Comprar una solución de inteligencia artificial puede parecer sencillo: identificar una herramienta, revisar sus capacidades, hacer una prueba y contratarla. Pero para un área de TI, la decisión es mucho más compleja.
Una solución de IA no solo tiene que funcionar. También debe integrarse con la infraestructura existente, utilizar datos confiables, cumplir con las políticas de seguridad de la organización y demostrar que puede generar un beneficio medible.
En México, esta discusión cobra especial relevancia. De acuerdo con el estudio The State of Digital Transformation 2026 in Latin America de ManageEngine, 94% de las organizaciones considera que su infraestructura de TI está preparada para la IA, pero únicamente 11% afirma contar con una estrategia de IA completamente orquestada. Esto muestra una brecha entre tener la infraestructura necesaria y saber cómo incorporar la tecnología dentro del negocio.
Por eso, antes de firmar un contrato, un equipo de TI debería pasar la solución por siete filtros.
1. Problema de negocio: ¿qué voy a resolver realmente?
Antes de comprar: define el proceso que quieres mejorar.
Una solución de IA debería responder a una necesidad concreta: automatizar tareas, reducir tiempos, disminuir errores, mejorar la atención, detectar anomalías, analizar información o apoyar la toma de decisiones.
Si el proyecto comienza con frases como “necesitamos implementar IA” o “la competencia ya utiliza IA”, es momento de detenerse y regresar al problema.
Wilson Calderón, Associate Technical Director LATAM at ManageEngine, plantea que la conversación empresarial ya no debería centrarse en si una organización utiliza inteligencia artificial, sino en qué problema de negocio busca resolver.
Qué revisar con el proveedor
Pídele que explique:
- Qué proceso específico puede mejorar.
- Qué tareas serán automatizadas o asistidas.
- Qué usuarios utilizarán la solución.
- Qué resultado debería cambiar después de la implementación.
- Qué parte del proceso seguirá requiriendo intervención humana.
Señal de alerta: el proveedor habla principalmente de capacidades del modelo, pero no puede relacionarlas con un proceso concreto de tu empresa.
2. ROI: ¿cómo voy a saber si funcionó?
Antes de comprar: establece una línea base.
No basta con que una IA sea capaz de generar contenido, analizar documentos o responder preguntas. El área de TI debe saber qué indicador quiere mejorar.
Según ManageEngine, 56% de las organizaciones en México tiene dificultades para traducir sus inversiones en IA en retornos de negocio medibles. Además, 16% identifica la falta de casos de uso claramente definidos o métricas de éxito como una de las principales barreras para obtener ROI.
Qué pedir
Antes del contrato, define:
Indicador actual → objetivo → periodo de medición → responsable.
Por ejemplo, si el objetivo es automatizar un proceso, mide cuánto tiempo consume actualmente y cuánto debería consumir después de implementar IA.
Francisco Larez, vicepresidente de Progress para América Latina y el Caribe, recomienda solicitar al proveedor un plan de implementación por etapas, acompañado de pruebas y métricas sistemáticas para evaluar los resultados.
Señal de alerta: la única métrica que ofrece el proveedor es el número de usuarios, consultas o tareas procesadas.
3. Datos: ¿mi información está lista para IA?
Antes de comprar: audita los datos.
Una IA puede tener un modelo avanzado y aun así entregar resultados poco confiables si la información que utiliza está incompleta, duplicada o desactualizada.
Larez explica que “el modelo de IA es solo un componente del sistema” y que la precisión de sus resultados está condicionada por el contexto y la confiabilidad de las fuentes de información.
El problema también puede estar en la infraestructura. El estudio de ManageEngine señala que 87% de las organizaciones en México afirma que la proliferación de herramientas tecnológicas ha incrementado la complejidad operativa.
Checklist de datos
Antes de conectar una IA, revisa:
☐ ¿Dónde están almacenados los datos?
☐ ¿Existen duplicidades?
☐ ¿Quién es responsable de cada fuente?
☐ ¿Los datos están actualizados?
☐ ¿Pueden rastrearse hasta su fuente original?
☐ ¿Los diferentes sistemas utilizan criterios compatibles?
Larez recomienda construir una base de conocimiento unificada, con trazabilidad sobre la procedencia de la información y sistemas comunes para clasificarla y darle contexto.
Señal de alerta: el proveedor promete resolver problemas de calidad de datos sin explicar primero cómo evaluará las fuentes que utilizará.
4. Seguridad: ¿qué ocurrirá con mis datos?
Antes de comprar: trata la IA como cualquier otra tecnología que tendrá acceso a información corporativa.
La pregunta no es solamente si el proveedor dice que su plataforma es “segura”. Hay que entender cómo protege la información durante todo su ciclo de vida.
Preguntas obligatorias al proveedor
¿Dónde se almacenan los datos?
¿Dónde se procesan?
¿Quién puede acceder a ellos?
¿Qué mecanismos de cifrado utiliza?
¿Cuánto tiempo se conservan?
¿Se utilizan para entrenar modelos?
¿Pueden eliminarse cuando termina el contrato?
