¿Empezar ahora con IA o esperar 6 meses? La pregunta correcta es otra

Tu comité lleva seis meses con esto en agenda. Cada vez que aparece, alguien dice «mejor esperemos a que la tecnología se asiente» y todos asienten. Y vuelve a aparecer al mes siguiente. Es la decisión más aplazada en los comités directivos castellanos en lo que va de 2026, y aplazarla no es gratis.

Lo que sigue es una conversación honesta sin propaganda: cuatro situaciones donde esperar es la decisión correcta, cuatro donde no, y la pregunta única que cierra el ciclo.

Por qué adoptar IA es la decisión más aplazada en comités directivos en 2026

La conversación se repite con un guion casi idéntico en docenas de comités directivos. El director financiero pregunta cuánto cuesta. El director de operaciones pregunta qué problema resuelve. El director de sistemas dice que aún hace falta más claridad. Alguien menciona el AI Act. Otra persona recuerda un caso de un competidor. Y la conclusión, mes tras mes, es que conviene seguir observando.

La fatiga es real y los argumentos para esperar tienen mérito. La tecnología está cambiando rápido. La regulación europea se aplica plenamente el 2 de agosto de 2026 con consecuencias todavía sin precedente. Los proveedores se están reestructurando — varios anunciaron en abril ajustes de plantilla simultáneos a sus métricas de crecimiento en inteligencia artificial. Quien decide esperar no está siendo perezoso. Está reaccionando a un mercado ruidoso con una respuesta razonable.

El problema no es esperar. Es esperar sin haber definido qué tendría que cambiar para no esperar más. Esa es la pregunta que la mayoría de comités no se está haciendo, y es la única que cierra el ciclo.

Las tres razones legítimas para esperar

Conviene empezar por reconocer que esperar puede ser la respuesta correcta. Hay tres razones de peso que vemos repetidas y que en su forma fuerte justifican aplazar.

1. Razón regulatoria: alto riesgo sin análisis legal cerrado

Si la actividad de tu empresa cae dentro del catálogo de alto riesgo del Reglamento Europeo de Inteligencia Artificial — banca de crédito al consumo, contratación de personal con cribado automático, dispositivos médicos, infraestructura crítica, gestión de migraciones, justicia, educación con evaluación automatizada — y tu equipo legal aún no ha terminado el análisis del impacto que eso tiene sobre tus procesos, esperar tres a cuatro meses para saber qué te toca hacer es prudente, no procrastinación.

2. Razón operativa: datos sin condiciones para producción

Si tus datos no están en condiciones de ser usados — seis versiones de la misma tabla en distintos sistemas, gobierno de datos sin propietario claro, integraciones que se hacen a mano cada mes — el primer proyecto de inteligencia artificial sobre datos sucios es un fracaso predecible y caro de revertir. Empezar antes de tener un mínimo de orden es construir sobre arena.

3. Razón organizativa: nadie con criterio para liderar

Si nadie en tu organización tiene criterio suficiente para liderar una conversación seria con un proveedor de IA — no hace falta título técnico, hace falta criterio para distinguir promesa de entrega — empezar implica delegar la dirección al proveedor. El proveedor termina decidiendo qué construir, cómo medirlo y cuándo declararlo un éxito. Es la peor configuración posible.

Estas tres razones, en su forma fuerte, son legítimas. Lo que no es legítimo es invocar versiones débiles — «no tenemos los datos perfectos», «queremos esperar a la versión definitiva», «preferimos que alguien lo haga primero» — como tapadera de una decisión que en realidad no se está tomando.

Las tres razones legítimas para empezar ya

En el otro lado hay también tres razones de peso, ninguna de ellas urgencia inventada por vendor.

1. Curva de aprendizaje organizativo

Una empresa que ha completado un proyecto serio de inteligencia artificial — aunque sea pequeño, aunque haya tenido tropiezos — tiene algo que la que solo ha leído sobre el tema no tiene: comité formado, vocabulario común, criterios de evaluación calibrados, un baseline de cuánto cuesta y cuánto devuelve. Ese aprendizaje no se compra; se acumula. Cada mes que esperas, la organización del competidor que sí decidió está aprendiendo algo que tú vas a tener que aprender más tarde, probablemente con prisa.

2. Ventana competitiva

Si en tu mercado hay ya un competidor visible con un caso de inteligencia artificial cara al cliente — chatbot, recomendador, cotización automática, atención conversacional — la ventana para entrar en paralelo se cuenta en trimestres, no en años. La diferencia entre llegar tercero y llegar séptimo es estructural; la diferencia entre llegar segundo y llegar tercero suele ser anecdótica. Si la ventana está abierta, esperar la cierra.

3. Talento

Los profesionales con experiencia real en inteligencia artificial — no certificaciones, experiencia operativa medible — eligen empresas activas. Una compañía que aplaza durante un año la decisión IA tiene un mensaje implícito para cualquier candidato con criterio: aquí no se hace. La pelea por el talento no se gana con paquete salarial; se gana con proyecto reconocible. Esperar contrae la oferta de quien podría llevar el primer proyecto serio.

El registro empírico: lo que reportan las empresas que empezaron a tiempo

Hay una asimetría empírica relevante en esta conversación, y conviene mirarla de frente. La evidencia publicada en lo que va de 2026 favorece materialmente a quienes decidieron empezar a tiempo y bien — sobre todo cuando el primer proyecto se aplicó a procesos corporativos internos, donde el ruido vendor es menor y los retornos se miden con la contabilidad de la propia empresa.

Los casos concretos publicados este trimestre apuntan en la misma dirección y empiezan a tener volumen para no ser anecdóticos. Un integrador europeo de gran tamaño reportó en sus resultados del primer trimestre que el 11% del total de su contratación firmada ya viene de proyectos basados en agentes — la primera vez que una métrica financiera dura del agentic se reporta a inversor. Un integrador americano comunicó la misma semana que el coste de su programa interno de transformación con inteligencia artificial — aplicado primero a sus 350.000 empleados antes de venderlo fuera — devuelve entre 200 y 300 millones de dólares anuales en eficiencia operativa medida.

Una boutique global publicó un caso de modernización de código heredado bancario en el que un proceso que históricamente tomaba tres meses se cierra ahora en cuatro horas, y un piloto en una industria distinta donde automatizar el 1% del flujo de reclamaciones de garantía devuelve aproximadamente un millón de dólares al año. Otra firma reportó proyectos de automatización de procesos administrativos donde el tiempo de cierre cae de meses a semanas y el porcentaje de tareas que el sistema resuelve sin intervención humana llega al 70%.

Estos casos no son material de marketing. Son cifras publicadas en informes de resultados a inversores, comunicados oficiales y cobertura de prensa especializada — verificables si tu equipo quiere leerlas.

La conclusión que un comité prudente debe extraer no es «todos están ganando con inteligencia artificial»: el mismo informe de Bain registra que la mayoría sigue en piloto sin retorno claro, y la consultora Gartner anticipa que más del 40% de los proyectos basados en agentes se cancelarán antes de finales de 2027 por costes que escalan o por valor de negocio difuso. La conclusión correcta es más matizada y más útil: las organizaciones que empiezan bien y a tiempo capturan ventajas operativas estructurales; las que empiezan mal o tarde pagan el coste sin el retorno. Las cuatro condiciones que detallamos a continuación son precisamente las que separan empezar bien de empezar mal.

Los cuatro contextos donde esperar es la decisión correcta

Combinando las tres razones para esperar con la realidad de cada empresa, hay cuatro contextos donde la respuesta es objetivamente «no aún».

Los cuatro contextos donde empezar ya es la decisión correcta

Por simetría, hay cuatro contextos donde la respuesta es «ya».

Las dos trampas que invalidan la decisión

Trampa 1: esperar sin fecha de revisión ni disparador concreto

La trampa más frecuente cuando se decide esperar es no fijar fecha de revisión ni señal que active la decisión. La conversación queda como «lo retomamos en su momento» y se renueva sola cada mes. Al cabo de medio año la situación es idéntica. Esperar es legítimo solo cuando viene con una fecha — tres meses, seis meses — y con un disparador concreto: «si aparece un competidor con caso visible, si un cliente importante pregunta, si el legal cierra el análisis del AI Act, empezamos antes de la fecha».

Trampa 2: empezar sin métrica de salida del piloto

La trampa simétrica cuando se decide empezar es no fijar métrica de salida. El piloto se aprueba con entusiasmo, se ejecuta con dificultades razonables, se va prolongando. Al cabo de un año hay un piloto perpetuo que nadie quiere matar y que no produce resultado claro. Empezar es legítimo solo cuando viene con un piloto pequeño, una métrica concreta — reducción de tiempo a producción, mejora de tiempo de respuesta, ratio entre coste y ahorro verificado — y una fecha de evaluación.

La pregunta que cierra el ciclo

La conversación honesta que tu comité necesita tener no es «¿esperar o empezar?». Es:

Si la respuesta es «nada concreto, lo vemos el próximo trimestre», la decisión no se está tomando. Lo que se está tomando es la opción por defecto, que es esperar otro mes. Y el mes que viene volverá a aparecer en agenda. Y volverá a aplazarse.

Si la respuesta es «esperamos hasta junio porque legal cierra entonces el análisis del AI Act, y empezamos antes solo si nuestro mayor competidor lanza algo público antes», la decisión está tomada. La incertidumbre futura está acotada. El comité tiene libertad para sacar el punto de la agenda hasta que ocurra una de las dos cosas.

Esa es la pregunta que más comités están saltándose en lo que va de año. No es una cuestión de inteligencia artificial. Es una cuestión de cómo decide tu comité.