Los 5 errores que matan un proyecto de IA en una empresa

Los proyectos de IA en empresa mueren casi siempre por las mismas cinco razones, y ninguna es técnica. Vi proyectos caer en banca, algunos con muy buenos modelos. El patrón se repite tanto que ya es predecible —y evitable.

Error 1 y 2: sin dueño, sin métrica

• Sin dueño de negocio. Lo pidió el área de innovación, no quien va a usar el resultado. Nadie lo espera ni lo defiende cuando hay que priorizar presupuesto.
• Sin métrica de éxito definida antes. Si no sabes qué número hace que esto valga la pena, cualquier resultado se puede discutir hasta que el proyecto se apaga solo.

Error 3 y 4: datos y producción

• Los datos no existían como creías. Se planeó asumiendo dato limpio, completo, con historia. La realidad llega tarde y rompe el cronograma.
• El POC como final, no como principio. Un POC con datos curados a mano funciona porque le quitaste toda la realidad. Y desplegar nunca estuvo en el plan ni en el presupuesto.

Error 5: nadie pensó quién lo mantiene

El más silencioso. El modelo se construyó, funcionó, la persona que lo hizo se fue o cambió de proyecto. Seis meses después se degradó, nadie lo nota, y cuando se nota no hay dueño técnico que sepa cómo está armado por dentro. Un modelo sin dueño no es un activo: es un pasivo esperando.

La idea que se queda

El mejor modelo no salva un proyecto mal planteado. Antes del algoritmo, cinco preguntas: ¿quién lo pide del negocio? ¿qué número es éxito? ¿existen los datos de verdad? ¿está presupuestada la producción? ¿quién lo mantiene? Si alguna no tiene respuesta, el proyecto ya está en riesgo —antes de la primera línea de código.

Ver en video

El checklist completo de las cinco preguntas está en mi canal: Cristina Chapoñán | Data & IA — busca "Los 5 errores que matan un proyecto de IA".

¿Cuál de los cinco viste tú de cerca? Cuéntame el caso (sin nombres).