¿Qué certificaciones de seguridad mantiene el proveedor?
¿Qué registros de auditoría estarán disponibles?
Según Calderón, 77% de las organizaciones mexicanas considera que la fuga de información provocada por el uso de herramientas de IA generativa no autorizadas por empleados es una de sus principales preocupaciones.
Señal de alerta: el proveedor no puede explicar claramente qué ocurre con la información después de introducirla en la plataforma.
5. Confiabilidad: ¿funciona igual fuera de la demo?
Antes de comprar: prueba escenarios reales.
Una demostración controlada puede mostrar el mejor comportamiento posible. El entorno empresarial es diferente: existen datos incompletos, solicitudes ambiguas y casos que no fueron contemplados durante la presentación comercial.
Larez recomienda evaluar si el sistema produce resultados “predecibles, consistentes y basados en evidencia contrastable” ante entradas similares. También considera importante que una solución pueda reconocer cuándo no tiene información suficiente para responder.
Haz una prueba con tres escenarios
Escenario normal: una solicitud frecuente y sencilla.
Escenario límite: información incompleta, contradictoria o poco habitual.
Escenario crítico: una situación en la que una respuesta incorrecta pueda generar consecuencias relevantes.
Después mide precisión, consistencia, tiempo de respuesta y cantidad de intervención humana necesaria.
Señal de alerta: la herramienta siempre responde, incluso cuando no cuenta con información suficiente para hacerlo.
6. Gobierno: ¿qué puede hacer la IA y qué no?
Antes de comprar: define sus límites.
No todas las aplicaciones de IA necesitan el mismo nivel de autonomía.
Un asistente que resume documentos puede tener un nivel de riesgo relativamente bajo. Un agente capaz de ejecutar acciones sobre sistemas corporativos necesita controles mucho más estrictos.
Larez recomienda que los agentes que operen con información sensible cuenten con controles de identidad y acceso, cifrado, auditoría de la procedencia de los datos y mecanismos que impidan acciones fuera de los límites autorizados. Para procesos críticos, también plantea flujos con aprobación humana.
Antes de pasar a producción, define
- Qué puede consultar.
- Qué puede modificar.
- Qué puede ejecutar.
- Qué necesita autorización humana.
- Qué acciones están prohibidas.
- Quién puede detener el sistema.
Esto permite pasar de una IA simplemente funcional a una IA gobernada.
Señal de alerta: el proveedor habla de autonomía como ventaja, pero no explica cómo limitarla.
7. Escalabilidad: ¿puede pasar de piloto a producción?
Antes de comprar: piensa en los próximos dos años, no solamente en el primer piloto.
Una prueba exitosa con 50 usuarios no necesariamente significa que la solución funcionará con 5,000. El crecimiento puede modificar costos, tiempos de respuesta, consumo de datos, integraciones y necesidades de soporte.
El estudio de ManageEngine señala que 47% de las organizaciones identifica la reducción de la fragmentación tecnológica mediante la consolidación de TI como una de sus principales prioridades de transformación digital. Además, 88% de las organizaciones mexicanas planea consolidar proveedores tecnológicos durante los próximos dos años.
Preguntas para evaluar la escalabilidad
- ¿Con qué sistemas se integra?
- ¿Qué ocurre si aumenta el número de usuarios?
- ¿Cómo crecen los costos?
- ¿Qué pasa si aumenta el volumen de datos?
- ¿La solución permite incorporar nuevos casos de uso?
- ¿Cómo se gestionan las actualizaciones?
- ¿Es posible probar una nueva versión antes de llevarla a producción?
- ¿Se puede regresar a una versión anterior si una actualización provoca problemas?
Larez recomienda que la evolución hacia una mayor autonomía sea progresiva: comenzar con respuestas confiables, avanzar hacia flujos asistidos con aprobación humana y aumentar la autonomía únicamente cuando la consistencia del sistema esté comprobada.
Señal de alerta: el proveedor puede demostrar el piloto, pero no presenta una ruta clara para convertirlo en una capacidad empresarial.
El checklist final antes de firmar
Antes de contratar una solución de IA, el área de TI debería poder responder sí a estas siete preguntas:
☐ Tenemos identificado el problema de negocio.
☐ Tenemos KPI y una línea base para medir resultados.
☐ Nuestros datos tienen calidad, contexto y trazabilidad.
☐ Sabemos dónde se almacenan y procesan nuestros datos.
☐ Probamos la solución con escenarios reales y límite.
☐ Tenemos definidos los permisos y límites de autonomía.
☐ Existe una ruta clara para pasar del piloto a producción y escalar.
Si alguna respuesta es “no”, probablemente todavía no sea momento de comprar.
La inteligencia artificial puede convertirse en una herramienta estratégica para las empresas mexicanas, pero el éxito de una implementación no depende únicamente del modelo que se elija. También depende de los datos, la infraestructura, la seguridad, la gobernanza y, sobre todo, de que exista un problema de negocio que valga la pena resolver.
La mejor solución de IA no es necesariamente la que hace más cosas. Es la que una empresa puede controlar, medir, integrar y escalar.
Compartir nota:
