Cuatro de cada diez proyectos de IA se cancelan: qué hacen distinto los que funcionan

En algún momento de este año alguien en tu empresa dijo la frase: "¿y nosotros cuándo ponemos IA?". Puede haber sido en una reunión de directorio, en el pasillo o después de ver a un competidor anunciando su "agente inteligente". La pregunta es razonable. El problema es lo que suele pasar después.

Lo que suele pasar después es que llega un proveedor con una demo impecable, se firma una prueba piloto, se arma un chatbot que contesta preguntas frecuentes, nadie mide nada durante seis meses y al año el proyecto se apaga sin que ninguna reunión lo dé por muerto. No es mala suerte ni impericia local: es el patrón dominante en el mundo, y ahora está medido.

Dos informes de esta semana que conviene leer juntos

El 13 de agosto Salesforce publicó su Agentic Enterprise Index, un análisis de uso real —no de encuestas de intención— sobre lo que hicieron sus clientes con agentes de IA entre febrero de 2025 y abril de 2026. Los números de los que funcionan son fuertes: las organizaciones casi triplicaron la cantidad de agentes en producción, tardan un 53% menos en poner uno nuevo en marcha y siete de cada diez pedidos se resuelven sin que intervenga una persona.

El contrapunto lo puso Gartner: más del 40% de los proyectos de IA agéntica van a cancelarse antes de que termine 2027. Las razones que enumera no son técnicas: costos que se disparan, valor de negocio que nunca se definió y controles de riesgo insuficientes. El MIT había llegado a algo parecido midiendo pilotos de IA generativa: el 95% no produjo ningún impacto medible en el resultado de la empresa.

Los dos informes no se contradicen. Dicen lo mismo desde los dos extremos: cuando el agente se apoya en un proceso definido y en datos ordenados, rinde muchísimo; cuando se compra como producto suelto, se cancela. La diferencia no está en el modelo de inteligencia artificial. Está en lo que hay abajo.

Primero: qué es realmente un agente y qué te están vendiendo

Un chatbot responde. Un agente hace: recibe un objetivo, decide los pasos, ejecuta acciones en tus sistemas —crear un presupuesto, cargar un ticket, actualizar un remito, avisarle a un vendedor— y sabe cuándo pedir ayuda humana.

La distinción importa porque el mercado la borró a propósito. Gartner le puso nombre al fenómeno: agent washing, rebautizar como "agente de IA" lo que en realidad es un asistente, un chatbot viejo o una automatización de las que existen hace quince años. Su estimación es incómoda: de los miles de proveedores que hoy dicen vender agentes, alrededor de 130 tienen algo que realmente lo sea.

Si el "agente" no puede ejecutar una acción dentro de tu sistema de gestión, no es un agente: es un buscador con buenos modales.

Cuatro preguntas alcanzan para separar una cosa de la otra en la primera reunión con cualquier proveedor:

• ¿Qué decide solo y qué no? Si la respuesta es "todo", desconfiá. Si es "nada, sugiere", entonces es un asistente y hay que pagarlo como tal.
• ¿De dónde saca los datos? Tiene que nombrar tus sistemas concretos: el ERP, el CRM, la casilla de correo, el sistema de tickets. Si habla en general, todavía no miró tu empresa.
• ¿Qué pasa cuando se equivoca? Necesitás saber quién revisa, con qué frecuencia y cómo se revierte una acción mal hecha.
• ¿Queda registro de lo que hizo? Sin traza de las acciones no hay auditoría posible, y el día que haya un reclamo no vas a poder reconstruir qué ocurrió.

El motivo real por el que fracasan: el dato

Cuando un proyecto de agentes se cae, casi nunca es porque el modelo no entendió. Es porque el agente no tenía de dónde leer. Un agente que cotiza necesita una lista de precios única y vigente. Uno que responde por un pedido necesita saber el estado real del stock. Uno que hace seguimiento comercial necesita que el cliente exista en un solo lugar y no en tres planillas con criterios distintos.

Esa es la parte que ninguna demo muestra, porque en la demo los datos están perfectos. En una pyme argentina promedio, los datos viven repartidos entre el sistema de facturación, una carpeta compartida, el WhatsApp de un vendedor y la planilla que hace once años sostiene un proceso crítico y nadie quiere tocar —de eso escribimos acá—. Ponerle un agente arriba a eso no ordena nada: automatiza el desorden y lo hace más rápido.

