El primer mes de un plan de IA suele ir bien. Hay curiosidad, alguien enseña un par de trucos, se automatiza una tarea pesada y el equipo comenta lo cómodo que es. Después llega el segundo mes. Los problemas diarios vuelven, las reuniones se cancelan, el agente da una respuesta rara, y la novedad se apaga. Nadie decide abandonar: simplemente, el plan deja de avanzar.
Esto no es un fallo de la tecnología ni de las personas. Es lo que suele pasar con cualquier cambio cuando se acaba el empuje inicial. La buena noticia es que las causas se repiten y, por tanto, se pueden anticipar. Este análisis recoge cuatro de las más habituales, y de cada una te damos una señal temprana para detectarla y una medida correctora para actuar. No son las únicas posibles ni te prometen que con ellas todo saldrá bien, pero sí ordenan el problema.
Causa 1: no hay tiempo reservado
Qué pasa. Se empieza «en los ratos libres». Pero en una pyme los ratos libres no existen: cada persona ya hace el trabajo de varias. Cuando entra un pedido urgente, lo primero que se aparca es el plan de IA, porque no tiene fecha ni responsable de verdad.
Señal temprana. Las sesiones de práctica o revisión se aplazan una y otra vez. Cuando alguien dice «esta semana no puedo, ya lo vemos la que viene», y eso se repite, el plan ya está en riesgo.
Medida correctora. Pon el tiempo en la agenda como si fuera una reunión con un cliente, y quítalo de otra tarea concreta. Mejor media hora fija a la semana que tres horas «cuando se pueda». Y decide con claridad qué se deja de hacer para liberar ese rato: si no se renuncia a nada, el tiempo no aparece. Si necesitas ideas para empezar con algo contenido, tienes una guía sobre cómo diseñar un piloto de IA que funcione en tu empresa.
Causa 2: tareas sin dueño
Qué pasa. «Alguien» debería revisar las respuestas del agente, actualizar las instrucciones, avisar si algo falla. Como no está dicho quién, no lo hace nadie. Con el tiempo, las instrucciones quedan viejas, los errores se acumulan y la gente pierde la confianza.
Señal temprana. Si preguntas «¿quién se encarga de esto?» y obtienes un silencio, un «yo creo que X» o tres respuestas distintas, falta un dueño. Otro indicio: errores del agente que todos conocen y nadie ha corregido.
Medida correctora. Asigna un responsable con nombre para cada tarea: quién revisa, quién actualiza, quién decide cuando hay dudas. Escríbelo en una hoja compartida, con una frecuencia (cada semana, cada quincena). Un reparto sencillo funciona mejor que uno perfecto que nadie recuerda. Y recuerda que quien tiene la responsabilidad necesita tiempo para ejercerla, que nos lleva de vuelta a la causa anterior.
Causa 3: datos desordenados
Qué pasa. Un agente de IA solo puede trabajar con la información que tiene a mano. Si los precios están en tres hojas distintas, los procesos solo existen en la cabeza de alguien y los documentos están duplicados y contradictorios, el agente responde con dudas o, peor, con información incoherente. Y en el primer mes no se notaba porque se probaban casos fáciles.
Señal temprana. El agente da respuestas distintas a la misma pregunta, o las personas del equipo no se ponen de acuerdo sobre cuál es la información correcta. También cuando alguien dice «es que depende de a quién le preguntes».
Medida correctora. Elige la información mínima que necesita el agente y ordénala primero: una única versión de los precios, los procesos más repetidos escritos, los documentos obsoletos retirados. No hace falta ordenar toda la empresa; basta empezar por lo que el agente va a usar ya. Y decide quién mantiene esa información al día. Ordenar los datos no es un proyecto informático: es un hábito de trabajo que, además, beneficia a las personas del equipo.
Causa 4: expectativas mal ajustadas
Qué pasa. Alguien esperaba que la IA lo hiciera todo y sola; otro esperaba que no se equivocara nunca; otro, que ahorrara trabajo desde el primer día. La realidad es más modesta: la IA ahorra trabajo en tareas concretas, necesita supervisión y tarda en dar el rendimiento esperado. Cuando la realidad choca con la expectativa, la reacción es «esto no sirve», aunque esté funcionando razonablemente.
Señal temprana. Comentarios del tipo «yo pensaba que esto ya lo haría solo» o, en sentido contrario, «para esto tardo menos si lo hago yo». Los dos extremos indican expectativas desajustadas, por exceso o por defecto.
Medida correctora. Define desde el principio qué se espera del agente y qué no, con ejemplos concretos y por escrito. Elige una o dos tareas y mide cómo van, comparando antes y después con honestidad, y celebra lo pequeño que funciona. Cuenta también qué sigue haciendo la persona. Y revisa las expectativas cada pocas semanas. Si quieres medir con cabeza, puede ayudarte cómo medir el impacto de la formación en IA.
Resumen de las cuatro causas
| Causa | Señal temprana | Medida correctora |
|---|---|---|
| Falta de tiempo | Las sesiones se aplazan una y otra vez | Tiempo en agenda, quitado de otra tarea concreta |
| Tareas sin dueño | Nadie sabe quién revisa o actualiza | Un responsable con nombre y una frecuencia |
| Datos desordenados | Respuestas distintas a la misma pregunta | Ordenar primero lo mínimo que usa el agente |
| Expectativas mal ajustadas | «Pensaba que esto lo haría solo» o «yo tardo menos» | Objetivos pequeños, escritos y revisados con honestidad |
Una revisión de media hora al final del primer mes
La mejor forma de evitar el atasco es no esperar a que ocurra. Cuando se acabe el primer mes, reúne al equipo media hora y repasa:
- ¿Hemos tenido tiempo reservado cada semana? Si no, ¿qué lo ha impedido?
- ¿Sabe cada persona de qué tarea del plan es responsable?
- ¿Hay información contradictoria o desactualizada que haya afectado al agente?
- ¿Qué esperábamos hace un mes y qué hemos visto? ¿Hay que ajustar algo?
- ¿Qué vamos a hacer distinto el mes que viene? Que sea una cosa o dos, no diez.
Es posible que descubras que alguna de las cuatro causas ya está en marcha. Detectarlo a tiempo es justo el objetivo.
Y si aun así no avanza
A veces, pese a todo, un plan no funciona. Puede que la tarea elegida no fuera la adecuada o que el momento de la empresa no sea el mejor. Eso también es información. Parar a tiempo, con ganas de aprender, es mejor que dejarlo morir en silencio; en cuándo parar un piloto que no funciona sin perder la cara tienes cómo hacerlo. Y si el motivo de fondo es la reticencia del equipo, te servirá cómo evitar la resistencia al cambio al introducir IA.
Conclusión
El segundo mes se atasca, casi siempre, por cuatro causas muy humanas: falta de tiempo, tareas sin dueño, datos desordenados y expectativas mal ajustadas. Cada una avisa antes de que el plan se pare, y cada una tiene una medida sencilla. Lo que más ayuda es revisar a tiempo, repartir responsabilidades con nombre y ajustar lo que esperas a lo que la IA hace bien.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, y formamos a tu equipo para sacarles partido.
Puedes ver cómo lo planteamos en cómo apalancarte en IA.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.