De cada 100 empresas que evalúan una herramienta de IA para una tarea concreta, 60 la prueban, 20 llegan a piloto y solo 5 la ponen en producción. Es el dato del informe State of AI in Business 2025 del MIT (proyecto NANDA), sobre 52 organizaciones, 153 directivos y más de 300 iniciativas públicas. El mismo informe estima que el 95% de las organizaciones no obtiene retorno medible de su inversión en IA generativa. No fallan las herramientas: falla la elección del problema.
En Docastix llevamos años construyendo automatizaciones y sistemas con IA para empresas españolas, y el patrón se repite: casi nadie llega con un proceso medido y casi todo el mundo llega con el nombre de un producto. Este artículo está escrito al revés a propósito: primero el problema de negocio, después el criterio de decisión y solo al final las marcas, con la fecha en que verificamos sus datos.
Respuesta rápida: qué herramientas de IA para empresas necesitas de verdad
No necesitas una herramienta de IA: necesitas arreglar un proceso que ya te cuesta dinero y que puedes medir hoy. La pregunta correcta no es «¿qué herramienta compro?» sino «¿qué tarea repetitiva consume horas de mi equipo, con volumen estable y resultado verificable?». Si no puedes responder con un número, lo que compres será gasto sin control.
| Problema de negocio | Señal de que te toca | Empieza por |
|---|---|---|
| Tardas horas en contestar a un lead | Conversión baja fuera de horario | Agente conversacional |
| El equipo escribe lo mismo 40 veces | Contenido y respuestas repetidas | Asistente + plantillas |
| Metes facturas y albaranes a mano | Cuellos de botella en administración | Extracción de documentos |
| Nadie sabe qué pasó el mes pasado | Informes hechos en hojas de cálculo | Capa de análisis |
| El código avanza despacio | Backlog eterno en tareas rutinarias | Asistente de desarrollo |
| Detectas incidentes tarde | Alertas revisadas a mano | Detección con modelos |
Si necesitas quedarte con tres cifras: el 5% de los pilotos llega a producción; el 70% del presupuesto de IA se va a marketing y ventas mientras el retorno medible aparece en el back-office; y Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelará antes de que acabe 2027 por costes crecientes y valor poco claro.
La pregunta previa: qué proceso quieres arreglar
El error más caro no es elegir mal la herramienta: es comprar antes de saber qué proceso vas a tocar. Según la encuesta del INE sobre uso de TIC en las empresas, el 21,1% de las empresas españolas de 10 o más empleados ya usa inteligencia artificial. Buena parte de ese porcentaje son licencias que nadie ha vinculado a un indicador.
Antes de mirar catálogos, escribe cuatro cosas en un folio:
- El proceso: la secuencia de pasos, con quién hace cada uno.
- El volumen mensual: cuántas facturas, cuántos tickets, cuántos leads.
- El coste actual: horas por unidad por el coste hora real.
- El criterio de éxito: un número que puedas medir hoy y dentro de tres meses.
Si no puedes rellenar los cuatro, no tienes un proyecto de IA: tienes una intuición. El informe del MIT sitúa el retorno real en ahorros anuales de entre 2 y 10 millones de dólares en atención al cliente y procesamiento documental, categorías que reciben una fracción del presupuesto. Lo aburrido paga.
Las categorías, ordenadas por problema de negocio
Las tablas recogen ejemplos de mercado con datos verificados en agosto de 2026. Los productos cambian de nombre, de precio y de dueño; el criterio de la columna «cuándo compensa» sigue siendo cierto dentro de dos años.
Atención al cliente y ventas
Qué resuelve de verdad: el tiempo de primera respuesta y el volumen de preguntas repetidas. Un agente bien montado contesta en segundos a cualquier hora, cualifica y deriva a una persona cuando toca.
