Estrategia de IA
Cómo elegir el primer caso de uso de IA de tu empresa: cinco pruebas antes de gastar nada
Publicado por
SME Analytica
Fecha
22 de noviembre de 2026

Respuesta corta: el primer caso de uso de IA de una pyme no debería ser el más ambicioso, sino el que pasa cinco pruebas: usa datos que ya tienes, tiene un responsable con una cifra que mover, deja a una persona revisar antes de que algo salga, se conecta a tus sistemas a un coste razonable y, si se equivoca, el error sale barato. Puntúa cada idea de 0 a 2 en cada prueba y empieza por la que más sume sin ningún cero.
¿Por qué importa tanto elegir bien el primer caso de uso?
Porque el primer proyecto decide si habrá un segundo. Las causas que las grandes fuentes dan para los proyectos que se abandonan son, casi todas, errores de elección y no de tecnología:
- Gartner predijo en junio de 2025 que más del 40 % de los proyectos de IA agéntica se cancelará antes de terminar 2027, por costes que crecen, valor de negocio poco claro o controles de riesgo insuficientes. En su predicción de julio de 2024, según la cual al menos el 30 % de los proyectos de IA generativa se abandonaría tras la prueba de concepto antes de terminar 2025, una de las causas que citaba era la mala calidad de los datos.
- La OCDE, en su documento para el G7 sobre la adopción de IA en pymes (diciembre de 2025), recoge que entre las pymes que usan IA generativa solo el 29 % dice usarla en su actividad principal. Entre los obstáculos de las empresas pequeñas cita la dificultad de encontrar proveedores con soluciones adaptadas a sus necesidades y la falta de datos de calidad y de preparación digital.
- En la encuesta de McKinsey de agosto de 2026, las empresas que más valor sacan de la IA tienen el doble de probabilidades que el resto de contar con procesos definidos para medir el impacto de sus iniciativas.
Las predicciones de Gartner y la encuesta de McKinsey miran sobre todo a empresas grandes; la lectura para una pyme es nuestra. Con menos presupuesto y menos paciencia interna, un primer proyecto mal elegido no se recupera: se convierte en la prueba de que «la IA no funciona aquí».
Lo aprendimos en casa. SME Analytica empezó como una plataforma de analítica para pequeñas empresas: paneles y sugerencias de IA para cualquier pregunta que pudiera tener un negocio. Era amplia y difícil de demostrar. Lo que llegó a producción fue un flujo estrecho: hacer el seguimiento por WhatsApp de las consultas de inmuebles que llegan por email a una agencia, hasta cerrar una visita. Ese flujo se convirtió en Conversa.
El primer proyecto de IA no tiene que demostrar todo lo que la IA puede hacer. Tiene que demostrar que tu empresa sabe llevar uno a producción.

¿Cuáles son las cinco pruebas?
1. Datos que ya tienes
Los datos de entrada existen hoy, en un buzón, una carpeta, el ERP o el CRM, y puedes exportar los casos reales de los últimos meses para probar con ellos. Falla cuando la idea depende de datos que «habría que empezar a recoger» o que viven en la cabeza de una persona. Es una de las causas que Gartner citaba en 2024 y uno de los obstáculos que la OCDE cita para las empresas pequeñas.
2. Un responsable con una cifra
Hay una persona de negocio que quiere el cambio y una cifra que se puede medir antes y después: horas al mes, días de espera, errores, contactos sin respuesta. Falla cuando el objetivo es «explorar la IA» o «mejorar la experiencia». Sin cifra, nadie puede decir al final si funcionó, que es el «valor de negocio poco claro» de las predicciones de Gartner y lo contrario de los procesos de medición que McKinsey encuentra en las empresas que más sacan de la IA.
3. Un punto de control humano
Una persona puede revisar el resultado antes de que salga hacia un cliente, mueva dinero o cambie un registro, y revisar cuesta mucho menos que hacer el trabajo desde cero. Falla cuando la idea solo tiene sentido si nadie mira, o cuando revisar lleva tanto como hacerlo. Según Deloitte, solo el 21 % de las empresas que planean usar agentes tiene un modelo maduro de gobierno de agentes: empezar con una persona en el circuito evita depender de algo que casi nadie tiene todavía.
La revisión también responde a una preocupación real. Según Eurostat, en 2025, entre las empresas de la UE que se plantearon usar IA y no la usan, el 52,52 % cita la falta de claridad sobre las consecuencias legales y el 48,83 %, el temor a vulnerar la protección de datos. Las obligaciones concretas del RGPD y del Reglamento europeo de IA las repasamos, con enlace a los textos, en IA en la sombra: cómo detectarla y gobernarla.
