{"id":44463,"date":"2026-09-27T09:20:00","date_gmt":"2026-09-27T09:20:00","guid":{"rendered":"https:\/\/www.iprofesional.com\/tecnologia\/464963-por-que-fallan-los-proyectos-de-ia-en-empresas-y-como-prevenirlos"},"modified":"2026-09-27T09:20:00","modified_gmt":"2026-09-27T09:20:00","slug":"los-errores-que-pueden-arruinar-proyectos-de-ia-en-una-empresa-y-como-evitarlos","status":"publish","type":"post","link":"https:\/\/latecordoba.com\/index.php\/2026\/09\/27\/los-errores-que-pueden-arruinar-proyectos-de-ia-en-una-empresa-y-como-evitarlos\/","title":{"rendered":"Los errores que pueden arruinar proyectos de IA en una empresa y c\u00f3mo evitarlos"},"content":{"rendered":"\n
<\/div>\n
\n

La IA puede amplificar los errores, no corregirlos. Dos casos reales muestran qu\u00e9 falla antes de que empiece cualquier proyecto <\/p>\n

\n
\"Lucila Por Lucila Bianchi<\/strong><\/span> <\/div>\n
27\/09\/2026 <\/p>\n

06:20hs<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

\"Un <\/picture> <\/div>\n<\/p><\/div>\n
\n

La velocidad con la que avanz\u00f3 la adopci\u00f3n ayuda a entender por qu\u00e9 estas discusiones pasaron al primer plano. Seg\u00fan un reporte global de McKinsey<\/a>, el 78% de las organizaciones ya utiliza Inteligencia Artificial en al menos una funci\u00f3n de negocio<\/strong>. En Am\u00e9rica Latina, Boston Consulting Group se\u00f1ala que el desaf\u00edo ya no consiste \u00fanicamente en incorporar estas herramientas, sino en integrarlas de manera consistente a los procesos de las organizaciones y capturar valor a partir de ellas.<\/p>\n

En Argentina, un estudio de Microsoft indic\u00f3 que el 85% de las empresas medianas ya utiliza inteligencia artificial <\/a><\/strong>y que el 87% de quienes la implementaron report\u00f3 mejoras de productividad.<\/p>\n

Hern\u00e1n Mazzeo<\/strong>, CTO de Restart<\/a>, lo describe con precisi\u00f3n: “La IA no corrige procesos desordenados<\/strong>: los acelera y muchas veces tambi\u00e9n amplifica sus errores.” El error m\u00e1s frecuente que observa en las empresas argentinas es empezar por la tecnolog\u00eda y no por el problema de negocio. Muchas sienten que ‘tienen que hacer algo con IA<\/strong>‘ y salen a buscar herramientas antes de definir qu\u00e9 proceso quieren mejorar, cu\u00e1l es el resultado esperado y c\u00f3mo lo van a medir.<\/p>\n

Juan Stein<\/strong>, cofundador de Prometheo<\/a>, coincide y agrega un punto que suele subestimarse: implementar IA no deber\u00eda significar simplemente reducir costos<\/a>. El verdadero potencial aparece cuando permite responder m\u00e1s r\u00e1pido, hacer mejores seguimientos, atender m\u00e1s oportunidades y vender m\u00e1s sin aumentar proporcionalmente la estructura. El problema es que muchas empresas no tienen esa claridad antes de arrancar \u2014 y entonces el proyecto se convierte en un experimento sin m\u00e9trica.<\/p>\n

Dos casos reales de proyectos de IA que fallaron: qu\u00e9 sali\u00f3 mal y qu\u00e9 se puede aprender<\/h2>\n

El caso que Mazzeo recuerda con m\u00e1s nitidez es el de una empresa que quiso implementar un asistente de IA para automatizar la atenci\u00f3n de consultas internas. Desde el punto de vista t\u00e9cnico, el proyecto funcionaba: el modelo interpretaba las preguntas y generaba respuestas correctamente. El problema apareci\u00f3 cuando avanzaron: la informaci\u00f3n estaba distribuida en documentos con versiones contradictorias,<\/strong> distintas \u00e1reas respond\u00edan diferente ante la misma situaci\u00f3n y no hab\u00eda un responsable claro de mantener actualizado el conocimiento.<\/p>\n

El proyecto tuvo que detenerse. La conclusi\u00f3n fue contundente: “No se puede automatizar una decisi\u00f3n que la propia empresa todav\u00eda no sabe c\u00f3mo tomar de manera consistente”.<\/span> Reci\u00e9n despu\u00e9s de ordenar la documentaci\u00f3n, definir criterios y asignar responsables, el proyecto pudo retomarse.<\/p>\n

