Los primeros 90 días de adopción de IA en una pyme: una hoja de ruta

Una pyme que ha decidido adoptar la IA se encuentra casi siempre ante la misma pregunta mal planteada: «¿qué herramienta compro?». Es la pregunta equivocada, o mejor dicho: es la tercera, no la primera. Antes que una herramienta hace falta un recorrido — y el recorrido, cuando funciona, tiene una forma reconocible y una duración precisa. Los playbooks de adopción más sólidos que circulan lo pautan casi todos de manera parecida: primeros 30 días para los cimientos, primeros 90 días para el impulso, y luego el régimen continuo para la escala. Este artículo toma esa estructura y la ajusta a una pequeña empresa italiana: qué hacer, en qué orden y con qué controles, en los primeros tres meses.

Vale la pena partir de un dato incómodo, porque explica por qué la hoja de ruta cuenta más que la herramienta. Los análisis del sector apuntan en la misma dirección, aunque las cifras exactas varían según la fuente: la gran mayoría de los agentes de IA nunca llega a producción, y — según los datos de 2026 de OneReach.ai y Moveworks — alrededor del 29% de los proyectos se abandona en un plazo de 90 días. No por límites técnicos — las herramientas funcionan — sino porque partieron sin saber a dónde iban, sin un responsable y sin controles. Los 90 días no son una cuenta atrás arbitraria: son exactamente la ventana en la que una adopción mal planteada muere. Plantearla bien es todo el juego.

Semanas 1–2: saber dónde está, antes de comprar cualquier cosa

El primer error es comprar una herramienta antes de haber medido el punto de partida. Lo primero que produce un recorrido serio no es un software, sino una fotografía honesta de dónde se encuentra la empresa. Los modelos de madurez que el mercado usa para hacerla — de Gartner a Deloitte — devuelven una respuesta en una línea: «está en el estadio X de 5». Pero la versión útil para una pyme no da un solo número: separa la puntuación en dos dominios — los Cimientos (datos, tecnología, competencias) y la Estrategia (gobernanza, riesgo, objetivos, cultura) — para explicar por qué está parado, no solo cuánto. Es una distinción que cambia los movimientos: buenos cimientos pero ninguna estrategia es un problema opuesto al de quien tiene las ideas claras pero los datos en desorden.

Aquí hay un punto que vale de manera particular para Italia. Los índices de preparación para la IA más conocidos (Cisco, por ejemplo) ponderan mucho la infraestructura y los datos — reflejo de un mundo de grandes empresas. Para la mayor parte de las pymes italianas el cuello de botella no es la infraestructura: es la estrategia y el proceso. Saben que deben hacer algo con la IA, no saben qué ni por dónde. Una evaluación ajustada a la pyme, por tanto, desplaza el peso hacia la estrategia, la gobernanza y la cultura, y desde ahí indica qué departamento está realmente preparado para empezar el primero. Es el trabajo que hemos hecho self-serve y gratuito: nuestra evaluación de preparación para la IA da en dos minutos esa fotografía — en qué estadio está por dominio y qué departamento conviene abrir primero. Es el kilómetro cero de la hoja de ruta; sin ella, cada paso siguiente es una apuesta.

Semanas 3–6: un solo caso de uso, con un responsable

Con la fotografía en la mano, la tentación es arrancar en tres frentes a la vez. Es el error que produce ese 29% de abandonos. La regla de los primeros 90 días es la contraria: un solo caso de uso, en el departamento que la evaluación ha señalado como el más preparado, llevado hasta producción. No una prueba aparcada en un rincón — un flujo que alguien usa de verdad cada día, con un antes y un después medibles. Ganar una vez, en pequeño y en serio, vale más que cinco pilotos abandonados.

El segundo ingrediente es el que marca la diferencia entre un proyecto que dura y uno que se evapora en cuanto se acaba el entusiasmo: un responsable. Los playbooks enterprise lo llaman Center of Excellence y le asignan cinco funciones distintas — quién decide las prioridades, quién tiene la última palabra, quién forma a las personas, quién mantiene los estándares y los modelos reutilizables, quién vigila las señales de valor. Una pyme no tiene cinco equipos para estas cosas, y no los necesita: necesita una o dos personas que cubran esas cinco funciones. No el rango jerárquico, sino la titularidad: alguien cuyo nombre está junto al caso de uso. Sin un responsable con un nombre, el flujo no es de nadie, y lo que no es de nadie se abandona el primero.

Este primer caso de uso no es un episodio aislado: es la primera entrada de un playbook que crece. Cada entrada lleva consigo una fase — piloto, luego escala, luego régimen — de modo que a mitad de camino se pueda filtrar por «qué viene después» en lugar de releer pilotos ya cerrados. Cómo es por dentro una entrada de playbook — la estructura, el responsable, los controles enganchados — lo hemos descompuesto en la anatomía de un AI Workflow Design.

