Los 3 principales frenos a la hora de adoptar IA en tu empresa
En resumen
Cuando una empresa dice que no avanza con inteligencia artificial por el presupuesto, el costo suele ser el síntoma de otro problema. Los frenos reales son tres: la información, los procesos y las personas, en ese orden de menor a mayor. BCG estima que el 70% del valor de la IA depende de las personas y los procesos. En una encuesta a 402 empresas argentinas, los costos aparecen recién en el quinto lugar entre los obstáculos. Lo que más frena es la falta de conocimiento y de gente preparada.
El presupuesto es la razón que más se escucha cuando una empresa explica por qué todavía no implementó inteligencia artificial. Aparece en las conversaciones con dueños y directores, aparece en los informes de consultoras y aparece en las encuestas. El CIO Report 2026 de Logicalis encontró que el 84% de los líderes de tecnología de Argentina reconoce que el presupuesto para IA puede convertirse en una barrera en algunos casos.
Ese dato hay que leerlo con contexto. Lo responden líderes de tecnología de empresas grandes, que cargan con sistemas heredados de veinte años, con adaptaciones a medida en cada integración y con regulaciones más estrictas que las de una empresa en crecimiento. En ese mundo cada proyecto cuesta más porque cada proyecto toca más cosas. Aún así, el mismo informe pone otra barrera por encima del presupuesto: el 94% dice que lo que frena sus planes de IA es la falta de habilidades técnicas.
Cuando se pregunta a empresas medianas, el orden cambia todavía más. La encuesta de adopción de IA de nadIA relevó 402 empresas de Argentina entre noviembre y diciembre de 2025. Los tres obstáculos más mencionados fueron la falta de experiencia y conocimiento (46,2%), la falta de personal calificado (42,2%) y el desconocimiento general sobre IA (39,2%). Los costos altos aparecen recién en quinto lugar, con el 29,2%.
El presupuesto es el síntoma
Cuando el costo de la IA se vuelve un problema, casi siempre hay otra cosa debajo. El caso más conocido de 2026 es el de Uber, que consumió todo su presupuesto anual de inteligencia artificial en los primeros cuatro meses del año. La empresa repartió herramientas de IA entre sus ingenieros antes de definir en qué procesos usarlas y el consumo creció sin un resultado que lo justificara. El detalle completo está en el artículo sobre tokenmaxxing.
Lo mismo pasa a escala chica. Un agente que responde mal porque trabaja con información vieja obliga a pagar a una persona para que lo supervise. Una automatización montada sobre un proceso que nadie definió se rehace dos o tres veces. En los dos casos la factura es real, pero lo que la infla es un problema de información o de proceso.
Dónde está el valor según la regla 10-20-70
Boston Consulting Group resume la distribución del valor de la inteligencia artificial en una regla que usa desde hace años: aproximadamente el 10% del valor viene de la tecnología, el 20% de los datos y los algoritmos y el 70% de los cambios en las personas, los procesos y el modelo operativo.
La regla sirve para ordenar los tres frenos:
- 📊La información corresponde a una parte del 20%. Sin datos disponibles y confiables, ningún modelo tiene con qué trabajar.
- 🔁Los procesos forman parte del 70%. La IA ejecuta reglas y alguien tiene que haberlas definido antes.
- 👥Las personas son la otra parte del 70% y la que más pesa. La encuesta anual de liderazgo en datos e IA de 2026, que relevó a unas 110 empresas grandes, encontró que el 93% de los ejecutivos señala la cultura y la gestión del cambio como el principal obstáculo. Solo el 7% apunta a la tecnología.
Freno 3: la información
La inteligencia artificial trabaja con lo que la empresa registra. Si la información no existe, está repartida en planillas o está encerrada en sistemas que no se comunican entre sí, el problema aparece antes de elegir cualquier herramienta. En la encuesta de nadIA, el 26,1% de las empresas menciona la incompatibilidad con los sistemas existentes como obstáculo.
La información de una empresa suele estar en uno de estos cuatro niveles de preparación. Los tres primeros son puntos de partida y el cuarto es el objetivo.
| Nivel | Dónde está la información | Qué puede hacer la IA |
|---|---|---|
| 1 | En ningún lado: papel, memoria, conversaciones | Nada, no hay datos |
| 2 | En registros manuales, sobre todo planillas de Excel | Leerla, sin poder confiar en ella |
| 3 | En sistemas estructurados, cada área con el suyo | Cruzar sistemas, con una capa de integración de por medio |
| 4 | En sistemas unificados o sincronizados | Conectarse directo, con la información ya limpia |
Nivel 1: la información no existe
Nadie la captura, o vive en papel y en la cabeza de alguien. Es el caso de la empresa donde el historial de un cliente lo conoce solamente el vendedor que lo atiende, o donde las condiciones comerciales se acuerdan por teléfono y no quedan escritas.
En este nivel no hay nada para automatizar todavía. El primer paso es empezar a registrar, aunque sea en una planilla.
Nivel 2: la información está dispersa en registros manuales
Hay datos, pero viven en planillas de Excel que cada área arma a su manera. Cada una tiene sus propias columnas, nadie valida lo que se carga y circulan varias copias del mismo archivo con cambios distintos. Dos personas consultan el precio de un producto y encuentran dos números.
En este nivel la IA puede leer la información, pero no tiene forma de saber qué versión es la correcta ni de detectar un dato mal cargado. El trabajo previo es definir una fuente única para cada dato importante, fijar su estructura y acordar quién la mantiene al día. En la mayoría de los casos, ese trabajo termina en pasar la planilla a un sistema.
Nivel 3: la información está dispersa en sistemas estructurados
La empresa ya dejó las planillas atrás, pero cada área tiene su propio sistema: el CRM para ventas, uno para facturación, otro para cobranzas, la contabilidad por su lado y producción con el suyo. Cada base está ordenada y validada, pero ninguna se comunica con las demás. El mismo cliente tiene un código en el CRM y otro en facturación.
En este nivel la información ya está lista para la IA. Un agente puede consultar varios sistemas a la vez y responder preguntas que cruzan áreas, como qué clientes con facturas vencidas tienen pedidos en producción. Lo que necesita es una capa de integración propia: tablas de equivalencia que digan que el cliente 123 del CRM es el A-45 de facturación, más reglas que definan qué dato manda cuando dos sistemas no coinciden. Esa capa hay que construirla antes de conectar el agente y mantenerla cada vez que un sistema cambia.
Nivel 4: sistemas unificados o sincronizados
Es el objetivo. La información vive en un sistema único, como un ERP que cubre todas las áreas, o en sistemas distintos que se sincronizan solos y mantienen los mismos datos al día. Un cliente es un solo registro, con su historial comercial, sus facturas, sus pagos y sus pedidos conectados.
En este nivel el agente se conecta directo, sin capa intermedia, porque la información ya está limpia y cada cliente tiene un único identificador. Puede operar sobre todo el ciclo del negocio: desde que entra un lead hasta que la factura se cobra.
Freno 2: los procesos
La IA necesita reglas claras para operar. Si el proceso vive en la cabeza del vendedor más antiguo o cambia según el criterio de quien lo ejecuta, ningún sistema lo puede aprender.
La pregunta que conviene hacerse antes de evaluar herramientas es simple: ¿el equipo puede describir paso a paso qué pasa dentro de un proceso? Si la respuesta es no, ahí está el primer trabajo. Lo siguiente es tener el proceso documentado, con sus excepciones y con los criterios que se aplican en cada caso.
Este freno tiene dos artículos propios. Qué automatizar primero ayuda a elegir por qué proceso empezar. La guía para saber si una empresa está lista para un agente de IA tiene cinco preguntas para diagnosticarlo.
Freno 1: las personas
Es el freno más grande, como pasa con cualquier tecnología nueva. La encuesta de nadIA lo muestra con claridad: los tres obstáculos más mencionados por las empresas argentinas son de conocimiento y de capacidades, no de dinero ni de tecnología.
Cuando la persona que hace la tarea frena el proyecto
Me tocó automatizar la confección de presupuestos en una empresa. La persona que los armaba a mano era la que mejor conocía las reglas y la que menos las compartía. No contaba todos los criterios que aplicaba, no daba feedback concreto cuando la herramienta se equivocaba y criticaba cada versión nueva sin decir qué había que corregir.
