Para implementar inteligencia artificial sin arriesgar, empieza por un proceso concreto con una métrica, decide qué datos puede ver la IA, dale solo los permisos que necesita, pruébala antes de usarla con clientes y nombra a una persona responsable de supervisarla. La mayoría de los proyectos no fracasa por el modelo de IA, sino porque la herramienta no se integra a la forma en que la empresa trabaja.
¿Por qué tantos proyectos de IA no dan resultados?
Porque se compra la herramienta antes de definir el proceso. Un estudio preliminar del MIT (proyecto NANDA, julio de 2025), basado en entrevistas, encuestas a 153 directivos y el análisis de más de 300 iniciativas públicas, estimó que el 95 % de las organizaciones todavía no obtiene un retorno medible de la IA generativa en sus resultados, seis meses después del piloto.
La causa principal que identifica el estudio no es la calidad de los modelos, sino lo que llama la «brecha de aprendizaje»: herramientas que no aprenden, que se integran mal o que no se ajustan a los flujos de trabajo. El propio MIT aclara que sus cifras son direccionales y se basan en entrevistas, no en reportes oficiales de las empresas, así que conviene leerlas como una señal, no como una estadística exacta.
La adopción, en cambio, avanza rápido. Una encuesta de MIT Sloan Management Review y BCG a más de 2,000 directivos de 116 países encontró que el 35 % de las organizaciones ya usa agentes de IA y otro 44 % planea hacerlo pronto, y advierte que la adopción va más rápido que la capacidad de las empresas para rediseñar procesos y definir quién decide y quién supervisa.
Lo que te cuesta: pagar licencias y horas de piloto que nunca llegan a la operación diaria.
¿Cuántas empresas en México ya usan inteligencia artificial?
Cerca de la mitad de las empresas grandes. Según el Banco de México, en junio de 2026 el 48.5 % de las empresas de más de 100 trabajadores reportó usar al menos una tecnología de inteligencia artificial, y el 64.8 % anticipa usarla en los próximos tres años. En septiembre de 2025 la cifra comparable era 24.3 %, aunque Banxico aclara que las preguntas de ambos levantamientos tienen diferencias.
Los obstáculos más importantes que reportaron las empresas fueron el desconocimiento de los trabajadores sobre cómo aplicarla, la falta de personal capacitado y la falta de recursos. Y hasta ahora, la mayoría no ha percibido efectos significativos sobre el empleo. Es decir: el reto no es conseguir la tecnología, sino saber aplicarla.
¿Cuáles son los riesgos reales de usar IA en una empresa?
El Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST) publicó en 2024 un perfil de riesgos específico para la IA generativa. Estos son los cuatro que más afectan a una empresa que la usa con clientes y con sus sistemas:
| Riesgo | Cómo se ve en tu empresa | Cómo se reduce |
|---|---|---|
| Respuestas inventadas («alucinaciones») | El asistente da un precio, una existencia o una política que no es real, con toda seguridad | Que responda con datos de tus sistemas, no de memoria, y que diga «no sé» cuando no tenga el dato |
| Fuga de datos | Datos de clientes o de la empresa terminan donde no deben | Decidir qué datos ve la IA y con qué proveedor (paso 2) |
| Confiar de más en la herramienta | El equipo deja de revisar lo que la IA produce | Aprobación humana en lo importante y revisiones periódicas (pasos 3 y 4) |
| Instrucciones maliciosas escondidas | Un mensaje, correo o documento trae texto que intenta que la IA haga algo que no debe | Permisos mínimos: aunque la engañen, no puede hacer daño (paso 3) |
Paso 1: ¿por qué empezar por un proceso y no por la herramienta?
Porque una herramienta sin proceso no tiene cómo demostrar que funciona. Elige una tarea que se repita todos los días, que hoy se haga a mano y que puedas medir: tiempo de respuesta a prospectos, documentos clasificados por día, cobranza vencida. Anota cómo está hoy; esa es tu línea base.
La IA conviene donde hay que clasificar, responder o analizar. Si la tarea solo mueve datos de un sistema a otro, muchas veces basta una automatización sin IA, que es más barata y más predecible.
Lo que te cuesta no hacerlo: un piloto que «se ve bien» pero del que nadie puede decir cuánto ahorró.
Paso 2: ¿qué datos de tu empresa puede ver la IA?
Solo los que necesita para la tarea. Antes de conectar la IA a tu ERP, CRM o WhatsApp, haz una lista de qué información va a leer, qué proveedor la va a procesar y dónde se guarda.
En México, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares vigente se publicó el 20 de marzo de 2025. Pide que el responsable de los datos mantenga medidas de seguridad administrativas, técnicas y físicas, y establece que, al transferirlos a terceros, se les debe comunicar el aviso de privacidad. La ley no menciona la inteligencia artificial, pero tu empresa sigue siendo responsable de los datos de tus clientes aunque los procese un proveedor de IA. Revisa el caso concreto con tu asesor legal.
Paso 3: ¿qué permisos debe tener un agente de IA?
Los mínimos para su tarea, y nada más. El OWASP, la comunidad de referencia en seguridad de aplicaciones, incluye en su lista de riesgos de 2025 la «agencia excesiva»: dar a un sistema de IA más funciones, más permisos o más autonomía de los que necesita. Si la IA solo tiene que consultar existencias, no necesita poder modificar precios.