Desde el día 1, no desde el día 90: los controles mínimos

El error más costoso de los primeros 90 días es dejar la gobernanza para el final — «primero hagamos que la cosa funcione, luego ponemos los controles». Es exactamente al revés: los controles mínimos deben ponerse el día en que arranca el caso de uso, porque añadirlos después significa rediseñar el flujo, no retocarlo. No hace falta un aparato pesado — hacen falta cuatro movimientos, todos verificables antes de pasar a producción:

• Clasifique el riesgo. ¿En qué nivel de riesgo del AI Act cae el caso de uso? La mayor parte de los usos de una pyme — un copiloto interno, la generación de contenidos, un bot de primer nivel — vive en el nivel mínimo o limitado, donde la carga es ligera. La maquinaria pesada se activa solo para los usos de alto riesgo (selección de personal, crédito, datos biométricos): si su primer caso de uso es uno de estos, ya sabe que hace falta más cautela.
• Compruebe si hace falta una EIPD. Si el flujo toma decisiones automáticas con efectos sobre las personas, o trata datos especiales a gran escala, la evaluación de impacto del RGPD es obligatoria — y una EIPD «estándar» no basta, porque omite los riesgos propios de la IA (opacidad del modelo, deriva, memorización, derecho al olvido). Es una pregunta que hay que hacerse el día 1, no descubrir en una inspección.
• Ponga un humano en el proceso. Ningún resultado que afecte a un cliente, a un candidato o al dinero debería salir sin un paso humano. Es el control que vale más que toda la política escrita, y debe diseñarse dentro del flujo, no colgarse a un lado.
• Deje traza. Quién hizo qué, cuándo, con qué input. Para los casos de alto riesgo el AI Act exige conservar los logs durante al menos seis meses; para todos los demás la trazabilidad es, de todos modos, lo que le permite responder a un auditor, reconstruir un error y defender una decisión.

Son los mismos cuatro movimientos que nuestro overlay de conformidad engancha a cada workflow que diseñamos — no como trámite a posteriori, sino como parte del diseño. El razonamiento completo, con la taxonomía del riesgo y el porqué de cada control, está en el artículo sobre los controles que hacen defendible un caso de uso.

La meta de los 90 días: de piloto a método

Si las primeras seis semanas han ido bien, en el día 90 no tiene «una herramienta más»: tiene un caso de uso en producción, un responsable con un nombre, los controles enganchados y — lo que más cuenta — un método que se puede repetir en el segundo departamento sin empezar de cero. Vale la pena fijar tres puntos de control por el camino:

• Día 30 — cimientos. La fotografía de preparación está hecha, el departamento de partida está elegido, el responsable está designado, los controles mínimos están definidos. Todavía ninguna herramienta comprada necesariamente: primero el porqué y el quién, luego el qué.
• Día 60 — impulso. El primer caso de uso está vivo y alguien lo usa cada día. Se recogen los primeros números honestos y la primera «historia de éxito» interna — la que convence al segundo departamento para intentarlo.
• Día 90 — escala. El caso de uso se sostiene solo, el segundo está en cola con la misma estructura, y el playbook tiene ahora dos entradas en lugar de una. A partir de aquí la adopción ya no es un proyecto: es una forma de trabajar.

Una última cosa sobre los números, porque es el punto donde las adopciones se engañan. Medir el éxito con «cuántos lo usan» es el primer peldaño, no el último: después de la amplitud de uso viene la profundidad (quién lo usa de verdad, y para qué) y solo al final el impacto en el negocio — el tiempo ahorrado, los errores evitados, los ingresos afectados. Un piloto que todos han «probado» pero que nadie usa en profundidad no es un éxito: es un abandono que aún no se ha declarado. Los 90 días sirven para llevar al menos un caso de uso hasta el tercer peldaño.

La diferencia entre quien a los 90 días tiene un método y quien tiene otra herramienta sin usar no está en la tecnología — está en haber hecho las cosas en el orden correcto: primero saber dónde está, luego un solo caso de uso con un responsable, los controles desde el día 1, y la escala solo después. Es exactamente el orden con el que injertamos la IA en una empresa.

El primer paso, sin embargo, es siempre el mismo y lo puede hacer ahora: saber dónde está. La evaluación gratuita le da en dos minutos la fotografía de partida y el departamento por el que conviene abrir sus 90 días. Y si quiere entender cómo se pasa del comprender al hacer, hablemos — sin compromiso.

Este artículo tiene un propósito orientativo. Los porcentajes de abandono y los plazos citados provienen de análisis de mercado y de fuentes del sector, no verificados de forma independiente, y deben leerse como indicaciones de dirección, no como garantías. Los niveles de riesgo, las obligaciones de EIPD y los plazos de conservación de los logs dependen del caso de uso y de la normativa vigente — el EU AI Act está en evolución — y deben siempre verificarse sobre el contexto de cada empresa antes de actuar.