Hay una escena que se repite en casi todas las empresas que compran IA. Alguien elige la herramienta más potente, se firma la licencia, se anuncia con orgullo en la reunión de dirección, y tres meses después nadie la usa. La factura sigue llegando. El modelo era buenísimo. El proyecto, un fracaso. Y la autopsia siempre apunta al sitio equivocado: se habla del modelo, del proveedor, de la integración, cuando el muerto está en otro lado.
La tesis en una frase: el ROI de la IA no lo decide el modelo, lo decide la adopción. El mejor sistema del mundo sin gente que lo use no renta un euro; uno modesto que encaja en el flujo diario y se usa de verdad, sí. El retorno se juega en el cambio de hábito y en el encaje en el trabajo real, no en la puntuación del benchmark. Y como casi nadie presupuesta esa parte, casi nadie ve el retorno que prometía la demo.
Por qué la adopción de IA en la empresa decide el ROI (y el modelo casi no)
El razonamiento es aburrido de tan simple. El retorno de una herramienta es, más o menos, cuánto ahorra o gana por uso multiplicado por cuántas veces se usa. Si el segundo factor es cero, el producto es cero, por muy alto que sea el primero. Un modelo un 5% mejor que otro no mueve la aguja si la diferencia entre usarlo cada día o no usarlo nunca es del 100%. Por eso la obsesión con qué modelo es más listo está mal calibrada: la variable que de verdad manda —cuánta gente lo incorpora a su trabajo— es la que casi nadie mira, porque es la aburrida, la de gestión del cambio, la que no sale en el keynote.
Lo curioso es que esto no es nuevo ni exclusivo de la IA. Es la misma historia del CRM que nadie rellenaba, del software de gestión que el equipo esquivaba con hojas de Excel paralelas, de la intranet que se abría el primer día y nunca más. La tecnología se compra; el uso se construye. La IA solo lo hace más evidente porque su promesa es más grande y su factura, más visible.
El error de orden: comprar el modelo antes que el hábito
La mayoría de proyectos de IA empiezan por el final. Se elige la herramienta, se despliega, y el «que la use la gente» se deja para después, como si fuera un detalle de implantación en vez de la mitad del proyecto. Es el mismo error de orden que hunde tantas automatizaciones y que cuenta bien la guía de por qué fracasan los proyectos de automatización con IA: se compra la solución antes de entender el problema y a la gente que tiene que convivir con ella.
El orden que funciona es el inverso. Primero, ¿qué trabajo concreto duele y quién lo hace? Segundo, ¿cómo encaja la herramienta en ese flujo sin pedirle a nadie que cambie diez cosas a la vez? Y solo entonces, ¿qué modelo o herramienta sirve? Elegir bien qué automatizar primero —lo repetitivo, lo medible, lo que la gente agradece quitarse— es justo el trabajo de decidir qué procesos automatizar con IA. El modelo es la última decisión, no la primera; y desde luego no es la que decide el retorno.
Qué es «adopción» de verdad (y qué no)
Adopción no es que la gente haya recibido el correo con el enlace y la contraseña. No es el número de licencias activadas ni las asistencias a la formación de una hora. Esas son métricas de vanidad: miden que se abrió la puerta, no que alguien entrara a vivir. Adopción de verdad es que la herramienta se ha metido en el hábito: que el comercial la abre sin pensar cuando prepara una propuesta, que la de soporte la usa en cada ticket, que dejar de usarla se notaría porque el trabajo volvería a doler.
La diferencia se ve en un dato: la mayoría de las licencias de IA que se compran en empresas mueren no por malas, sino por no usadas. Se pagan y se quedan quietas. Y una licencia parada no es un coste neutro: es la inversión entera tirada, más el desánimo de «probamos IA y no funcionó» que hace más difícil el siguiente intento. El fracaso rara vez es técnico; casi siempre es de uso.
Las tres cosas que de verdad mueven la adopción
Si la adopción es la variable que decide, la pregunta útil es qué la mueve. Por nuestra experiencia, casi todo se reduce a tres cosas, y ninguna es el modelo:
- Encaje en el flujo, no otra pestaña más. La herramienta que obliga a salir de donde ya trabajas —abrir otra web, copiar y pegar, cambiar de sitio— pierde. La que aparece dentro del CRM, del correo o del chat que ya usas, gana. La fricción de «tener que ir a usarla» mata más proyectos que cualquier defecto del modelo.
- Un dueño y un empujón, no un email. La adopción no ocurre sola por mandar un enlace. Necesita a alguien que la empuje: que forme sobre el trabajo real (no en abstracto), que resuelva la duda del primer día, que enseñe el atajo que convierte al escéptico. Sin un responsable con nombre, la curva de uso baja hasta cero en semanas.
- Una victoria temprana y visible. La gente adopta lo que le quita dolor ya, no lo que promete beneficios dentro de un trimestre. Empezar por un caso pequeño donde el ahorro se note en la primera semana genera el «esto sí sirve» que arrastra al resto. La ambición de automatizarlo todo de golpe, en cambio, garantiza que no se adopte nada.
Cómo se presupuesta la adopción (o por qué la licencia sola no renta)
La conclusión práctica no es «formad más», es «presupuestad la adopción como parte del proyecto, no como un extra opcional». Si la herramienta es el 50% del resultado, que se use es el otro 50%, y ese 50% cuesta trabajo: formación pegada al trabajo real, un dueño que sostenga el uso, un rediseño del flujo para que la IA aparezca donde ya se trabaja. Comprar solo la licencia y esperar el retorno es comprar medio proyecto y contabilizar el fracaso del otro medio como mala suerte.
Ese medio proyecto que casi nadie compra es exactamente el trabajo de un buen programa de adopción de IA para equipos: no vende licencias, monta el uso real —el encaje en el flujo, la formación sobre el trabajo, el dueño que lo sostiene—. Y no es un lujo de empresas grandes: es la diferencia entre que la inversión en IA rente o engrose la lista de suscripciones que nadie abre. El modelo, para entonces, es un detalle. Lo caro no es elegir mal la IA; es comprarla y que se quede quieta.