IA en una Empresa Tradicional: los 5 Sitios Donde se Paga Sola el Primer Año (y 3 Donde Quema Dinero)

La iniciativa NANDA del MIT estudió en 2025 la adopción empresarial de la IA generativa y encontró que alrededor del 95% de los pilotos no producía ningún retorno medible en la cuenta de resultados. No un retorno pequeño. Ninguno medible. Casi al mismo tiempo, una encuesta de Wine Business en un sector que lleva dos mil años optimizando el mismo proceso encontró que solo el 4% de los encuestados usaba IA para seguir la fermentación y los suministros.

Lee esos dos números juntos y tienes la situación real. Casi todo el mundo está gastando en IA. Casi nadie la está gastando donde paga. Y los sectores tradicionales, los que tienen inventario real, maquinaria real y clientes reales, apenas están en la línea de salida.

La tasa de fracaso no es un problema tecnológico. Es un problema de acotación: las empresas compran IA como estrategia en lugar de aplicarla a una tarea concreta, cara y repetitiva.

Nuestro grupo se fundó en Azagra en 1890 y hoy opera ocho divisiones entre vino, inmobiliario, hostelería, agua mineral, instalaciones eléctricas, movilidad y distribución en Estados Unidos, vendiendo a más de 75 países con más de 180 personas. Es una cartera de negocios profundamente tradicionales. En los dos últimos años hemos visto qué usos de esta tecnología se pagaban solos en doce meses y cuáles se convertían en silencio en una suscripción que nadie sabía justificar. Este es el reparto honesto.

La prueba que hay que pasar antes de gastar nada

Antes de evaluar una sola herramienta, pasa el caso de uso propuesto por tres preguntas. Si falla alguna, estás comprando un piloto que acabará en el 95%.

• ¿Es una tarea de alto volumen? Un proceso que ejecutas cuatro veces al año no puede devolver el coste de implantación, por ingeniosa que sea la automatización. Necesitas algo que ocurra cientos o miles de veces.
• ¿Es una tarea de lenguaje o de patrones? Los modelos actuales son extraordinarios leyendo, escribiendo, traduciendo, clasificando y resumiendo. Son mediocres en juicios que dependen de un contexto que nadie ha escrito nunca.
• ¿Ya tienes el dato, en un sitio y en forma usable? Gartner ha estimado que en torno al 85% de los proyectos de IA fracasan por calidad de datos pobre o insuficiente. El modelo casi nunca es el problema. La hoja de cálculo que nadie mantiene, sí.

Si no sabes nombrar la tarea exacta, cuántas veces al mes ocurre y cuántas horas consume hoy, no estás listo para comprar nada.

Dónde se paga sola el primer año

1. Administración con mucho texto

Es la victoria menos vistosa y más fiable en una empresa tradicional. Leer contratos de proveedor y extraer las condiciones. Convertir una especificación técnica en un presupuesto para el cliente. Cuadrar líneas de factura contra un pedido. Redactar la primera versión de una licitación.

En nuestros negocios de distribución e instalaciones, este trabajo consume horas reales de gente cuyo tiempo rinde más con clientes. Forbes ha publicado que las pequeñas y medianas empresas ahorran de media unos 7.500 dólares al año con IA, y que el cuartil superior supera los 20.000. Son cifras poco espectaculares precisamente porque vienen de trabajo poco espectacular.

La IA de mayor retorno en una empresa tradicional casi nunca toca el producto. Toca el papeleo que rodea al producto.

2. Velocidad de respuesta al cliente entrante

El valor comercial aquí no es el coste de escribir una respuesta. Es la diferencia de conversión entre contestar una consulta en diez minutos y contestarla en dos días.

Redactar las primeras respuestas a consultas entrantes, clasificarlas por urgencia y dirigirlas a la persona correcta es una tarea acotada, de alto volumen y con forma de lenguaje. Una persona sigue revisando y enviando. Lo que cambia es que nada se queda en cola durante un fin de semana.

3. Vender en idiomas para los que no tienes plantilla

Vendemos a más de 75 países. Históricamente, entrar en un mercado significaba o contratar a un nativo antes de que la facturación lo justificara, o aceptar materiales que se leían como escritos por un extranjero, lo que en una categoría premium es peor que no decir nada.

