, nadie a cargo de la excepción, y una cadena de proveedores que cobra por el enchufe y no por el resultado. Con un proceso concreto, medible y un dueño claro de la excepción, la IA es una palanca real. Sin eso, es la última moda de una lista que ya incluyó el CRM, el ERP y el RPA, todos con tasas de fracaso entre el 47% y el 75% cuando se implantaron sin ese mismo criterio.

Si quieres saber si tu operativa tiene un proceso listo para automatizar, o si de momento sería tirar el dinero, haz el diagnóstico gratuito de tu negocio y descubre tu coste de inacción en cinco minutos.