Stein recuerda un caso igualmente ilustrativo. Una empresa quiso usar Prometheo <\/strong>para reactivar autom\u00e1ticamente miles de leads acumulados, la idea era detectar qui\u00e9n segu\u00eda interesado sin poner al equipo comercial a revisar conversaciones viejas una por una. El problema fue que activaron la automatizaci\u00f3n antes de ordenar la base. Hab\u00eda contactos que ya hab\u00edan comprado, otros que estaban en plena negociaci\u00f3n con un vendedor, y muchos cuyo estado en el CRM nunca se hab\u00eda actualizado.<\/p>\n

El resultado fue inmediato: un cliente que ya hab\u00eda comprado recibi\u00f3 un mensaje pregunt\u00e1ndole si todav\u00eda estaba interesado<\/strong>. Otro, que estaba negociando en ese momento con un vendedor, recibi\u00f3 una nueva apertura comercial desde cero. Tuvieron que frenar la campa\u00f1a, ordenar el CRM y definir sobre qu\u00e9 segmentos pod\u00eda actuar el agente. “Automatizar tambi\u00e9n significa amplificar. Un proceso mal armado puede generar diez errores manualmente. Con IA puede generar diez mil.”<\/p>\n

C\u00f3mo saber si un proceso est\u00e1 listo para ser automatizado con Inteligencia Artificial<\/h2>\n

Mazzeo propone cinco caracter\u00edsticas que comparten los proyectos con mayores probabilidades de \u00e9xito: parten de un problema concreto, cuentan con datos accesibles y confiables<\/strong>, tienen un responsable de negocio, pueden medirse con un indicador claro y se integran en la operaci\u00f3n cotidiana de las personas. Y ofrece una prueba simple para los que tienen dudas: si ma\u00f1ana la soluci\u00f3n estuviera funcionando perfectamente, \u00bfqu\u00e9 cambiar\u00eda concretamente en el negocio? Si nadie puede responderlo con claridad, el proyecto todav\u00eda no est\u00e1 listo.<\/p>\n

Stein suma el criterio del volumen: automatizar un proceso que ocurre cinco veces por mes probablemente no cambie demasiado el negocio<\/span>. En cambio, si hay cientos o miles de leads con preguntas similares, vendedores haciendo seguimientos manuales o conversaciones que quedan sin responder fuera de horario, el impacto puede ser enorme. Y agrega un tercer punto cr\u00edtico: la IA tiene que tener acceso al contexto necesario para actuar. Sin informaci\u00f3n sobre el cliente, su historial y el momento del proceso, el agente no puede tomar buenas decisiones.<\/p>\n

Qu\u00e9 deber\u00eda hacer un CEO argentino antes de invertir en inteligencia artificial<\/h2>\n

Mazzeo propone tres preguntas concretas. Primero: \u00bfqu\u00e9 problema del negocio queremos resolver y cu\u00e1nto valor genera resolverlo<\/strong>? La inversi\u00f3n debe estar vinculada con un resultado observable: reducir costos, aumentar ventas, mejorar la experiencia del cliente, disminuir errores.<\/p>\n

Segundo: \u00bftenemos el proceso, los datos y los responsables necesarios para sostener la soluci\u00f3n<\/strong>? No alcanza con desarrollar un modelo, alguien debe ser responsable de la informaci\u00f3n y de decidir qu\u00e9 hacer cuando la IA se equivoca.<\/p>\n

Tercero: \u00bfc\u00f3mo vamos a lograr que las personas incorporen esta herramienta a su trabajo<\/strong>? El retorno no aparece cuando la soluci\u00f3n se implementa t\u00e9cnicamente, sino cuando se usa de manera efectiva.<\/p>\n

Stein lo cierra con una recomendaci\u00f3n pr\u00e1ctica que resume el enfoque: antes de invertir en IA, una empresa deber\u00eda poder responder tres cosas muy concretas,<\/span> qu\u00e9 problema quiere resolver, cu\u00e1nto le cuesta hoy ese problema y qu\u00e9 tendr\u00eda que pasar para considerar que la implementaci\u00f3n funcion\u00f3. “La IA genera valor cuando deja de ser un proyecto de innovaci\u00f3n y empieza a ser parte de una m\u00e9trica del negocio.”<\/p>\n

Las empresas argentinas que est\u00e1n obteniendo resultados reales no son necesariamente las que m\u00e1s invirtieron ni las que adoptaron m\u00e1s r\u00e1pido son las que dedicaron tiempo a definir el problema antes de elegir la soluci\u00f3n. Ese paso previo, el m\u00e1s aburrido y el menos glamoroso, es el que m\u00e1s frecuentemente se saltea. Y es el que m\u00e1s determina si el proyecto va a funcionar o no.<\/p>\n

\n
\n

COMPARTIR ESTA NOTA<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"\n

<\/div>\n

La IA puede amplificar los errores, no corregirlos. Dos casos reales muestran qu\u00e9 falla antes de que empiece cualquier proyecto