El caso testigo lo dio Klarna, la fintech sueca: anunció que su asistente de IA hacía el trabajo de 700 personas de atención al cliente y meses después tuvo que volver a incorporar gente porque la calidad del servicio se le cayó. No fracasó la tecnología. Fracasó la idea de que se podía reemplazar un proceso en vez de mejorarlo.

Cómo empezar sin quemar plata

Lo que distingue al 5% que obtiene resultados no es el presupuesto. Es el orden de los pasos.

1. Elegí un proceso, no "la empresa"

"Implementar IA" no es un proyecto. "Que las consultas de estado de pedido se respondan solas" sí lo es. Buscá algo repetitivo, de alto volumen, con reglas claras y bajo costo de error: seguimiento de pedidos, primera respuesta de la mesa de ayuda, carga de datos entre sistemas, calificación de leads que entran por la web.

2. Escribí el número antes de arrancar

Cuántas consultas por semana, cuántas horas se van en eso hoy, cuánto tarda hoy la primera respuesta. Sin esa línea de base, dentro de seis meses la discusión va a ser sobre sensaciones, y en una discusión sobre sensaciones el proyecto siempre pierde.

3. Mirá dónde vive el dato antes de mirar el modelo

Si el proceso que elegiste depende de información que está en tres lugares distintos, el primer trabajo no es de IA: es de integración. Un ERP con la información unificada no es un requisito burocrático previo, es literalmente el sistema nervioso al que el agente se conecta.

4. Dejá al humano donde hay plata o riesgo

El agente puede preparar el presupuesto; que lo apruebe una persona. Puede redactar la respuesta al reclamo; que la firme alguien. Ese control se saca después, con datos de meses de funcionamiento, no el primer día por entusiasmo.

5. Avisá que es una IA

Desde el 2 de agosto de 2026 rige en Europa la obligación de que las personas sepan cuándo están hablando con una inteligencia artificial. En Argentina todavía no es exigible, pero es el estándar hacia el que va todo el mundo y, sobre todo, es lo que tu cliente espera. Ocultarlo es la forma más rápida de que el proyecto sea un problema de reputación en vez de una mejora.

Lo que sí está pasando de verdad

Conviene no confundir el ruido con la tendencia. Esta semana los titulares fueron todos de otra escala: Nvidia respaldando cerca de 100.000 millones de dólares para la expansión de centros de datos de OpenAI, Stripe comprando una startup de infraestructura de IA por más de 7.000 millones. Nada de eso cambia lo que puede hacer una empresa de 30, 80 o 200 personas el mes que viene.

Lo que sí lo cambia es más aburrido y más útil: Gartner proyecta que para 2028 un tercio de las aplicaciones empresariales van a traer capacidades agénticas de fábrica. Es decir que la mayoría de las pymes no va a "comprar un agente": los va a encontrar adentro de los sistemas que ya usa —el ERP, el CRM, la mesa de ayuda— y va a poder encenderlos si tiene los procesos y los datos en condiciones. Ese es todo el trabajo que hay para hacer ahora.

Y si mientras tanto alguien te ofrece un agente que promete resolver todo sin tocar nada de lo que ya tenés, ya sabés en qué categoría entra.

En Tecnicanet

Lo primero que hacemos cuando una empresa nos plantea un proyecto de IA no es hablar de IA. Es mirar el proceso que quiere automatizar y dónde está hoy la información que ese proceso necesita. En la mitad de los casos aparece que el problema es de ordenamiento y sistemas, y resolverlo ya da un salto de eficiencia sin ningún agente de por medio. En la otra mitad, con el dato ordenado, la automatización se vuelve simple y medible.

Fuentes: Salesforce, Agentic Enterprise Index (13/08/2026, uso real de plataforma entre feb-2025 y abr-2026) · Gartner, Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (encuesta a más de 3.400 organizaciones) y proyecciones a 2028 · MIT Media Lab, Project NANDA, The GenAI Divide: State of AI in Business · Reglamento Europeo de Inteligencia Artificial, obligaciones de transparencia vigentes desde el 02/08/2026.