Qué no resuelve: los casos raros, las reclamaciones con carga emocional y lo que dependa de un dato que tu sistema no expone. Si tu CRM no responde por API, el agente no sabrá el estado del pedido por mucho modelo que le pongas debajo.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| Zendesk | Suite de tickets con agentes IA | Ya tienes helpdesk y volumen alto |
| Tidio | Chat para pymes y ecommerce | Catálogo estándar, poco proceso propio |
| Fin (Intercom) | Cobro por resolución | Quieres pagar por resultado, no por asiento |
Vigila el modelo de precio, que es lo que separa un piloto barato de una factura desagradable: Fin publica 0,99 $ por resolución y 9,99 $ por cualificación, y Zendesk cobra sus planes Suite a 55 € y 115 € por agente y mes con facturación anual, según sus páginas de precios consultadas en agosto de 2026. Cuanto mejor funcione el agente, más pagas.
Si tu canal es WhatsApp, el detalle cambia bastante y lo desarrollamos en cómo montar un agente de IA en WhatsApp. En PropPilot pasamos de una primera respuesta de horas a menos de 60 segundos, con un aumento del 40% en la conversión de leads, cobertura 24/7 en cuatro regiones y un 99,9% de uptime. Ese proyecto no empezó eligiendo herramienta: empezó midiendo cuántos leads se enfriaban de noche. Cuando el canal es el núcleo del negocio, compensa construir un agente conversacional a medida en vez de alquilarlo.
Marketing y contenido
Qué resuelve de verdad: el primer borrador y la variación. Diez versiones de un asunto de email, una ficha de producto en seis idiomas, el resumen de una llamada comercial.
Qué no resuelve: el criterio. Un modelo no sabe qué diferencia a tu empresa de la de al lado, y el contenido genérico a escala es una forma cara de no destacar.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| HubSpot | CRM + automatización inbound | Ciclo de venta estándar B2B |
| Adobe Marketo Engage | Personalización a gran escala | Equipo de marketing grande |
| ChatGPT / Claude | Asistentes generalistas | Redacción y análisis del día a día |
Aquí está la trampa que señala el MIT: marketing y ventas se llevan cerca del 70% del presupuesto de IA porque son las áreas donde es más fácil atribuir una métrica, no donde más valor hay. Antes de ampliar licencias, mira el back-office.
Operaciones y back-office
Qué resuelve de verdad: el trasiego de datos entre sistemas que no se hablan. Leer una factura en PDF y volcarla al ERP, clasificar correos, conciliar albaranes, extraer campos de contratos. La categoría más rentable y la menos vistosa.
Qué no resuelve: un proceso que no está definido. Si cada persona de administración hace las cosas a su manera, automatizar solo consigue que el caos vaya más rápido.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| Make / n8n | Workflows visuales, muchos conectores | Integraciones entre SaaS estándar |
| Zapier | Automatización simple sin código | Pocos pasos, poca lógica de negocio |
| Rossum / Klippa | Extracción de documentos | Volumen alto de facturas o albaranes |
| UiPath | RPA sobre sistemas cerrados | ERP heredado sin API |
La regla práctica: si tu proceso cabe en conectores estándar, usa una plataforma de catálogo y no construyas nada. En cuanto aparece lógica propia —tus reglas de descuento, tu forma de validar, tu ERP antiguo— mantener ese workflow visual sale más caro que escribir el servicio. Lo desglosamos con números en cuánto cuesta automatizar procesos con IA.
Análisis y decisión
Qué resuelve de verdad: que quien decide pueda preguntar sin depender de alguien que exporte una hoja de cálculo, y detectar patrones en series que nadie mira a diario.
Qué no resuelve: datos sucios. Un modelo sobre datos mal etiquetados produce conclusiones convincentes y falsas, que es peor que no tener nada.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| Power BI | Integrado en Microsoft 365 | Ya vives en ese ecosistema |
| Tableau | Visualización y análisis avanzado | Equipo de datos dedicado |
| Metabase | Consultas sobre tu base de datos | Producto propio, presupuesto contenido |
Desarrollo de software
Qué resuelve de verdad: el código repetitivo, las pruebas, las migraciones, entender un repositorio heredado. En tareas acotadas y verificables el ahorro es real.
Qué no resuelve: la arquitectura ni la revisión. El código generado hay que leerlo, y en un SaaS multiinquilino un error de permisos que pasa la revisión sale carísimo.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| GitHub Copilot | Autocompletado en el editor | Cualquier equipo con repos en GitHub |
| Cursor | Editor con contexto de repositorio | Bases de código medianas y grandes |
| Claude Code | Agente en terminal | Refactors y tareas multiarchivo |
Ciberseguridad
Qué resuelve de verdad: el volumen. Ningún equipo humano revisa millones de eventos, y la detección de anomalías reduce el ruido y acelera la respuesta.
Qué no resuelve: tu higiene básica. Sin control de accesos, actualizaciones y copias de seguridad, la mejor plataforma del mercado solo te avisará antes de un desastre evitable. Los fundamentos, en seguridad en el desarrollo de aplicaciones móviles.
| Ejemplo | Enfoque | Cuándo compensa |
|---|---|---|
| Darktrace | Anomalías de comportamiento en red | Infraestructura compleja |
| CrowdStrike | Protección de endpoint | Parque grande de dispositivos |
| Microsoft Defender | XDR integrado | Ya usas Microsoft 365 |
Catálogo o a medida: el umbral honesto
El SaaS de catálogo cubre bien lo estándar y casi siempre es la respuesta correcta para empezar: nadie debería construir su propio helpdesk ni su propio Power BI. El problema aparece en dos frentes, lo específico de tu negocio y las integraciones con tus sistemas.
Nuestro umbral práctico:
- Menos de 20 usuarios y proceso estándar: catálogo, sin discusión.
- Entre 20 y 100 usuarios: haz el cálculo. Si el coste anual de licencias supera los 25.000-30.000 € y estás pagando consultoría para forzar la herramienta a tu proceso, el desarrollo empieza a competir.
- Más de 100 asientos, o tres o más integraciones con sistemas propios: casi siempre sale mejor un desarrollo a medida, aunque conserves las herramientas de catálogo donde encajan.
La señal más fiable no es el número de usuarios: es cuánto proceso propio tienes. Si tu forma de cualificar, valorar o facturar es parte de tu ventaja competitiva, meterla a la fuerza en un producto genérico la destruye. En Docastix un MVP a medida arranca desde 8.000 € y un proyecto medio en España ronda los 40.000 €; compara eso con el coste acumulado de licencias a tres años, no a doce meses.
Lo que nadie presupuesta
Los cinco costes que aparecen después de firmar:
- Licencias por asiento que se multiplican. Contratas cinco y acabas con cuarenta porque «también lo necesita administración». A 115 € por asiento y mes, son 55.200 € al año.
- El coste por uso que crece con el éxito. Si el agente resuelve 3.000 conversaciones al mes a 0,99 $, son casi 36.000 $ anuales. Modela el escenario bueno, no el conservador.
- La limpieza de datos previa. Duplicados, campos vacíos, criterios distintos por delegación. Suele consumir la primera mitad del proyecto.
- La formación. Sin ella la herramienta se usa mal o no se usa. Y con el AI Act ya no es opcional.
- El mantenimiento. Contamos un 15-20% del coste de desarrollo al año, y nuestro evolutivo arranca desde 500 €/mes. Un sistema con IA además se degrada: cambian los modelos, las APIs y tus propios datos.
AI Act: qué te obliga si usas IA, no si la fabricas
Aquí hay mucha desinformación, así que vamos con fechas y fuentes. El Reglamento (UE) 2024/1689 distingue entre quien desarrolla sistemas de IA (proveedor) y quien los usa en su actividad profesional (responsable del despliegue). Si contratas herramientas del mercado eres casi siempre lo segundo, y tus obligaciones son mucho más ligeras.
