Resumen ejecutivo
El 80% de las organizaciones en América Latina ya usa inteligencia artificial, pero solo el 15% la adopta de forma sostenible y con valor real. La diferencia entre esas dos cifras es la brecha donde mueren los proyectos. Y la tesis de Yoko Pérez es incómoda para los equipos técnicos: el salto del piloto a producción no es un problema tecnológico, es un problema organizacional. El agente puede estar impecablemente construido y aun así no llegar nunca a producción — porque no estaba alineado con la estrategia, porque nadie entendió el problema de fondo, porque no hubo gestión del cambio, o porque faltó gobierno. Este artículo recorre las causas reales del fracaso, su costo medido en dinero y en confianza, y el Strategic AI Framework que la autora publicó de forma abierta para recorrer el camino completo: desde medir la madurez de la organización hasta escalar con gobierno.
1. La historia que se repite
Empieza bien. Un equipo construye un agente de IA, técnicamente sólido, con la convicción de que va a cambiar el negocio. Pero cuando llega el momento de lanzarlo, la organización empieza a hacer preguntas que nadie hizo antes: ¿para qué lo vamos a usar? ¿reduce costos? ¿ayuda a operaciones? Y ahí aparece el primer problema — como resume Pérez, estaba fantásticamente hecho, pero no era hacia donde la empresa iba.
Al probarlo, aparece el segundo: no era lo que los usuarios esperaban. No se entendió a fondo el problema, ni al usuario, ni el contexto; buena parte del diseño se hizo sobre suposiciones. "Sin descubrimiento y sin diseño, la solución —aunque sea muy bonita— puede estar resolviendo el problema equivocado, y de forma equivocada."
El tercero llega al liberar: el piloto funcionaba con un grupo acotado, pero el resto no lo adopta. No hubo preparación, ni comunicación, ni formación, ni acompañamiento. La respuesta del equipo es predecible: "sigo haciendo las cosas como las hago; no quiero cambiar". Y el cuarto cierra el círculo: se lanzó sin revisar seguridad ni datos sensibles, sin políticas claras, sin saber quién decide ni ante quién se responde cuando algo falla, con sesgos que producen decisiones injustas. Sin gobernanza, seguridad ni ética no hay confianza; y sin confianza no hay adopción.
Usar IA no es lo mismo que adoptar IA. Usar IA es tener herramientas aisladas, pilotos que no escalan, inversiones sin retorno, resistencia cultural, y todo eso sin estrategia ni gobierno. Adoptar IA es convertirla en una capacidad de la organización.
2. El error de diagnóstico
Cuando un agente no llega a producción, el instinto es señalar el último tramo: la idea, la prueba de concepto, la demo, el piloto… y el salto a producción. Ahí parece morir el proyecto. Pero, como plantea Pérez, el problema empezó mucho antes: en decisiones tomadas antes de escribir una línea de código.
La pregunta correcta, entonces, no es «¿cómo construimos el agente?» sino «¿estamos construyendo el camino para que realmente genere valor?». Ese camino tiene cinco tramos: estrategia de IA (dónde puede aportar valor y hacia dónde vamos), entendimiento del problema (con datos y descubrimiento real — ¿es un problema importante y frecuente, o algo que ocurre una vez cada dos meses y se resuelve en veinte minutos?), alineación con el negocio (lo más brillante para nosotros puede no ser hacia donde va la empresa), diseño de la solución (atacar la causa raíz, no emular lo que ya hacemos) y gobierno, gestión del cambio y métricas para escalar con seguridad.
3. Cuánto cuesta quedarse en el piloto
La charla aterriza el costo con tres casos reales de la región, anonimizados:
| Caso | Qué falló | Pérdida estimada |
|---|---|---|
| Banco · agente de análisis de crédito | Diez meses de desarrollo; no se integró con riesgos ni cumplió requisitos obligatorios. Nunca se pudo lanzar. | US$ 1,2 M |
| Retail regional · agente de atención al cliente | Piloto con 200 personas sin estrategia de adopción: seis meses después seguían siendo las mismas 200. | US$ 780 K |
| Manufactura · mantenimiento predictivo | Sin datos de calidad ni gobierno de datos: las predicciones generaron más ruido que valor. | US$ 950 K |
Pero el dinero es la parte fácil de contar. Lo que no aparece en el balance es más caro: tiempo perdido de equipos completos, confianza erosionada —cada piloto fallido aumenta el escepticismo y reduce el apetito por innovar—, equipos desmotivados, riesgo reputacional (el caso del sistema de selección de personal que discriminaba por sexo se sigue citando años después) y, sobre todo, oportunidades perdidas: mientras tu agente no escalaba, la competencia sí lo hizo y se quedó con ese mercado.
4. El Strategic AI Framework
De ese diagnóstico nace la propuesta: un marco de trabajo abierto y gratuito que la autora publicó con sus herramientas incluidas. Una advertencia de partida: no es un proceso lineal ni una secuencia obligatoria de pasos — se dibuja así para que sea fácil de leer, pero cada organización entra por donde su etapa lo pide, porque las organizaciones no adoptan IA siguiendo una única ruta: construyen capacidades mediante aprendizaje, adaptación y evolución continuos.
| Pregunta | Herramienta |
|---|---|
| ¿Qué tan madura está mi organización? | AI Maturity Radar |
| ¿Tenemos una estrategia y está clara? | AI Strategy Map |
| ¿Por qué áreas empiezo y cuál rinde más? | AI Opportunity Radar · AI ROI |
| ¿Cómo convierto oportunidades en experimentos? | AI Early Adopter · AI Lab |
| ¿Cómo genero casos de negocio con valor? | AI Use Canvas · AI Product · portafolio |
| ¿Cómo opero y escalo? | AI Organization Design · AI Roles · modelo operativo |
Dos capas atraviesan todo el marco, y no por decoración: gestión del cambio, formación y comunicación por un lado; gobierno, seguridad y ética por el otro. Son transversales porque, sin ellas, todo lo demás "se sostiene en un hilo".
5. Medir antes de construir
El AI Maturity Radar es, en palabras de la autora, "el antídoto a construir a ciegas". Evalúa seis pilares, cada uno con una pregunta que la organización debe poder responder sin rodeos:
- Estrategia y liderazgo — ¿la organización tiene una dirección clara sobre cómo la IA contribuye a los objetivos de negocio?
- Gestión de datos — ¿contamos con la información necesaria para alimentar y escalar las soluciones?
- Despliegue — ¿somos capaces de convertir ideas en soluciones funcionando en producción?
- Talento y experiencia — ¿las personas tienen las capacidades para trabajar con IA?
- Gobierno y ética — ¿existen mecanismos que garanticen una IA segura, ética y confiable?
- Cultura y gestión del cambio — ¿la organización está preparada para incorporar la IA a su forma de trabajar?
Cada pilar se puntúa de 1 a 5. En el nivel 1 (explorando) hay curiosidad, iniciativas informales — alguien por ahí ya hizo un agente y le quedó bonito —, uso experimental, ausencia de estrategia y casos aislados. En el nivel 5 (transformado) la IA opera como capacidad estratégica integrada al negocio, con escalamiento organizacional, cultura instalada, decisiones aumentadas por IA, innovación, gobierno, ética y sostenibilidad. El resultado no es una nota: es un mapa de por dónde empezar.
6. Los ocho dilemas estratégicos
Con el mapa en la mano viene la estrategia, y ahí Pérez plantea ocho decisiones que la dirección debe discutir, resolver y —sobre todo— comunicar. No tienen respuesta única; tienen respuesta propia:
- ¿Dónde juega la IA? ¿Optimiza el negocio actual o transforma y crea nuevas oportunidades?
- Riesgo versus retorno. ¿La aplicamos en back office —menos riesgo, menos retorno— o en operaciones core, donde el retorno es mayor pero un error golpea el corazón del negocio?
- ¿Cómo la usamos? ¿Como asistente, como sistema de recomendación, o como decisor y automatización? ¿Qué le delegamos, incluso teniendo un humano supervisando?
- Velocidad versus cumplimiento. ¿Qué tan estrictos somos con políticas y regulación frente a cuánta libertad damos para innovar?
- Personas y talento. ¿Contratamos expertos o desarrollamos talento interno?
- Horizonte de inversión. ¿Quick wins visibles o construcción de capacidades de largo plazo con retorno lejano?
- Modelo organizativo. ¿Centralizado, descentralizado o híbrido — un núcleo que define estrategia, gobierno y políticas, más embajadores en cada área detectando oportunidades?
- Posicionamiento competitivo. ¿La IA es una capacidad operativa interna o un diferenciador frente al mercado?
7. Conclusiones
Tres ideas para llevarse. Primero, si tu agente no llegó a producción, probablemente el problema no estuvo en el modelo: estuvo en las decisiones que se tomaron —o no se tomaron— antes de construirlo. Segundo, el costo de quedarse en el piloto se paga en confianza, y esa moneda es la más difícil de recuperar: cada fracaso encarece el siguiente intento dentro de la misma organización. Tercero, medir antes de construir: conocer la madurez real en datos, talento, gobierno y cultura evita invertir diez meses en algo que la organización todavía no puede sostener.
Para la región, el dato de Gartner es una oportunidad leída al revés: si el 80% ya usa IA y solo el 15% la adopta bien, hay un 65% de organizaciones latinoamericanas a un paso de generar valor real — y ese paso no exige más presupuesto de cómputo, sino estrategia, gobierno y gestión del cambio.
Referencias
- Pérez, Y. (2026). Por qué tu agente de IA NO llega a producción [presentación]. I Congreso IA-LATAM. PDF de la charla.
- Pérez, Y. (2026). ¿Por qué tu agente de IA NO llega a producción? [video]. Canal de Comunidad IA LATAM en YouTube. youtube.com/watch?v=hOcreetthIM.
- Cifras de adopción de IA en América Latina atribuidas en la charla a Gartner: 80% de las organizaciones usa IA; 15% la adopta de forma sostenible.
- Strategic AI Framework — marco abierto y gratuito con sus herramientas, publicado por la autora. Acceso a través de su perfil profesional.
Sobre la autora
Yoko Pérez es CEO y fundadora de Akunia Global (México) y embajadora de la Comunidad IA LATAM en su país. Trabaja en estrategia y adopción organizacional de inteligencia artificial, y es autora del Strategic AI Framework, un marco abierto y gratuito con herramientas para que empresas y consultores diagnostiquen su madurez en IA y construyan el camino hasta producción. LinkedIn
Artículo elaborado por la Comunidad IA LATAM a partir de la presentación oficial y la transcripción del video de la charla. Las cifras de pérdidas corresponden a casos reales anonimizados presentados por la autora. Las citas fueron levemente editadas por claridad.