7 errores al implantar IA en una empresa pequeña

Un asesor nos enseñó, con cierto orgullo, el chatbot que había contratado el año anterior. Estaba en su web, tenía nombre y contestaba. Le preguntamos cuántas consultas resolvía al mes. Se quedó pensando. No lo sabía. Nadie había vuelto a mirarlo desde el día que lo instalaron. Abrimos el panel: la última conversación que había terminado bien era de febrero. A partir de ahí, una detrás de otra, preguntas que el bot no entendía y clientes que acababan escribiendo “quiero hablar con una persona”.

La herramienta no era mala. La forma de meterla en el negocio, sí. Y esto es lo que casi nadie cuenta: los errores al implantar inteligencia artificial en una pyme casi nunca son técnicos. Son decisiones que se toman antes de tocar ninguna herramienta, o que no se toman. Y se repiten tanto que se pueden hacer una lista.

Esta es esa lista. Siete errores que hemos visto de cerca, cada uno con su antídoto. No hay ninguna cifra mágica aquí dentro. Hay criterio, que es lo que de verdad separa un proyecto que aguanta de uno que acaba apagado desde febrero. Si todavía no has empezado y quieres ver el proceso completo, antes lee cómo implantar IA en tu empresa en cinco fases.

Antes de los errores: la buena noticia

Merece la pena empezar por algo que juega a tu favor. Esto todavía lo hace poca gente. Según la encuesta del INE sobre uso de TIC en las empresas, publicada en octubre de 2025, el 13,4% de las empresas españolas de menos de diez empleados usaba tecnologías de inteligencia artificial en el primer trimestre de 2025. Y en las de diez empleados o más, según los indicadores de uso de IA del ONTSI publicados en abril de 2025, la cifra era del 11,4% en 2024.

Se mire por donde se mire, sigue siendo una minoría. Y ahí está lo interesante: la mayoría de los que van a hacerlo todavía no lo han hecho. Tienes margen para hacerlo bien mientras la competencia aún no lo ha intentado. Y “hacerlo bien” empieza por no tropezar en las siete piedras de siempre.

Error 1: automatizar un proceso que está roto

Es el más caro y el más común. Tienes un proceso que funciona regular —el circuito de pedidos, el alta de un cliente, la forma de pasar un presupuesto a factura— y decides ponerle IA encima para que vaya más rápido.

El problema es sencillo de enunciar: la automatización no arregla un proceso malo, lo acelera. Si hoy los datos se pican dos veces y a veces bailan, mañana bailarán igual pero más rápido y con menos gente mirando. Automatizas el error junto con el acierto.

El antídoto es aburrido y funciona: arregla el proceso primero, en papel, sin tecnología. Ordénalo, quítale los pasos que sobran, deja claro qué se hace cuando el dato viene raro. Cuando el proceso esté limpio y lo puedas explicar en voz alta de principio a fin, entonces automatízalo. Si no lo puedes explicar, no es que te falte una herramienta: es que todavía no sabes qué quieres automatizar.

Error 2: empezar por lo más grande en vez de por lo más medible

La tentación es ir a por el proyecto que más impresiona: el asistente que lo hace todo, la reforma completa del sistema, “ya que nos ponemos, lo hacemos entero”. Es el camino más rápido a un proyecto que no termina nunca y del que nadie sabe decir si ha servido.

El antídoto: elige lo más repetido y medible, no lo más grande. Un proceso que ocurre muchas veces al día, que puedas contar y que tenga un resultado que se vea. Los recordatorios de cita. Las respuestas a las cinco preguntas de siempre. El paso de un formulario web a tu sistema. Algo pequeño, cerrado y con un antes y un después que se puedan comparar. Si el primer proyecto sale y se nota, tienes permiso para el segundo. Si empiezas por el más grande y falla, te quedas sin proyecto y sin ganas. Aquí lo contamos con más detalle: cómo implementar IA en tu negocio sin saber programar.

Error 3: no medir el “antes”

Este es el que se salta todo el mundo, y no tiene arreglo una vez saltado. Montas la automatización, empieza a funcionar, y tres meses después alguien pregunta lo lógico: ¿esto está sirviendo? Y no lo puedes contestar, porque no apuntaste cómo estaban las cosas antes de empezar.