4. Coste de integración
Leer de los sistemas que ya usas y escribir en ellos tiene un camino claro: una API, un fichero de importación, una carpeta compartida. Falla cuando el resultado tendría que copiarse a mano o cuando el proyecto exige cambiar antes el ERP. Gartner lo dice de los agentes: integrarlos en sistemas heredados puede ser técnicamente complejo, interrumpir flujos de trabajo y exigir modificaciones costosas. Cuando el sistema es antiguo, el patrón que funciona está en cómo integrar IA en sistemas heredados sin sustituirlos.
5. Coste del error
Cuando la IA se equivoque, y se equivocará, el error se detecta pronto y se corrige barato. Una factura mal clasificada que una persona corrige antes de contabilizarla es un error barato. Una respuesta equivocada a un cliente sobre su contrato, o un pago enviado a la cuenta que no es, no lo son. Es la parte de «controles de riesgo insuficientes» que Gartner repite en sus dos predicciones.
En Conversa, el error caro no es una respuesta torpe sobre un piso. Es gestionar mal un reembolso, una señal o un documento legal. Por eso Conversa los vigila con reglas fijas: una petición de devolución de dinero, un burofax o la mención de un abogado pasan a una persona a la primera mención, mientras que las preguntas de siempre sobre honorarios, IBI o fianzas se responden con normalidad. Son casos poco frecuentes, y precisamente por eso decide una regla, no el modelo, qué pasa con ellos.
¿Cómo se puntúa cada idea?
De 0 a 2 en cada prueba. Se empieza por la idea con más puntos que no tenga ningún 0, porque un 0 en cualquiera de las pruebas basta para que el proyecto se atasque.
| Prueba | Pregunta | 0 puntos | 1 punto | 2 puntos |
|---|---|---|---|---|
| Datos que ya tienes | ¿Puedo exportar hoy los casos reales de los últimos meses? | Habría que empezar a recogerlos | Existen, pero dispersos o en papel | Están en un buzón, carpeta o sistema y se exportan |
| Responsable con una cifra | ¿Quién quiere el cambio y qué número mueve? | Nadie concreto, objetivo vago | Hay responsable, pero la cifra no se mide hoy | Responsable con nombre y cifra medida |
| Punto de control humano | ¿Puede una persona revisar antes de que algo salga? | Solo funciona si nadie mira | Se puede revisar, pero cuesta casi como hacerlo | Revisar es rápido y está claro qué se revisa |
| Coste de integración | ¿Cómo lee y escribe en mis sistemas? | Copiar a mano o cambiar antes el ERP | Fichero de importación o trabajo a medida acotado | API o conexión que ya existe |
| Coste del error | ¿Qué pasa cuando se equivoca? | Llega al cliente, al dinero o a algo legal | Se detecta, pero tarde o con esfuerzo | Se detecta antes de salir y se corrige barato |
¿Hace falta un agente de IA para el primer proyecto?
Casi nunca. En la misma nota de prensa de junio de 2025, Gartner advierte que muchos casos de uso presentados hoy como agénticos no necesitan una implementación agéntica, y estima que solo unos 130 de los miles de proveedores de IA agéntica lo son de verdad; al resto lo llama «agent washing», productos de siempre con otra etiqueta.
Para un primer proyecto, un flujo con pasos definidos suele ser mejor: el modelo clasifica, extrae o redacta, y el código decide qué se hace con eso. Es más fácil de probar, de medir y de revisar. La diferencia, con un caso real, está en agentes de IA vs flujos de trabajo.
¿Dónde suelen estar los buenos primeros casos?
En el trabajo interno, repetitivo y con muchos documentos. Los datos de Eurostat sobre empresas de la UE que ya usan IA dan una pista: en 2025, el 28,49 % de las pequeñas empresas que usaban IA la aplicaba a la administración y gestión del negocio, frente al 43,38 % de las grandes. La lectura es nuestra: la administración es donde una empresa pequeña ya tiene los datos, el volumen y una persona que revisa.
Candidatos típicos: las facturas de proveedor que llegan por correo, los avisos o consultas que hay que clasificar y repartir, los partes de trabajo que se teclean en otro sistema, la conciliación de pagos, los presupuestos que se montan copiando de anteriores.
¿Qué puedes hacer el lunes?
- Escribe todas las ideas de IA que hayan salido en la empresa, sin filtrar. Diez está bien.
- Para cada una, apunta el flujo concreto: qué entra, qué sale, quién lo hace hoy y cuántas veces al mes.
- Puntúa cada idea de 0 a 2 en las cinco pruebas con la tabla de arriba.
- Descarta las que tengan algún 0. Si todas tienen uno, mira qué falta: casi siempre son datos o un responsable.
- De las que quedan, elige la de más puntos y pide a su responsable que mida la cifra durante dos semanas antes de construir nada.