El proyecto quedó trabado hasta que esa persona dejó la empresa, recién entonces la automatización se pudo terminar e implementar.
El caso muestra algo que se repite: la persona que hace la tarea es la fuente principal de las reglas del proceso. Si no participa, el proyecto no tiene de dónde sacarlas.
El miedo a que la IA reemplace a la gente está mal enfocado
El temor más común es que automatizar una tarea sea el paso previo a eliminar el puesto de quien la hace. El que tiene que preocuparse es el que se resiste a usar la IA en su trabajo, porque ese va a ser reemplazado. Por otra persona que use IA.
Los roles cambian antes que los puestos
Cuando un proceso se automatiza, la tarea de la persona pasa de ejecutar a supervisar. Revisa los casos que el sistema no resolvió, corrige los errores y ajusta las reglas cuando el negocio cambia. Son habilidades distintas y casi ninguna empresa las entrena: en la encuesta de nadIA, solo el 4,5% de las empresas incorporó perfiles especializados en IA.
Alguien tiene que ser dueño del cambio
El último componente es de liderazgo. Un proyecto de IA sin un responsable con autoridad para decidir queda a merced de la resistencia de cualquier área. Y si el responsable mide lo que no corresponde, como el consumo de la herramienta en lugar del resultado del proceso, el equipo optimiza el número equivocado.
Por dónde empezar
El orden de los frenos sugiere también el orden del trabajo, leído al revés:
- 👥Primero las personas. Identificar quién hace hoy la tarea, sumarlo al proyecto desde el primer día y dejar claro qué cambia en su rol.
- 🔁Después el proceso. Escribir paso a paso cómo funciona hoy, con sus excepciones, antes de decidir qué parte automatizar.
- 📊Después la información. Ubicar en qué nivel está y resolver lo que haga falta para que el proceso elegido tenga datos confiables.
- 🔧Al final la tecnología. Con los tres frenos resueltos, la elección de la herramienta pasa a ser la decisión más sencilla del proyecto.
Para ubicar a una empresa en cada uno de estos frentes, el test de madurez en IA recorre personas, procesos, datos y tecnología en 31 preguntas y devuelve la etapa de cada pilar con los pasos que siguen.
Es el mismo orden del framework Personas, Procesos y Tecnología que guía el trabajo de implementación de IA en empresas. Y es también la razón por la que el presupuesto rara vez es el problema: cuando las personas, los procesos y la información están en orden, la tecnología es la parte más barata del proyecto.
Preguntas frecuentes
¿El presupuesto nunca es un freno para adoptar IA?
Puede serlo en empresas grandes con sistemas heredados y regulaciones exigentes, donde cada integración es un proyecto en sí mismo. En empresas en crecimiento, los datos muestran que pesa menos que la falta de conocimiento y de personal preparado. Cuando el costo se dispara, conviene revisar primero si el problema de fondo es de información, de proceso o de personas.
¿Cómo se sabe en qué nivel está la información de una empresa?
Una forma rápida es preguntar dónde está un dato clave, como el precio vigente de un producto o el historial de un cliente. Si nadie lo sabe, es nivel 1. Si la respuesta es una planilla, o varias planillas con números distintos, es nivel 2. Si está en un sistema pero hay que cruzarlo a mano con otro, es nivel 3. Si se consulta en un solo lugar y coincide en todos, es nivel 4.
¿Qué hacer si la persona que conoce el proceso se resiste?
Sumarla al proyecto como la dueña de las reglas, no como alguien a quien la herramienta viene a reemplazar. Ayuda dejar claro desde el inicio cómo cambia su rol y pedirle feedback concreto sobre cada error del sistema. Si aun así no participa, el proyecto necesita otra fuente para las reglas antes de seguir avanzando.
¿Por qué las personas pesan más que la tecnología?
Porque la tecnología se compra y las personas no. Las herramientas de IA son cada vez más accesibles, pero el valor aparece recién cuando alguien las incorpora a su trabajo diario. BCG estima que el 70% del valor depende de ese cambio en las personas y los procesos.
