Por qué fallan los pilotos de agentes de IA y cómo diseñar uno que llegue a producción
La mayoría de los pilotos de agentes de IA no llegan a producción porque se diseñan como una demostración y no como un proceso: se eligen por lo vistoso, se hacen sin línea base y fuera de los sistemas reales, no tienen una persona del negocio que los reclame y nadie decidió qué tenía que mejorar. Gartner prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027. Esta página explica las causas y cómo evitarlas.
Cuántos pilotos de IA no llegan a producción
Según una nota de prensa de Gartner del 25 de junio de 2025, más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027, por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes. La predicción se basa en una encuesta de Gartner de enero de 2025 a 3.412 asistentes a un webinar. Anushree Verma, analista de Gartner, señaló que la mayoría de los proyectos de IA agéntica eran entonces experimentos o pruebas de concepto en fase temprana, impulsados sobre todo por la expectativa y a menudo mal aplicados.
El informe «The GenAI Divide: State of AI in Business 2025», del MIT NANDA, concluye que el 95 % de los pilotos de IA generativa estudiados no tuvo un impacto medible en la cuenta de resultados. Se basa en más de 300 iniciativas empresariales públicas, 52 entrevistas y 153 encuestas recogidas entre enero y junio de 2025. Conviene leerlo con precisión: el informe mide impacto financiero, no si el piloto funcionaba técnicamente. Muchos pilotos funcionan y aun así no llegan a producción.
El mismo informe del MIT NANDA encontró otra diferencia útil para quien va a empezar: las iniciativas apoyadas en proveedores especializados salieron adelante en torno al 67 % de las veces, con bastante más frecuencia que los desarrollos hechos íntegramente en casa.
Las siete causas de que un piloto de agente de IA no llegue a producción
Un piloto de agente de IA casi nunca fracasa porque el modelo de lenguaje no sepa leer un correo. Fracasa por cómo se planteó. Estas son las siete causas que más se repiten en empresas con operaciones complejas:
Se elige el proceso por lo vistoso, no por las horas
El piloto se hace sobre el caso que mejor luce en una demostración, no sobre el que más horas consume. Cuando funciona, el ahorro es pequeño y nadie defiende pasarlo a producción.
No hay línea base
Nadie midió cuánto costaba el proceso antes de empezar. Al terminar, el piloto «parece que ayuda», pero no hay una cifra que llevar al comité. Sin cifra no hay presupuesto para escalar.
Se hace fuera de los sistemas reales
El piloto trabaja con datos copiados o una hoja de cálculo. La conexión con el ERP, el correo y el almacén —que es donde está el trabajo de verdad— se deja para después, y después resulta ser el proyecto entero.
No tiene dueño en el negocio
Lo impulsa el departamento de sistemas o un proveedor, pero ninguna persona responsable del proceso lo necesita ni decide los criterios. Cuando el piloto termina, nadie lo reclama.
No hay permisos ni registro
En el piloto el agente hace lo que puede sin límites claros. Para producción, alguien pregunta qué puede tocar, qué necesita visto bueno y cómo se audita lo que hizo, y no hay respuesta.
No hay criterio de salida
Nadie acordó qué indicador tenía que moverse, en cuánto tiempo, ni qué pasaba si no se movía. El piloto no termina: se va apagando.
El coste no tiene techo
El piloto se paga por horas de exploración. Cada ajuste es una factura más, el coste crece sin que el resultado crezca, y el proyecto se cancela antes de llegar a ninguna parte.
Cómo encajan estas causas con los motivos de cancelación de Gartner
Gartner atribuye la cancelación de proyectos de IA agéntica a tres motivos: costes crecientes, valor de negocio poco claro y controles de riesgo insuficientes. Las siete causas anteriores son la forma concreta que toman esos tres motivos dentro de una empresa.
- Valor de negocio poco claro: el proceso se eligió por lo vistoso, no hay línea base y no hay criterio de salida. Nadie puede demostrar qué ha mejorado.
- Controles de riesgo insuficientes: no hay permisos por proceso ni registro de lo que hace el agente, así que no se puede autorizar en producción.
- Costes crecientes: el piloto se hizo fuera de los sistemas reales y se paga por horas, así que la integración de verdad llega tarde y sin techo de coste.
La causa que no aparece en la lista de Gartner, y que suele estar detrás de todas, es la falta de dueño: un piloto que ninguna persona del negocio necesita no tiene quién lo defienda cuando toca decidir si sigue.