La traducción y localización de material comercial hoy es casi gratis y, con un nativo revisando en lugar de redactando, casi de calidad nativa. Eso cambia la aritmética de entrar en un mercado, que es la misma disciplina que describimos en nuestro artículo sobre cómo elegir un distribuidor internacional.

4. Previsión de demanda e inventario

La Cámara de Comercio de Estados Unidos ha publicado que las empresas familiares que usan IA la aplican sobre todo a eficiencia de procesos (40%) y gestión de riesgos (39%). La previsión está justo en el cruce de las dos.

Cualquier negocio con estacionalidad, caducidad o plazos largos está previendo hoy con una hoja de cálculo y el instinto de alguien con experiencia. Ese instinto vale de verdad y no hay que sustituirlo. Pero un modelo que lee tres años de expediciones, meteorología, calendario promocional y plazos sacará patrones que el instinto no ve, y cada punto de precisión en la previsión se convierte directamente en circulante. La mecánica de por qué eso importa está en nuestro artículo sobre el ciclo de conversión de caja.

5. Memoria institucional

Una empresa fundada en 1890 tiene una cantidad enorme de conocimiento metido en documentos que nadie encuentra. Contratos, especificaciones técnicas, correspondencia con proveedores, registros de mantenimiento, decisiones y sus motivos.

Hacer todo eso buscable en lenguaje normal es uno de los pocos proyectos de IA cuyo valor crece con la edad de la empresa. Cuanto más vieja y más documental es la casa, mayor es el activo enterrado.

Dónde quema dinero

1. Todo lo que pretenda sustituir el criterio del oficio

Existe la fantasía persistente de que la IA tomará la decisión del experto. En vino, el coupage. En inmobiliario, la decisión de suelo. En instalaciones, el diagnóstico de una avería que se presenta igual que otras tres.

Esas decisiones descansan sobre un contexto que nunca se ha escrito, lo que significa que nunca ha estado en los datos de entrenamiento. Peor aún, el modelo producirá una respuesta segura, fluida y equivocada, y una respuesta equivocada con seguridad es más peligrosa que ninguna respuesta.

Usa la IA para dar mejores insumos a tus expertos. No la uses para sustituir el resultado de treinta años en el mismo oficio.

2. Construir un modelo a medida antes de tener el dato limpio

Cada año un proveedor propone un modelo hecho a medida entrenado con tus datos propios. Suena a foso defensivo. En una empresa cuyos datos viven en cuatro sistemas que no se ponen de acuerdo entre sí, es una forma muy cara de descubrir que tienes un problema de datos.

El marco de McKinsey es útil aquí y conviene memorizarlo: la regla 10/20/70. Alrededor del 10% del esfuerzo de un programa de IA que funciona va a los algoritmos, el 20% a tecnología y datos, y el 70% a personas y cambio de proceso. Las empresas que gastan como si la proporción fuera al revés son las que acaban amortizando pilotos.

3. Licencias para toda la empresa sin dueño con nombre

El desperdicio más común que vemos no es un proyecto fallido. Es una suscripción comprada para todos, usada bien por cuatro personas, y renovada automáticamente porque cancelarla parecería una retirada.

Cada herramienta necesita un dueño con nombre, un proceso concreto que debe mejorar y un número que debe moverse. Si nadie la posee, nadie la mide, y se convierte exactamente en ese tipo de coste sin examinar del que hablamos en recortar costes sin cortar músculo.

La medición que separa al 5%

Una investigación de MIT Sloan encontró que las empresas con baja intensidad de IA, por debajo de un umbral del 25%, veían un crecimiento anual de ingresos atribuible prácticamente nulo, mientras que las que superaban ese umbral se acercaban al 24%. La lección no es "gasta más". Es que la adopción dispersa y a medias no devuelve nada, y que las empresas que ganan eligen menos procesos y los llevan hasta el final.

