Consultoría de inteligencia artificial: qué es y cómo transforma una empresa

Si estás leyendo esto es probable que ya hayas tenido la conversación: alguien en el comité dijo *tenemos que hacer algo con IA*, se probó una herramienta, hubo un piloto que funcionó en la demo y hoy nadie sabe muy bien qué pasó con él. No es un problema tuyo ni de tu equipo. Es, estadísticamente, lo que le ocurre a la mayoría de las empresas que empiezan por la herramienta en lugar de empezar por el proceso.

Esos cuatro números cuentan una sola historia, y conviene leerlos en orden. La adopción es casi universal. El escalamiento es minoritario. El valor medible es excepcional. Entre el primero y el último hay una brecha que ninguna licencia de software cierra sola, y cerrarla es, exactamente, el trabajo de una consultoría de inteligencia artificial. Una precisión que casi nadie hace al citar estas cifras: son autorreporte de ejecutivos en encuestas globales, no medición contable independiente, y ninguna es específica de México.

Una consultoría de inteligencia artificial es una firma que diagnostica dónde un negocio pierde tiempo o dinero en procesos repetitivos, decide qué parte de eso se puede resolver con IA, construye ese sistema contra los datos y las integraciones reales de la empresa, y lo deja operando en producción con alguien capaz de mantenerlo. Las cuatro partes importan: el diagnóstico sin construcción es un PowerPoint, y la construcción sin diagnóstico es un piloto huérfano.

Vale la pena decir lo que no es, porque el término se ha estirado mucho. No es una agencia que te vende horas de prompt engineering. No es un reseller de licencias con una capa de consultoría encima. Y no es un equipo que entrega un modelo y se va: un sistema de IA sin observabilidad, control de costos y una ruta de escalamiento humano se degrada en semanas, y el costo de ese abandono lo termina pagando el mismo equipo que iba a ser beneficiado.

La explicación cómoda es que la tecnología todavía no madura. Los datos apuntan a otro lado. El AI Index 2026 de Stanford HAI recoge esa misma adopción alta y, al mismo tiempo, un uso de agentes a escala que sigue en cifras de un dígito en casi todas las funciones de negocio, con la ingeniería de software en el sector tecnológico como excepción ³. La capacidad existe y está disponible; lo que escasea es la ingeniería de proceso alrededor de ella.

BCG lo midió de forma más cruda. En su estudio global con más de 1,250 empresas, apenas 5% califica como *future-built* (es decir, obtiene valor de IA a escala), mientras que 60% no consigue valor material a pesar de estar invirtiendo, y 35% escala con retornos parciales ⁴. La distancia entre esos grupos es grande: BCG asocia al 5% líder con 1.7 veces más crecimiento de ingresos y 1.6 veces mayor margen EBIT que los rezagados, aunque el propio informe advierte que se trata de una correlación y que el desempeño de una empresa tiene muchos motores además de la IA ⁴.

En la práctica, los proyectos que se quedan a medias suelen morir por las mismas cuatro razones: nadie definió qué KPI tenía que moverse, los datos no estaban donde el equipo creía, el sistema no se integró a las herramientas que la gente ya abre cada mañana, y no hubo nadie del lado del cliente con el mandato de cambiar el proceso. Ninguna de las cuatro es un problema de modelo.

Debajo del término caben trabajos muy distintos. Estos son los cinco frentes que un engagement serio cubre, solos o combinados:

El calendario importa tanto como el alcance. Un proyecto que tarda seis meses en mostrar algo funcionando pierde el patrocinio interno antes de llegar a producción. Este es el orden que mejor resiste esa realidad:

1. 1

   Discovery: 1 a 2 semanas

   Mapeo del proceso y de los datos disponibles. Se eligen uno o dos casos de uso por retorno esperado y por viabilidad técnica, y se define el número que tiene que moverse: horas recuperadas, tiempo de primera respuesta, costo por expediente. Sin esa métrica acordada por escrito, no hay forma honesta de declarar éxito después.

2. 2

   Prototipo: 3 semanas

   Un caso de uso funcionando contra datos reales, con usuarios piloto usándolo a diario. No es un demo: es software que se puede romper y del que se aprende. Si el prototipo no convence aquí, el proyecto se detiene, y eso es un resultado válido y barato.

3. 3

   Producción: 4 a 8 semanas

   Integraciones definitivas, observabilidad, control de costos, fallback humano y permisos. Aquí es donde se decide si el sistema sobrevive: recordemos que solo 25% de las empresas ha llevado 40% o más de sus pilotos a producción ⁵.

4. 4

   Escalamiento y rediseño

   Se extiende a más procesos y (esta es la parte que casi nadie hace) se rediseña el flujo de trabajo alrededor del sistema, que es el factor más asociado a ver impacto en EBIT ².

Contratar una consultora no siempre es la respuesta correcta. Comparadas con honestidad, las alternativas se ven así:

Estas preguntas separan rápido a quien va a implementar de quien va a presentar. Vale la pena hacerlas en la primera llamada:

• ¿Quién va a escribir el código, y voy a hablar con esa persona durante el proyecto o solo con un gerente de cuenta?
• ¿Qué métrica de negocio se compromete a mover, y cómo la vamos a medir antes y después?
• ¿En cuántas semanas voy a ver el primer caso de uso funcionando contra mis datos reales?
• ¿Qué pasa con el código, los prompts y la documentación cuando termine el contrato? ¿Son míos?
• ¿Cómo manejan el costo por consulta y qué pasa si el consumo se dispara?
• ¿Qué parte del proceso me van a pedir que rediseñe, y quién de mi equipo tiene que estar involucrado?
• Si el prototipo no funciona, ¿me lo van a decir y vamos a parar?

La última es la más reveladora. Una consultoría que nunca ha recomendado detener un proyecto no está diagnosticando, está vendiendo.

Conviene calibrar expectativas con datos y no con casos de éxito de conferencia. El Foro Económico Mundial reporta que 86% de los empleadores espera que la IA transforme su negocio hacia 2030, el porcentaje más alto entre nueve tendencias tecnológicas evaluadas ⁶. Es una expectativa, no un resultado. Del lado del gasto, Gartner proyecta que la inversión mundial en IA llegue a 2.59 billones de dólares en 2026, con el segmento de servicios de IA creciendo de 436.4 a 585.5 mil millones de dólares ⁸. Hay mucho dinero moviéndose; eso no garantiza que el tuyo se convierta en retorno.

Lo que sí es razonable esperar de un engagement bien acotado: un caso de uso en producción en un trimestre, una métrica operativa que se mueve de forma verificable, y un equipo interno que puede operar el sistema sin llamarte. Si alguien te promete transformación total de la empresa en ese plazo, está describiendo un deseo, no un plan.