El calendario oficial es este:
| Fecha | Qué entra en juego |
|---|---|
| 2 de febrero de 2025 | Prácticas prohibidas y alfabetización en IA (art. 4) |
| 2 de agosto de 2025 | Modelos de propósito general, gobernanza y sanciones |
| 2 de agosto de 2026 | Resto del reglamento, incluida la transparencia del art. 50 |
| 2 de diciembre de 2027 | Alto riesgo del anexo III |
| 2 de agosto de 2028 | Alto riesgo integrado en productos regulados (anexo I) |
Las dos últimas fechas se movieron: el llamado Digital Omnibus on AI, el Reglamento (UE) 2026/1744 de 8 de julio de 2026, publicado en el DOUE el 24 de julio y en vigor desde el 27 de julio de 2026, aplazó las obligaciones de alto riesgo del anexo III de agosto de 2026 a diciembre de 2027, y las del anexo I a agosto de 2028. Lo que no se aplazó es la transparencia del artículo 50, aplicable desde el 2 de agosto de 2026: avisar a las personas de que están interactuando con un sistema de IA, etiquetar el contenido generado o manipulado y notificar el uso de reconocimiento de emociones o categorización biométrica.
Y el artículo 4, la alfabetización en IA, ya aplica desde febrero de 2025: obliga a proveedores y responsables del despliegue a garantizar un nivel suficiente de conocimiento de IA entre su plantilla y entre quienes operan estos sistemas en su nombre, contratistas incluidos. La guía de preguntas y respuestas de la Comisión aclara que no exige certificación, que basta un registro interno de las formaciones y que no obliga a nombrar un responsable de IA. Lo que cambió en agosto de 2026 es que las autoridades nacionales de vigilancia del mercado empezaron a supervisar su cumplimiento; en España, la AESIA.
Un matiz importante: si pones tu marca en un sistema de alto riesgo de un tercero o lo modificas sustancialmente, pasas a ser proveedor y te caen las obligaciones completas. Si vienes de lidiar con la normativa europea de accesibilidad, el patrón te sonará: documentar lo que haces sale mucho más barato que reconstruirlo después.
Cómo empezar sin quemar dinero: plan de 90 días
Días 1-15. Elige un proceso medible. Uno solo: alto volumen, resultado verificable, dueño identificado. Quieres una victoria demostrable, no un proyecto insignia.
Días 16-30. Mide la línea base. Tiempo por unidad, coste por unidad, tasa de error, volumen mensual. Anótalo y que lo firme el responsable del área. Es la única defensa contra el «me parece que ahora vamos más rápido».
Días 31-60. Pilota con límite de gasto. Herramienta de catálogo si existe, un prototipo acotado si no. Fija el presupuesto máximo y la fecha de corte antes de empezar. El informe del MIT observa que las implantaciones con partner externo llegan a producción aproximadamente el doble de veces que los desarrollos puramente internos.
Días 61-90. Decide con datos. Compara contra la línea base. Si el número mejora, industrializa: integraciones reales, monitorización, formación y un responsable. Si no mejora, mátalo y documenta por qué. Un piloto muerto a tiempo cuesta unos miles de euros; uno que sobrevive por inercia cuesta licencias durante años. El mismo recorte que aplicamos al producto mínimo viable funciona aquí.
Conclusión
La lista de herramientas de IA para empresas cambiará otra vez el año que viene, y la de dentro de dos años tendrá nombres que hoy no existen. Lo que no cambia es el orden de las preguntas: qué proceso te duele, cuánto te cuesta hoy, qué parte es estándar y qué parte es tuya, cuánto pagarás cuando funcione y qué te obliga la ley. Quien responde a eso acierta con casi cualquier herramienta.
Y una advertencia que va contra nuestro interés comercial: muchas veces la respuesta correcta es una licencia de catálogo bien configurada y cero desarrollo. Construir solo compensa cuando el proceso es tuyo, las integraciones son varias y el volumen justifica la inversión. Cuéntanos qué proceso quieres arreglar y te decimos con franqueza si necesitas software nuevo o solo ordenar el que ya tienes.
Preguntas frecuentes
Las que resuelvan un proceso concreto que ya te cuesta horas: normalmente un asistente generalista para redacción y análisis, y una automatización para mover datos entre sistemas. Empieza por una sola y no añadas la segunda hasta que la primera demuestre ahorro medido.