- Exporta los casos reales del último mes. Es la prueba de verdad de la primera pregunta.
Un ejemplo: tres ideas en una empresa de mantenimiento
Ejemplo ilustrativo. No describe a ningún cliente y las puntuaciones son inventadas para mostrar el método.
Una empresa de mantenimiento de instalaciones con veinticinco personas tiene tres ideas sobre la mesa:
- Un asistente en la web que responda cualquier pregunta de los clientes. Datos: 1 (la información está repartida entre contratos, correos y la cabeza del jefe técnico). Responsable: 0 (nadie concreto, objetivo vago). Revisión: 0 (solo tiene sentido si responde solo). Integración: 2 (se pega en la web). Error: 0 (una respuesta mala sobre un contrato llega directa al cliente). Total: 3, con tres ceros. Descartada como primer proyecto.
- Predecir qué equipos van a fallar para adelantar el mantenimiento. Datos: 0 (el historial de averías no se ha registrado de forma consistente). Responsable: 1. Revisión: 2. Integración: 1. Error: 1. Total: 5, con un cero. Buena idea para más adelante, cuando haya datos.
- Clasificar los avisos de avería que llegan por correo y WhatsApp y preparar la orden de trabajo. El sistema extrae dirección, equipo y urgencia y deja la orden en borrador en el software de gestión; el coordinador la valida. Datos: 2 (meses de avisos en el buzón). Responsable: 2 (el coordinador, con una cifra: tiempo desde el aviso hasta la orden). Revisión: 2 (valida cada orden en segundos). Integración: 1 (el software acepta un fichero de importación). Error: 2 (un aviso mal clasificado lo corrige el coordinador antes de asignarlo). Total: 9, sin ceros.
Gana la tercera. No es la más vistosa, pero es la que puede estar en producción en un mes, con una cifra que la dirección entiende. Y deja montado algo que la segunda idea necesitará: un registro ordenado de averías.
¿Cómo lo hacemos en SME Analytica?
Aplicar este filtro con tu equipo es justo lo que hacemos en nuestro Reconocimiento, de precio cerrado: mapeamos tus sistemas y sales con el primer caso elegido y una primera pieza funcionando con tus propios datos. Si seguimos, se descuenta del Lanzamiento, que lo lleva a producción en 3 a 4 semanas; ya En órbita, Control de Misión es la cuota mensual para el soporte y el siguiente flujo.
Si ya tienes una lista de ideas y quieres que la miremos contigo, cuéntanos cuáles son.
Fuentes
- Gartner, notas de prensa del 29 de julio de 2024 (IA generativa) y del 25 de junio de 2025 (IA agéntica).
- OCDE, AI adoption by small and medium-sized enterprises, documento de debate para el G7, diciembre de 2025 (PDF).
- McKinsey, The state of AI in 2026: On the road to ROI, 25 de agosto de 2026.
- Deloitte, State of AI in the Enterprise, nota de prensa, enero de 2026.
- Eurostat, Use of artificial intelligence in enterprises, Statistics Explained, datos extraídos en diciembre de 2025.
Fuentes leídas el 19 de noviembre de 2026.
Preguntas frecuentes
¿Cuál debería ser el primer caso de uso de IA de una pyme?
Uno que pase cinco pruebas: usa datos que la empresa ya tiene, tiene un responsable con una cifra que mover, deja a una persona revisar antes de que algo salga, se conecta a los sistemas actuales a un coste razonable y, si se equivoca, el error se detecta y se corrige barato. Suele ser un flujo interno y repetitivo, no el más vistoso.
¿Hace falta un agente de IA para empezar?
Casi nunca. Gartner advierte que muchos casos de uso presentados hoy como agénticos no necesitan una implementación agéntica. Un flujo con pasos definidos, en el que el modelo clasifica, extrae o redacta y el código decide, es más fácil de probar, medir y revisar.
¿Cómo se puntúa una idea de IA?
Con las cinco pruebas, de 0 a 2 cada una: 0 si no la pasa, 1 si la pasa con trabajo previo y 2 si la pasa hoy. Se empieza por la idea con más puntos que no tenga ningún 0, porque un 0 en cualquiera de las pruebas basta para que el proyecto se atasque.
¿Qué datos hacen falta para un primer proyecto de IA?
Los que ya pasan por la empresa en el flujo elegido: correos, PDF, registros del ERP o del CRM, hojas de cálculo. Lo importante es poder exportar los casos reales de los últimos meses, con sus defectos, para probar con ellos antes de construir nada.
Compartir este artículo
¿Tienes un flujo como este?
Lo mapeamos con tu equipo, lo conectamos a las herramientas que ya usas y lo mantenemos en producción.
Hablemos