«En dos semanas tienes IA funcionando.» Es la frase que más se repite en las llamadas de venta y la que más proyectos entierra. Porque técnicamente no es mentira —hay cosas que sí se montan en dos semanas— y estratégicamente es una trampa: te venden el día de la inauguración y tú entiendes que en dos semanas el problema está resuelto. No es lo mismo. Vamos a responder cuánto se tarda en implementar IA en una empresa con plazos reales y con fuente, y a separar lo que se enciende rápido de lo que tarda una temporada en dar resultados de verdad.
Cuánto se tarda en implementar IA en una empresa: depende de qué llames «IA»
No hay un plazo único de «implementar IA» porque no hay «una» IA. Hay dos mundos con relojes distintos. Una automatización llave en mano —un chatbot sobre APIs que ya existen, un flujo que conecta dos apps, extracción de datos con un modelo de mercado— se pone en producción en semanas. Un sistema propio —un modelo ajustado a tus datos, un RAG sobre tu documentación, un agente con criterio y guardarraíles— tarda de 3 a 6 meses en estar en producción de verdad. Confundir los dos mundos es de donde sale casi todo el desengaño.
| Tipo de proyecto | Plazo real a producción | Qué manda en el reloj |
|---|---|---|
| Herramienta SaaS ya hecha | Días a 2 semanas | Configurar y conectar, poco más |
| Automatización llave en mano (chatbot, flujo, extracción) | 6–10 semanas | La integración con tus sistemas |
| Sistema a medida (modelo propio, RAG, agente con criterio) | 3–6 meses | Datos, integraciones y casos raros |
| Despliegue de IA en toda la empresa | 12–18 meses | Gobernanza, cumplimiento y adopción |
Estos tramos no me los invento. El agregado de análisis de mercado sitúa la media de una implantación de IA empresarial en 6 a 12 meses de arranque a producción, con las automatizaciones acotadas sobre plataformas ya hechas en 6 a 10 semanas y los despliegues a medida o de LLM a nivel de empresa en 12 a 18 meses (Alice Labs, mayo 2026, citando a McKinsey y Gartner). Traducido: si alguien te promete «IA» en dos semanas, o te está vendiendo la pieza fácil, o no te está contando el resto.
Por qué «en dos semanas tienes IA» vende el día del lanzamiento, no la temporada
La promesa de las dos semanas es cierta para una cosa muy concreta: encender una demo. Un chatbot sobre una API de mercado se levanta en días, y en la pantalla parece que ya está. Pero encender no es resolver. Entre la demo que funciona el martes y el sistema que aguanta tu operación real hay una temporada entera: los datos que hay que ordenar, las integraciones con tu ERP viejo, los casos raros que no aparecen hasta el mes tres y la gente que tiene que cambiar cómo trabaja. La demo es el día de la siembra. Los resultados son la cosecha, y la cosecha no va a tu ritmo comercial.
Ese desfase entre lo que se enciende y lo que rinde es hermano del desfase entre lo que se presupuesta y lo que se acaba pagando, que desmontamos en cuánto cuesta implementar IA en una empresa. Plazo y precio se esconden con el mismo truco: enseñar la parte fácil y cobrar la difícil por sorpresa.
Qué mueve de verdad el plazo (los cuatro relojes)
Si quieres estimar tu propio caso antes de creerte ningún calendario, mira estos cuatro relojes. Son los que de verdad mandan, en orden de impacto:
- El estado de tus datos. Es el reloj más grande y el que nadie mira: la preparación de datos se come entre el 40% y el 60% del tiempo total de un proyecto (Gartner, vía Alice Labs). Si tus datos viven ordenados, arrancas; si viven en PDFs, correos y hojas que nadie documentó, hay semanas de trabajo antes de tocar la IA.
- Las integraciones. Conectar un sistema moderno por API es rápido. Conectar un ERP de 2004 con middleware a medida añade semanas que casi nunca están en el plan inicial.
- Los casos raros que aparecen en el mes tres. Ningún piloto los ve, porque un piloto trabaja con ejemplos limpios. La factura mal maquetada, el pedido que no encaja, la excepción con criterio: eso solo sale con volumen real, y cada uno reabre el ciclo de pruebas.
- El cambio en la gente. La causa número uno de retraso no es técnica: el 42% de las organizaciones señala la gestión del cambio y la adopción como su mayor freno (Deloitte, vía Alice Labs). Un sistema que nadie usa no está en producción, está en una captura de pantalla.
Los dos primeros relojes son fontanería: dejar tus datos y tus sistemas en condiciones para que la IA se apoye en ellos, que es lo que hacemos en infraestructura de IA empresarial. Los dos últimos son oficio de implementación: acotar el proceso, meter los casos raros y dejarlo corriendo. Cómo se hace eso bien lo desarrollamos en automatizar un proceso con agentes y en cómo se crea un agente de IA que funcione de verdad —spoiler: la parte de «encenderlo» es la corta—.
Llave en mano vs a medida: la brecha de tres a cinco meses
La decisión que más mueve tu plazo es una: plataforma ya hecha o modelo a medida. Las organizaciones que usan plataformas pre-construidas despliegan un 58% más rápido que las que construyen un modelo propio, y esa diferencia se traduce en 3 a 5 meses de calendario (Gartner, vía Alice Labs). La lectura práctica: si tu dolor lo resuelve una plataforma de mercado bien configurada, montarte un modelo a medida no te hace más listo, te hace más lento. Y al revés: si tu caso es genuinamente propio, ese modelo a medida es el que trae la ventaja, pero entonces asume la temporada, no la semana. Si el dolor es mover datos entre las apps que ya usas, casi siempre es automatización de operaciones sobre lo que tienes —semanas, no meses—.
Pyme sola vs con ayuda: por qué el «solo» sale más lento
Hacerlo sin ayuda no es gratis en tiempo. La pyme que va sola tropieza justo en los dos relojes grandes: se atasca en la preparación de datos porque nadie del equipo lo ha hecho antes, y subestima la adopción porque no es su oficio. Por eso el 63% de las organizaciones se pasa del plazo que estimó, casi siempre por infravalorar lo que costaba tener los datos listos (KPMG, vía Alice Labs). Un equipo que ya ha montado tu mismo caso antes se salta el descubrimiento y recorta semanas: no porque trabaje más rápido, sino porque ya sabe dónde están las minas. La cuenta honesta no es «gratis contra caro», es «meses dando tumbos contra unas semanas con red».
Cómo pedir un plazo y que no te vendan humo
La forma de romper el juego es pedir el plazo por partes. Tres frases que cambian la conversación: «dame el plazo hasta la primera versión en producción, no hasta la demo»; «¿cuánto de ese plazo es preparar mis datos?»; «¿qué pasa cuando aparezcan los casos que el piloto no vio?». Quien implementa responde las tres sin sudar, porque vive de que el sistema funcione en tu operación. Quien hace teatro te repite «dos semanas» y cambia de tema, porque vive de que firmes antes de mirar el calendario de verdad.