Han pasado los tres o seis meses que se acordaron al principio y los números no acompañan: el agente resuelve menos casos solo de los previstos, el equipo sigue interviniendo más de lo esperado, o simplemente nadie tiene claro si "está funcionando" porque nunca se definió bien qué significaba eso. Este momento genera una mezcla incómoda de frustración y presión, porque ya se ha invertido tiempo y dinero, y la tentación más habitual es reaccionar deprisa en una dirección o en otra: abandonar el proyecto entero, o insistir sin cambiar nada solo porque "ya se ha invertido demasiado como para parar". Ninguna de las dos es la respuesta correcta por defecto. Lo que sí existe es un conjunto claro de opciones, y una forma razonable de elegir entre ellas.
Este artículo no trata de por qué fracasan los proyectos de IA —eso lo cubrimos con detalle en por qué fracasan los proyectos de IA en las empresas—, ni de cómo diagnosticar y corregir uno paso a paso —eso está en cómo ajustar un proyecto de IA que no está funcionando—. Trata de la decisión que viene justo antes de todo eso: qué opciones tienes de verdad sobre la mesa cuando los resultados no llegan, y con qué criterio elegir entre ellas sin dejarte llevar por el pánico ni por la inercia.
Primero, separa "no cumple la expectativa" de "no funciona"
Antes de decidir nada, conviene distinguir dos situaciones que se confunden con frecuencia. Una cosa es que el proyecto no cumpla la expectativa inicial —quizá esa expectativa nunca fue realista, o se fijó sin datos de referencia—, y otra muy distinta es que el sistema esté produciendo errores reales con consecuencias para clientes o para el negocio. La primera es un problema de calibración de expectativas; la segunda es un problema técnico o de diseño que requiere corrección más urgente. Confundirlas lleva a reacciones desproporcionadas en ambas direcciones: cerrar un proyecto que en realidad solo necesitaba un reajuste de expectativas, o mantener vivo uno que sí está generando daño real mientras se espera a ver si mejora solo.
Las cuatro opciones reales sobre la mesa
Opción 1: seguir igual, con más tiempo
A veces el proyecto está progresando de forma razonable, pero el plazo pactado al principio era demasiado corto para el tipo de proceso que se estaba automatizando. Si los datos muestran una tendencia de mejora clara, aunque no haya llegado todavía al umbral pactado, ampliar el plazo con una nueva fecha de revisión concreta —no indefinida— puede ser la decisión correcta. El riesgo de esta opción es convertirla en la respuesta por defecto ante cualquier resultado decepcionante, usándola para posponer una decisión incómoda en lugar de tomarla con datos.
Opción 2: ajustar el diseño o el alcance actual
Si el diagnóstico revela una causa concreta y corregible —datos de mala calidad, un alcance mal definido, falta de supervisión durante el piloto—, la opción es corregir esa causa específica con un plazo cerrado de revisión. Esta es la vía que desarrollamos en profundidad en el artículo sobre cómo ajustar un proyecto que no funciona, y es, en nuestra experiencia, la que resuelve la mayoría de los casos que llegan a este punto de decisión.
Opción 3: reducir el alcance a lo que sí funciona
En ocasiones, una parte del proyecto funciona razonablemente bien y otra parte concreta es la que arrastra los malos resultados globales. En vez de juzgar el proyecto entero como un fracaso, tiene sentido replegar el alcance a la parte que sí demuestra valor, retirar formalmente la parte que no funciona, y tratarla como un proyecto aparte que se retomará más adelante con mejor información. Esta opción suele descartarse por error porque se percibe como "admitir un fracaso parcial", cuando en realidad es una forma de rescatar el valor real que el proyecto sí está generando.
Opción 4: cerrar el proyecto
Cuando la causa raíz no es corregible en un plazo razonable —por ejemplo, porque los datos necesarios no existen en ningún sistema de la empresa—, o cuando ya se ha intentado un ajuste con plazo cerrado y tampoco ha funcionado, cerrar el proyecto es una decisión de gestión tan legítima como cualquier otra. Documentar con honestidad por qué no funcionó es lo que convierte ese cierre en aprendizaje aprovechable para el siguiente proyecto, en lugar de en un tema que nadie quiere volver a mencionar.
El sesgo que hay que vigilar: el coste ya invertido
La trampa mental más común en este momento es razonar en función de lo ya gastado —"llevamos cuatro meses y un presupuesto considerable, no podemos parar ahora"— en lugar de en función de lo que cuesta seguir a partir de hoy frente a lo que se espera ganar. Lo invertido hasta ahora no vuelve, decidas lo que decidas; la única pregunta relevante es si el coste y el riesgo de continuar, ajustar o cerrar a partir de este momento están justificados por el resultado esperado a partir de ahora. Cualquier decisión que se apoye en "ya hemos invertido demasiado" en lugar de en esta pregunta corre el riesgo de repetir el mismo error de cálculo un tiempo después, con más dinero comprometido todavía.
Qué mirar en el contrato antes de decidir
Antes de comunicar una decisión, conviene revisar qué dice el contrato con el proveedor sobre plazos de revisión, condiciones de salida y responsabilidad sobre los resultados no alcanzados. Un proveedor serio incluye, desde el principio, hitos de revisión con criterios objetivos y una vía clara de salida si esos hitos no se cumplen, sin penalizaciones desproporcionadas para el cliente. Si esos términos no están claros en tu contrato actual, es una señal a tener en cuenta para la próxima contratación, algo que conviene preguntar por adelantado la próxima vez, como explicamos en qué preguntar antes de contratar un proveedor de IA.
Cómo lo enfocamos en MG Solutions
Cuando trabajamos con un cliente en AutoAd, por ejemplo, los resultados de SEO no dependen de una promesa cerrada de posiciones garantizadas —nadie serio puede prometer eso en SEO—, sino de un volumen de contenido publicado y de un seguimiento de indexación y tráfico transparente desde el primer mes, precisamente para poder tener esta conversación con datos reales y a tiempo, en lugar de descubrir seis meses después que algo no encajaba.
Conclusión
Cuando un proyecto de IA no da los resultados esperados, la respuesta correcta casi nunca es "abandonar" ni "insistir sin cambiar nada": es elegir con datos entre seguir con más tiempo, ajustar la causa concreta, reducir el alcance a lo que sí funciona, o cerrar con honestidad. La decisión se toma mejor cuando el contrato ya preveía este momento y cuando se separa el coste ya invertido —que no vuelve— del coste real de seguir a partir de ahora. Si tienes un proyecto en este punto y quieres una segunda mirada externa, en MG Solutions ofrecemos una primera reunión para ayudarte a decidir con datos. Contacta con nosotros aquí.