Si no mides el antes, no puedes demostrar la mejora. Ni a los demás ni a ti mismo. Te quedas con la sensación de que va mejor, que es exactamente lo mismo que tenías antes de gastar el dinero.

El antídoto es un cuaderno y una semana. Antes de tocar nada, cuenta el proceso que vas a automatizar: cuántas veces pasa, cuánto dura cada vez, cuántas consultas se quedan sin responder, cuántas cosas hay que rehacer. Escrito, no de memoria, que la memoria infla lo que molesta y esconde lo ya normalizado. Ese recuento de una semana es lo único que separa saber que funcionó de creer que funcionó. Y solo existe una vez: una vez automatizado, el “antes” desaparece. Sobre cómo hacer esa cuenta y qué meter en ella hemos escrito una guía entera: cómo calcular el ROI de la automatización con IA.

Error 4: quitar el trato humano justo donde el cliente lo valora

La IA es muy buena quitando de en medio lo repetitivo. El problema empieza cuando, con el entusiasmo, se automatiza también lo que el cliente venía a buscar en una persona. La reclamación de alguien enfadado. La consulta delicada. El momento en que el cliente quiere que alguien le diga que su problema importa.

Un bot contestando “entiendo tu frustración” a alguien que acaba de tener un problema de verdad no ahorra trabajo: crea uno más grande. El antídoto es trazar una línea antes de empezar: qué se automatiza y qué no. Lo repetitivo y previsible, para la máquina. Lo que necesita criterio, tacto o una disculpa de verdad, para una persona. Y una salida siempre a mano: que el cliente pueda pasar a un humano sin pelearse con el sistema, en el primer mensaje si hace falta.

Hay además un motivo que ya no es solo de sentido común. El Reglamento Europeo de Inteligencia Artificial de la Comisión Europea, en vigor desde agosto de 2024, incorpora obligaciones de transparencia para los chatbots: a partir de agosto de 2026, cuando alguien habla con un sistema de IA, tiene que saber que está hablando con una máquina. Disimularlo, además de sentar mal, deja de ser una opción. Dilo claro. Un cliente que sabe que le atiende un bot y que puede pedir una persona cuando quiera se enfada mucho menos que uno al que le hicieron creer que hablaba con alguien.

Error 5: comprar una herramienta de catálogo que no encaja con tu forma de trabajar

Hay un patrón que se repite: alguien compra la herramienta que le recomendaron, la que “usa todo el mundo”, y luego se pasa medio año doblando su negocio para que quepa dentro. Cambia sus procesos para adaptarse al programa, en vez de al revés. Acaba trabajando para la herramienta.

El antídoto es dar la vuelta a la pregunta. No es “¿qué herramienta compro?”, es “¿cómo trabajo yo y qué necesito que haga?”. La tecnología se adapta a tu forma de trabajar, no tú a la suya. A veces la respuesta es una herramienta de catálogo bien elegida, y perfecto. Otras veces tu proceso tiene algo propio —la manera de tratar a tus clientes, una integración con el sistema que ya usas, un flujo que no se parece al del vecino— y entonces lo que necesitas es algo construido a tu medida, no una plantilla forzada. Distinguir un caso del otro es media decisión. Puedes ver en qué trabajamos para hacerte una idea de dónde está esa línea.

Error 6: olvidarte del RGPD con los datos de tus clientes

Un sistema de IA que atiende a tus clientes trata datos personales: nombres, teléfonos, a veces cosas más sensibles. Meter esos datos en una herramienta sin pararse a pensar de dónde salen, dónde acaban y quién los ve es un error que no se ve hasta que se ve, y entonces ya es tarde.

El antídoto no es volverte jurista, es tratar el asunto como parte del proyecto y no como una molestia del final. La Agencia Española de Protección de Datos publicó una guía sobre la adecuación al RGPD de los tratamientos que incorporan inteligencia artificial; es el sitio por el que empezar. Tres cosas que conviene tener claras antes de arrancar:

• Base y finalidad. Para qué usas cada dato y con qué justificación. Un dato que pediste para una cosa no vale para cualquier otra.
• Transparencia. El cliente tiene que poder saber que sus datos los trata un sistema automático y qué se hace con ellos.
• Decisiones automáticas. El artículo 22 del RGPD reconoce el derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado cuando produce efectos jurídicos o afecta significativamente a la persona. Traducido: si de una respuesta automática depende algo serio para el cliente —conceder o denegar algo—, tiene que haber una persona que pueda revisarla.

Los datos se tratan conforme al RGPD porque es la ley, sí, pero también porque es lo que separa un negocio en el que se puede confiar de uno en el que no.

Error 7: “se instala y se olvida”

Volvemos al asesor del principio. Su error no fue elegir mal el chatbot. Fue pensar que un sistema de IA es como un electrodoméstico: se enchufa y ya. No lo es. Un sistema que atiende clientes, cambia con ellos: aparecen preguntas nuevas, cambia un precio, entra un producto, y lo que respondía bien en enero responde regular en junio si nadie lo mira.

El antídoto es aceptar desde el primer día que esto lleva mantenimiento y decidir quién lo hace. No hace falta un departamento. Hace falta que alguien mire, cada cierto tiempo, qué está contestando el sistema, dónde se atasca y qué preguntas nuevas no sabe responder. Media hora cada dos semanas al principio evita que se degrade solo hasta quedar inservible. Un sistema que nadie revisa no es más barato: es más barato hasta el día que se equivoca sin que nadie lo vea.

Los siete, en una frase cada uno

Si te quedas con una sola cosa de todo esto, que sea el orden:

1. Arregla el proceso antes de automatizarlo.
2. Empieza por lo más repetido y medible, no por lo más grande.
3. Cuenta el “antes” antes de tocar nada.
4. Automatiza lo repetitivo; deja lo humano donde el cliente lo valora.
5. Que la herramienta se adapte a tu forma de trabajar, no al revés.
6. Trata el RGPD como parte del proyecto, no como el papeleo del final.
7. Decide quién lo mantiene antes de encenderlo.

Ninguno de los siete es técnico. Todos son decisiones. Por eso los puede tomar bien alguien que no sabe programar, y por eso los toma mal quien va con prisa.

Preguntas frecuentes

¿Por dónde empiezo si no me quiero equivocar?

Por el proceso más repetido y más fácil de medir, no por el más ambicioso. Cuéntalo durante una semana, automatiza solo eso, y vuelve a contarlo tres meses después. Un primer proyecto pequeño que sale y se nota vale más que uno grande que no termina.

¿Puedo implantar IA sin saber de tecnología?

Sí. El obstáculo de estos siete errores no es técnico, es de criterio: saber qué automatizar, en qué orden y qué medir. Lo técnico lo puede resolver un proveedor; el criterio lo pones tú, porque tu negocio lo conoces tú. Sobre la parte práctica hemos escrito esta guía sin tecnicismos.

¿Tengo que avisar a mis clientes de que hablan con un bot?

Sí, y cada vez más también por ley. El Reglamento Europeo de IA incorpora obligaciones de transparencia para los chatbots a partir de agosto de 2026. Al margen de la norma, avisar es lo que más rebaja el enfado: un cliente que sabe que le atiende un sistema y que puede pasar a una persona cuando quiera lo lleva mucho mejor.

¿Qué pasa con los datos de mis clientes?

Se tratan conforme al RGPD, y eso hay que planificarlo antes de arrancar, no después. La Agencia Española de Protección de Datos tiene una guía sobre IA y RGPD que conviene mirar. Lo esencial: ten claro para qué usas cada dato, sé transparente con el cliente y asegúrate de que una persona pueda revisar cualquier decisión automática que le afecte de forma seria.

Si prefieres no tropezar solo

Estos siete errores se evitan con criterio, y el criterio se puede aplicar solo. Este artículo está escrito para eso: puedes usarlo como lista de comprobación antes de contratar nada a nadie.

Si prefieres que lo miremos juntos, nos sentamos, vemos qué proceso quieres automatizar, si está listo para ello y cómo lo enfocaríamos sin caer en ninguna de estas siete piedras. Cuéntanos qué necesitas y te decimos si podemos hacerlo, cómo lo enfocaríamos y qué costaría. Si no es para nosotros, también te lo decimos.