Un director financiero que se acerca a la IA por primera vez suele hacerlo con la herramienta que mejor domina: la hoja de cálculo. Y ahí empieza el problema, porque intenta meter un proyecto todavía incierto en un modelo de retorno diseñado para inversiones con variables conocidas. No es un error de rigor —el CFO suele ser el más riguroso de todo el comité— sino de aplicar ese rigor a datos que, en la fase inicial, simplemente no existen todavía.
Estos errores tampoco son exclusivos de un perfil poco digital. Al contrario: cuanto más solvente es el departamento financiero en su disciplina habitual, más tentador resulta exigirle a la IA el mismo nivel de certeza que a una inversión en maquinaria o a una operación de M&A, y esa exigencia prematura es la que acaba frenando o distorsionando el proyecto.
La diferencia de fondo es que una inversión en maquinaria tiene comparables históricos, proveedores con datos de rendimiento consolidados y un mercado maduro que permite construir proyecciones fiables. Un primer proyecto de IA en una empresa concreta no tiene ese historial propio todavía, y forzar el mismo nivel de precisión numérica solo produce cifras que parecen rigurosas pero que nadie puede defender de verdad.
Error 1: exigir un ROI cerrado antes del primer piloto
Pedir una proyección de retorno detallada antes de haber tocado un solo proceso real es pedir un número inventado. En la fase de piloto, la IA todavía no tiene datos propios de rendimiento: solo se pueden estimar rangos basados en benchmarks de otras implementaciones, y esos rangos varían mucho según la calidad de los datos internos y la complejidad del proceso elegido.
Cuando el CFO condiciona la aprobación del presupuesto a un ROI cerrado y detallado, lo habitual es que el equipo que presenta el proyecto acabe fabricando una cifra artificialmente precisa solo para superar el filtro, no porque la cifra sea real. El proyecto arranca entonces sobre una promesa que nadie puede sostener, y esa promesa se convierte en el primer motivo de fricción tres meses después, cuando los resultados reales —probablemente positivos pero distintos de lo prometido— se comparan con una cifra que nunca debió aprobarse tal como estaba planteada.
Error 2: tratar el gasto en IA como una partida de IT, no como una inversión de negocio
Otro tropiezo habitual es clasificar cualquier iniciativa de IA dentro del presupuesto de sistemas, con el mismo criterio de contención de costes que se aplica a licencias de software o mantenimiento de infraestructura. Esa clasificación empuja al equipo de IT a elegir la opción más barata en lugar de la más adecuada para el proceso de negocio que se quiere mejorar.
La consecuencia práctica es que se prioriza el coste de la herramienta sobre el impacto del proceso: se descarta un piloto bien diseñado por ser "caro" comparado con una suscripción genérica, sin comparar realmente cuánto vale en euros el problema que cada opción resuelve.
Error 3: no incluir el coste real de preparar los datos y los accesos
El presupuesto que se presenta al CFO suele incluir la herramienta y poco más. Lo que casi nunca aparece reflejado es el tiempo que va a consumir limpiar datos dispersos, conseguir accesos a sistemas de terceros o dedicar horas de un responsable interno a validar el trabajo del agente durante las primeras semanas. Cuando esos costes aparecen después, sin haber sido previstos, el proyecto parece haberse "disparado" en presupuesto aunque en realidad solo se ha vuelto visible su coste real.
Este error es especialmente frecuente porque nadie tiene incentivo para inflar el presupuesto inicial: el equipo que presenta el proyecto quiere que se apruebe, así que tiende a mostrar la parte más barata y más fácil de justificar, dejando fuera del cálculo el trabajo interno que no pasa por una factura de proveedor pero que consume igualmente recursos reales de la empresa.
Error 4: frenar cualquier iniciativa hasta tener certeza total
El reverso del error anterior es igual de dañino: un CFO que, por prudencia, retiene la aprobación de cualquier piloto hasta disponer de garantías que ningún proyecto de innovación puede ofrecer de antemano. Esa cautela, bien intencionada, tiene un coste de oportunidad que rara vez se contabiliza: mientras la empresa espera certeza, sus competidores ya están aprendiendo con pilotos acotados y de riesgo controlado.
La forma sensata de gestionar la incertidumbre no es eliminarla exigiendo cifras imposibles, sino acotarla: presupuestos pequeños, plazos cortos, criterios de éxito claros desde el inicio. Un CFO que aplica este criterio no está renunciando a su papel de guardián del gasto; lo está ejerciendo de la forma más adecuada al tipo de decisión que tiene delante, tratando el riesgo de forma proporcional en lugar de con un veto general.
Error 5: delegar el seguimiento financiero sin volver a mirarlo
Como en cualquier rol directivo, el error transversal aparece también aquí: aprobar el presupuesto inicial y desaparecer del seguimiento hasta la revisión anual. Un proyecto de IA necesita que el CFO revise periódicamente el gasto real frente al previsto y el impacto frente al esperado, con la misma cadencia que aplicaría a cualquier partida de inversión relevante. Sin ese seguimiento activo, es imposible distinguir un proyecto que necesita más tiempo de uno que simplemente no está funcionando.
Cómo evitar caer en estos errores desde el primer proyecto
La clave está en sustituir el ROI cerrado por un marco de decisión por fases: aprobar un presupuesto acotado para un piloto de alcance limitado, con un indicador de éxito claro y un plazo de revisión fijado de antemano, y solo comprometer más inversión cuando ese piloto haya generado datos reales. Los primeros pasos para implementar IA en tu empresa incluyen precisamente esa lógica de arranque acotado antes de escalar.
También conviene presupuestar desde el principio el coste de preparar datos y accesos, no como un imprevisto sino como parte estructural del proyecto, y mantener una revisión financiera periódica que compare gasto e impacto real. Aprender de qué aprender de implementaciones de IA que fallaron ayuda a calibrar qué cifras son razonables esperar en cada fase, en lugar de fijar objetivos que ningún proyecto real podría cumplir.
Por último, conviene fijar de antemano qué preguntas se harán en cada revisión —gasto acumulado, horas internas dedicadas, indicador de negocio afectado— para que el seguimiento no dependa de la memoria de nadie ni se convierta en una discusión improvisada cada vez que alguien pregunta cómo va el proyecto.
Conclusión
El CFO que aborda bien su primer proyecto de IA no es el que exige certeza absoluta ni el que aprueba presupuestos sin control: es el que aplica su disciplina financiera al ritmo correcto, con hitos de decisión claros y una lectura honesta de que la incertidumbre inicial se gestiona por fases, no se elimina de un plumazo. Ese enfoque convierte al departamento financiero en aliado del proyecto, no en su cuello de botella.
Si quieres que tu equipo financiero entienda cómo evaluar y acompañar proyectos de IA sin caer en estos errores, pide información sobre formación en IA y lo vemos juntos.