AI Readiness: 10 preguntas para saber si estás listo

"AI Readiness" es la última excusa de los frameworks corporativos. Hay matrices con 70 dimensiones, scorecards de tres colores, encuestas de 90 preguntas. Casi todo es ruido. La realidad es que en mis assessments con empresas de banca, farma, energía y fintech, hay diez preguntas que predicen el 90% del éxito o fracaso. Si respondes con honestidad, sabes en una hora si tu organización está lista o si meter IA hoy es regalar dinero a un proveedor.

Las diez, sin orden de importancia, porque todas pesan.

1. ¿Quién es el dueño ejecutivo concreto del programa de IA?

No "el comité ejecutivo lo apoya". Una persona con nombre y apellido, con tiempo dedicado, con presupuesto firmado y con autoridad para decir que sí o que no a iniciativas. Si no la tienes, no estás listo. La IA cruzada por departamentos sin un dueño termina en parálisis política.

Cómo se diagnostica

Pregunta a tres directivos quién es el responsable de IA en la empresa. Si las tres respuestas no coinciden, no hay dueño. Tampoco vale "el CIO" si el CIO tiene además otras siete prioridades del mismo nivel.

2. ¿Hay tres casos de uso identificados, priorizados y firmados?

Casos concretos. No "mejorar la atención al cliente" sino "reducir tiempo de primera respuesta en tickets de nivel 1 en un 40%". Tres porque uno solo es frágil y diez son dispersión. Y firmados quiere decir que un dueño funcional ha aceptado defenderlos.

3. ¿Tienes datos accesibles, no perfectos?

No te pregunto si tienes data warehouse impoluto. Te pregunto si las personas que van a trabajar con IA pueden acceder a los datos que necesitan para ejecutar los casos de uso, en menos de una semana, sin tener que abrir tickets que tarden meses. La perfección de los datos viene después; lo que mata es la inaccesibilidad.

La accesibilidad importa más que la perfección. Vale más un dato decente al alcance que un dato perfecto bloqueado por política.

4. ¿Hay un marco básico de gobierno y seguridad acordado?

Tres mínimos: qué información puede salir hacia modelos externos, quién aprueba un nuevo caso de uso de IA, y cómo se monitoriza el uso. No hace falta una política de 80 páginas. Hace falta tres páginas que el comité de dirección ha leído y firmado. Si esto no está, cualquier piloto que toque datos sensibles se va a parar a mitad de camino.

5. ¿La organización ha completado al menos un proyecto digital significativo en los últimos dos años?

Esta pregunta predice mucho. Una empresa que no ha sido capaz de implantar Salesforce, Workday, Office 365 o un nuevo ERP en los últimos dos años, no va a implantar IA. La capacidad de cambio es un músculo. Si está atrofiado, lo nuevo se cae solo.

El caso bandera

En mis tiempos consultando para una empresa industrial, descubrí que llevaban tres años intentando renovar el sistema de gestión documental. Habían fracasado dos veces. Cuando me pidieron "implantar IA", la respuesta honesta fue: arreglad primero la capacidad de cambio. La IA encima de incapacidad de cambio es lluvia sobre tierra seca.

6. ¿Hay alguien interno con criterio técnico de IA, no sólo curiosidad?

Una persona, aunque sea media jornada, que entienda qué hace un modelo de lenguaje, qué es un embedding, cómo funciona RAG, qué significa fine-tuning, qué cuesta cada llamada a API, qué riesgos hay. No tiene que ser un PhD. Sí tiene que poder discutir de tú a tú con un proveedor sin tragarse la presentación entera. Sin esa figura, te van a vender lo que sea.

7. ¿Las decisiones de inversión en IA pueden tomarse en menos de seis semanas?

Si tu ciclo de aprobación de inversiones es de seis meses, no estás listo para IA. La velocidad del campo es tal que decisiones de seis meses llegan a un mundo distinto al que las solicitó. Necesitas un mecanismo paralelo, ágil, con un techo de inversión preautorizado para iniciativas de IA. Si esto no existe, todo el resto se atasca.

8. ¿Hay un canal honesto de feedback desde la primera línea?

Quien va a usar la IA todos los días son las personas de primera línea. Si su feedback no llega a quienes deciden, los pilotos se diseñan en abstracto y fallan en concreto. Necesitas un canal real (no una encuesta semestral) donde una persona de soporte pueda decir "esto no sirve, aquí está por qué" y que llegue al sponsor en menos de 48 horas.

9. ¿La cultura tolera fallos sin buscar culpables?

La IA implica probar y fallar. Los modelos alucinan, los pilotos se caen, los costes se desvían. Si tu cultura penaliza el fallo con drama, la gente esconderá problemas hasta que no se puedan esconder, momento en el que será mucho peor. La pregunta no es si fingís tolerancia al fallo: la pregunta es si la última vez que algo falló de verdad, hubo cabezas o hubo aprendizaje.

10. ¿Existe un presupuesto de aprendizaje, no sólo de implantación?

El presupuesto de implantación cubre el proyecto. El presupuesto de aprendizaje cubre lo que vas a descubrir que no funciona, los meses de mantenimiento, la formación continua, las pruebas que no van a producción. En proyectos de IA, este presupuesto suele ser entre el 30% y el 50% de la implantación. Si lo escondes para parecer barato, lo vas a pagar en mitad del camino con peor humor.

Cómo interpretar tus respuestas

Si respondes que sí a las diez con honestidad, estás en mejor forma que el 80% de empresas. Si respondes que sí entre siete y nueve, estás listo, pero arregla las debilidades antes de escalar. Si respondes que sí entre cuatro y seis, no escales todavía: haz un piloto pequeño que sirva sobre todo para construir las piezas que faltan. Si respondes que sí a tres o menos, todavía no es momento de IA: invierte primero en gobierno, dato accesible y capacidad de cambio.

El sesgo del optimista

El sesgo más común es responder que sí a casi todo porque "lo tenemos en marcha". Lo tenemos en marcha no es lo mismo que lo tenemos. Aplica un criterio estricto: si no lo puedes demostrar con un documento o una persona concreta, es un no.

El error que veo más a menudo

El error que veo más a menudo es saltar al piloto antes de responder estas preguntas. La urgencia de "no quedarnos atrás" empuja a empezar sin diagnóstico, y a los nueve meses se constata que el piloto está estancado, no por la tecnología, sino por una de las diez piezas que faltaba desde el principio. El coste de hacer el assessment es bajo, el coste de saltárselo es entre 50.000 y 300.000 euros de aprendizaje doloroso.

La regla que aplico: antes de comprometer la primera licencia de IA o el primer contrato con un proveedor, dedica dos semanas a contestar estas diez preguntas con un grupo pequeño y mixto. La inversión es pequeña, el ahorro de errores es enorme, y la conversación que se produce vale por sí sola.

AI Readiness no es una matriz, es una conversación honesta con uno mismo y con la organización. Diez preguntas bien hechas dan más información que diez frameworks aplicados con desgana. Y la disciplina de responderlas con verdad, antes de empezar, marca la diferencia entre los que estarán cinco años por delante y los que seguirán hablando de pilotos en 2030.