El 80% de los proyectos de IA no supera la prueba, según Dell

Cerca del 80% de los proyectos de inteligencia artificial se queda en pruebas de concepto y no alcanza una etapa de producción activa dentro de las empresas, según David Hernández, gerente general de Dell Technologies para Colombia y Ecuador.

Para las pequeñas y medianas empresas, la diferencia entre experimentar con una herramienta y convertirla en una inversión está en identificar primero el problema que necesita solución, calcular su impacto financiero y determinar si la IA es la tecnología adecuada para atenderlo.

“Hay una voluntad por parte del empresariado en general en un país como Colombia para implementar este tipo de herramientas. Sin embargo, la pregunta es qué necesitamos hacer para que realmente los proyectos de inteligencia artificial muestren el retorno de la inversión”, explicó David Hernández.

El ejecutivo propone cuatro pasos para que las pymes evalúen la adopción de inteligencia artificial sin asumirla como un nuevo gasto tecnológico.

Evaluar las alternativas disponibles

La primera recomendación es revisar las soluciones existentes antes de concluir que implementar IA requiere una inversión elevada.

El mercado ofrece herramientas con diferentes modelos de acceso, capacidades y costos. La selección debe considerar el tamaño de la empresa, el sector al que pertenece y el proceso que busca intervenir.

“Hay opciones para todos, para todo tipo de empresas, para todo tamaño de empresas y para cualquier tipo de negocio, sin importar el sector o la industria a la que pertenece”, señaló el ejecutivo.

Esta revisión también debe establecer si la organización necesita desarrollar una solución propia, contratar una plataforma especializada o incorporar funciones de IA disponibles en herramientas que ya utiliza.

Identificar el problema antes de elegir la herramienta

El segundo paso consiste en establecer qué dificultad operativa necesita resolver la empresa. La adopción puede comenzar en actividades repetitivas, atención al cliente, procesamiento de documentos, análisis de información, elaboración de pronósticos o automatización de tareas administrativas. La prioridad dependerá de las necesidades de cada negocio.

Definir el problema permite establecer indicadores para medir el resultado. Entre ellos pueden incluirse el tiempo ahorrado, la reducción de errores, el costo por operación, la velocidad de respuesta o el aumento de la capacidad comercial.

Sin una necesidad delimitada y una métrica de seguimiento, el proyecto puede permanecer en fase experimental sin demostrar su aporte al negocio.

Detectar dónde se pierden tiempo y recursos

La tercera recomendación es revisar los procesos cotidianos para identificar actividades que generan demoras, reprocesos o desperdicio de recursos.

Este diagnóstico permite distinguir entre un problema tecnológico y una falla relacionada con el diseño del proceso, la disponibilidad de información o la capacitación de los equipos.

La empresa también debe determinar si cuenta con los datos necesarios para entrenar, alimentar o utilizar la herramienta. Información incompleta, dispersa o desactualizada puede limitar la capacidad de la IA para producir resultados utilizables.

Priorizar los procesos con impacto financiero

El cuarto paso es ordenar los posibles casos de uso de acuerdo con su efecto sobre los costos, los ingresos o la productividad.

Para una pyme, iniciar con un proceso delimitado permite comparar el costo de la solución con el beneficio obtenido. Si el resultado puede medirse y repetirse, la compañía tendrá una base para ampliar la implementación a otras áreas.

Esta priorización también ayuda a evitar proyectos extensos que consumen recursos antes de comprobar su viabilidad operativa.

La infraestructura también condiciona la adopción

El paso de una prueba de concepto a una operación permanente exige capacidad de cómputo, conectividad, energía, almacenamiento y centros de datos.

Según Hernández, un proyecto de procesamiento intensivo de inteligencia artificial puede registrar un consumo aproximado de 150 kilovatios, dependiendo de sus características y escala.

“Si Colombia no se prepara adecuadamente para soportar el tipo de infraestructura que requiere el procesamiento de IA intensiva, vamos a tener un problema”, afirmó David Hernández, gerente general de Dell Technologies para Colombia y Ecuador.

A estas condiciones se suman la regulación, la calidad de los datos y la disponibilidad de talento para desarrollar, implementar y supervisar los sistemas.

Colombia cuenta desde febrero de 2025 con el CONPES 4144, Política Nacional de Inteligencia Artificial. El documento establece más de 100 acciones hasta 2030 y una inversión pública de $479.000 millones para fortalecer la gobernanza, la infraestructura, el talento, la investigación y la adopción de esta tecnología, según el Departamento Nacional de Planeación.

Para las pymes, llevar la IA a producción requiere vincular cada implementación con un problema medible, un proceso prioritario y un resultado financiero. Esa ruta permite decidir qué proyectos deben escalarse y cuáles deben permanecer como pruebas.