Para las acciones importantes (enviar una cotización formal, aplicar un descuento, borrar o modificar registros, mandar correos masivos), la recomendación es que una persona apruebe antes de que se ejecuten. Así, aunque la IA se equivoque o alguien intente engañarla, el daño queda contenido.
Paso 4: ¿cómo probar la IA antes de usarla con clientes?
Con casos reales de tu operación y en un entorno de prueba. El marco de gestión de riesgos de IA del NIST recomienda probar los sistemas antes de ponerlos en operación y regularmente mientras operan, y vigilar su comportamiento en producción.
- Junta preguntas y casos reales, incluidos los difíciles: el cliente molesto, el producto descontinuado, la petición fuera de política.
- Revisa las respuestas con quien hoy hace la tarea; él sabe qué está bien.
- Arranca con un grupo pequeño de usuarios o clientes y amplía cuando la métrica del paso 1 mejore.
- Revisa una muestra de conversaciones o resultados cada semana, sobre todo al principio.
Paso 5: ¿quién es responsable de lo que hace la IA?
Una persona de tu empresa, con nombre. Los Principios de IA de la OCDE, organización de la que México es miembro, piden supervisión humana y trazabilidad: poder reconstruir qué datos usó el sistema, qué hizo y quién lo autorizó.
En la práctica: que cada acción de la IA quede registrada en tu sistema (por ejemplo, en el historial del pedido o del cliente en Odoo), que el responsable revise los indicadores y que exista un procedimiento claro para apagarla o corregirla si algo sale mal.
¿Conviene construir la IA internamente o con un socio?
Depende de tu equipo, pero los datos favorecen apoyarse en alguien. En el estudio del MIT, las herramientas desarrolladas con socios externos llegaron a operar cerca del 67 % de las veces, contra cerca del 33 % de las construidas internamente. El estudio aclara que son resultados autorreportados.
Lo que hace la diferencia, según el mismo estudio, es que la herramienta se integre al flujo de trabajo y aprenda de él. Por eso en NIQERA trabajamos en cuatro etapas: diagnóstico (sin diagnóstico no empezamos a configurar), arquitectura, implementación con tus datos reales y operación con medición sobre indicadores acordados. Y no prometemos que la IA, por sí sola, resuelva los problemas del negocio.
Si tu caso es atender clientes, mira cómo funciona un agente de IA que atiende por WhatsApp conectado a tu CRM; si es ordenar la operación primero, empieza por la implementación de Odoo.
Lista rápida antes de arrancar
- Un proceso elegido y su métrica de hoy.
- La lista de datos que verá la IA y el proveedor que los procesa.
- Los permisos de la IA, escritos, y qué acciones requieren aprobación.
- Un conjunto de casos de prueba reales.
- Un responsable con nombre y una revisión semanal agendada.
Glosario
- IA generativa
- Inteligencia artificial que produce texto, imágenes u otro contenido a partir de instrucciones.
- Agente de IA
- Sistema de IA que, además de responder, ejecuta acciones en otros sistemas: consultar existencias, crear una cotización, enviar un mensaje.
- Alucinación
- Respuesta falsa o inventada que la IA presenta con seguridad.
- Inyección de instrucciones
- Texto escondido en un mensaje, correo o documento que intenta que la IA haga algo distinto de lo que debe.
- Humano en el bucle
- Diseño en el que una persona revisa o aprueba las acciones importantes de la IA antes de que se ejecuten.
Preguntas frecuentes
¿Por dónde empiezo a usar IA en mi empresa?
Por un proceso que se repita todos los días, que hoy se haga a mano y que puedas medir. Anota cómo está hoy para comparar después.
¿Puedo usar un chat de IA con datos de mis clientes?
Antes revisa qué proveedor procesa los datos y en qué condiciones. En México tu empresa sigue siendo responsable de los datos personales de tus clientes; consulta el caso con tu asesor legal.
¿Necesito Odoo para usar inteligencia artificial?
No necesariamente, pero con tus datos ordenados en un solo sistema la IA tiene de dónde responder y sus acciones quedan registradas.
¿La IA va a reemplazar a mi equipo?
Según el Banco de México, la mayoría de las empresas que ya la usan no ha percibido efectos significativos sobre el empleo. Lo común es que la IA tome tareas repetitivas y el equipo supervise y decida.
¿Qué pasa si la IA se equivoca?
Por eso se le dan permisos mínimos, una persona aprueba las acciones importantes y cada acción queda registrada: el error se detecta y se corrige antes de que crezca.
Fuentes: MIT NANDA, «The GenAI Divide: State of AI in Business 2025», julio de 2025 (hallazgos preliminares) · MIT Sloan Management Review y BCG, «The Emerging Agentic Enterprise», noviembre de 2025 · Banco de México, «Opinión empresarial sobre la adopción de inteligencia artificial en México…», septiembre de 2026 · Banco de México, «Opinión empresarial sobre la adopción y el uso de inteligencia artificial y automatización», diciembre de 2025 · NIST AI 600-1, perfil de IA generativa, julio de 2024 · NIST, AI Risk Management Framework 1.0 · OWASP, Top 10 para aplicaciones con LLM 2025: agencia excesiva · OCDE, Principios de IA · Ley Federal de Protección de Datos Personales en Posesión de los Particulares (DOF 20-03-2025)