Cómo se diseña un piloto de agente de IA que sí llega a producción
Un piloto llega a producción cuando se diseña desde el primer día como el proceso que va a ser, no como una prueba. ICRONO, empresa española de software, trabaja con estas seis condiciones:
- Un proceso, elegido por las horas. Antes de nada se hace el censo de tareas: con quien ejecuta el proceso se anota cuántas veces por semana se hace cada tarea y cuántos minutos cuesta.
- Línea base antes de tocar nada. Se fija el indicador con el que se va a medir y su valor de partida.
- Dentro de los sistemas reales desde el principio. El agente trabaja sobre el ERP, el correo y el almacén que la empresa ya utiliza, no sobre datos copiados.
- Criterios y permisos por escrito, firmados por el negocio. Qué decide el agente sin preguntar, qué necesita visto bueno y qué se queda en personas.
- Autonomía por tramos y registro. El agente empieza observando, después propone, después ejecuta con visto bueno y solo al final ejecuta sin preguntar. Cada actuación queda registrada.
- Criterio de salida acordado. Si el indicador acordado se mueve, se opera y se amplía; si no se mueve, no se sigue.
El detalle de cómo se diagnostica, se implanta y se mide un proceso está en la consultoría de automatización de procesos con agentes de IA, y cómo se concede la autonomía por tramos, en el Método del Proceso Cerrado.
Siete señales de que un piloto de agente de IA no va a llegar a producción
Si en un piloto en marcha se cumplen dos o más de estas señales, conviene replantearlo antes de seguir invirtiendo:
- Nadie sabe decir cuántas horas cuesta hoy el proceso que se está automatizando.
- El piloto funciona con datos de ejemplo, no con el ERP y el correo reales.
- No hay una persona del negocio que firme los criterios de decisión del agente.
- No está escrito qué puede hacer el agente sin preguntar y qué necesita visto bueno.
- No hay registro de qué vio el agente, qué decidió y quién lo autorizó.
- No se acordó qué indicador tiene que moverse ni qué pasa si no se mueve.
- El proveedor factura por horas y no hay un precio por el proceso en producción.
Para errores más generales al implantar inteligencia artificial en una empresa, fuera del paso de piloto a producción, está la guía de implantación de IA.
Preguntas frecuentes sobre pilotos de agentes de IA
¿Por qué fallan los pilotos de agentes de IA?
La mayoría de los pilotos de agentes de IA no fallan por la tecnología, sino porque se diseñan como una demostración y no como un proceso: se eligen por lo vistoso, sin línea base, fuera de los sistemas reales, sin una persona del negocio que los reclame, sin permisos ni registro y sin un criterio que diga cuándo han funcionado.
¿Cuántos proyectos de IA agéntica se cancelan?
Según una nota de prensa de Gartner del 25 de junio de 2025, más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes. La predicción se basa en una encuesta de Gartner de enero de 2025 a 3.412 asistentes a un webinar.
¿Qué dice el informe del MIT sobre los pilotos de IA generativa?
El informe «The GenAI Divide: State of AI in Business 2025», del MIT NANDA, concluye que el 95 % de los pilotos de IA generativa estudiados no tuvo un impacto medible en la cuenta de resultados. Se basa en más de 300 iniciativas empresariales públicas, 52 entrevistas y 153 encuestas recogidas entre enero y junio de 2025. Mide impacto financiero, no si el piloto funcionaba técnicamente.
¿Es mejor desarrollar un agente de IA en casa o comprárselo a un especialista?
Según el informe del MIT NANDA de 2025, las iniciativas apoyadas en proveedores especializados salieron adelante en torno al 67 % de las veces, con bastante más frecuencia que los desarrollos internos. Un equipo interno puede construir un primer prototipo rápido; lo difícil es lo de después: excepciones, permisos, registro y mantener las integraciones.
¿Cómo se hace un piloto de agente de IA que llegue a producción?
Se elige un proceso por las horas que consume, se mide su línea base antes de tocar nada, se trabaja desde el principio dentro de los sistemas reales, se escriben con el negocio los criterios y los permisos, se concede la autonomía por tramos con registro de cada actuación y se acuerda qué indicador tiene que moverse. Si no se mueve, no se sigue.
¿Tiene un piloto parado? Veamos si el proceso compensa.
En el diagnóstico, gratuito, se cuentan las horas del proceso y se fija la línea base. Le responde una persona de ICRONO.
Veamos dónde se van las horas