En la práctica, eso significa tres cosas:

• Mide antes de comprar. Registra las horas, la tasa de error o el tiempo de respuesta de hoy. Un beneficio que no puedes comparar con un punto de partida es un relato, no un retorno.
• Un proceso, hasta producción. Un piloto que nunca cambia cómo se hace el trabajo es una demo. Las demos no aparecen en la cuenta de resultados.
• Presupuesta el 70%. Formación, rediseño de proceso y los meses incómodos en que la gente trabaja a la vez con el método viejo y el nuevo son el coste de verdad.

Puntos Clave

• Alrededor del 95% de los pilotos de IA generativa no da retorno medible en la cuenta de resultados (MIT NANDA), y la causa es la acotación, no la tecnología.
• Filtra cada caso de uso con tres pruebas: alto volumen, base de lenguaje o de patrones, y datos que ya tengas en forma usable.
• Las victorias fiables del primer año en empresas tradicionales son administrativas: gestión documental, velocidad de respuesta, localización, previsión y memoria institucional buscable.
• En torno al 85% de los proyectos de IA fracasan por calidad de datos (Gartner). Limpia el dato antes de que nadie proponga un modelo a medida.
• Nunca apuntes la IA al criterio de oficio que a tus expertos les costó décadas construir. Apúntala a los insumos que alimentan ese criterio.
• Recuerda la regla 10/20/70: 10% algoritmos, 20% tecnología y datos, 70% personas y proceso.
• Cada herramienta necesita un dueño con nombre, un proceso objetivo y un número que deba moverse, o se convierte en una suscripción que nadie defiende.

Preguntas Frecuentes

¿Cuánto cuesta la IA para una pequeña empresa?

Mucho menos de lo que espera el empresario en herramientas, y mucho más de lo que espera en cambio. Los asistentes por usuario suelen moverse entre 20 y 60 dólares por persona y mes, y la mayoría de pymes necesita muy pocas licencias. La partida real es la implantación: rediseño de proceso, formación y el periodo de convivencia, que en el primer año suele superar al coste del software.

¿Cómo puedo usar la IA en mi pequeña empresa?

Empieza por una tarea repetitiva y con mucho texto que ocurra cientos de veces al mes, como redactar presupuestos, contestar consultas entrantes rutinarias o extraer condiciones de documentos de proveedor. Mide las horas que cuesta hoy, ejecútala un trimestre con una persona revisando cada salida y amplía solo cuando puedas enseñar el cambio en un número.

¿Qué es la regla 10/20/70 de la IA?

Es la estimación de McKinsey sobre dónde va el esfuerzo en un programa de IA que funciona: en torno al 10% en algoritmos, el 20% en tecnología y datos, y el 70% en personas y cambio de proceso. Es la mejor corrección al instinto de creer que comprar la herramienta es el proyecto. La herramienta es aproximadamente una décima parte del trabajo.

¿Qué sectores están adoptando más la IA?

Tecnología, servicios financieros, servicios profesionales y medios van muy por delante, porque su producto ya es información. Los sectores tradicionales van muy por detrás. Una encuesta de Wine Business encontró solo un 4% de encuestados usando IA para seguir fermentación y suministros, lo que dice a la vez lo retrasadas que van estas industrias y cuánta ventaja sin reclamar hay ahí.

¿Por qué fracasan tantos proyectos de IA?

Tres causas explican casi todo: datos fragmentados o poco fiables, pilotos que nunca llegan a producción, y casos de uso elegidos porque sonaban impresionantes en lugar de porque eran caros y repetitivos. Gartner sitúa solo la parte de calidad de datos en torno al 85% de los fracasos.

Elige un proceso este trimestre

No escribas una estrategia de IA. Coge la tarea más repetitiva, más documental y de mayor volumen de tu empresa, mide lo que te cuesta hoy en horas y errores, y pon una herramienta a trabajar contra ella noventa días con el nombre de alguien en el resultado. Así llegó el 5% donde está.

Descubre cómo opera el grupo Manzanos Enterprises en ocho divisiones y más de 75 países y, si quieres la mirada larga sobre modernizar una empresa sin dañar lo que la hace valiosa, lee nuestro artículo relacionado sobre adoptar tecnología en negocios con historia sin perder su alma.