← Volver al blog Gobierno de TI

Inteligencia artificial en empresas mexicanas: cómo empezar

En la mayoría de las empresas mexicanas la inteligencia artificial ya entró, y nadie la autorizó: está en las cuentas personales con las que el equipo redacta correos, en la función nueva del CRM que se activó sola y en la herramienta de soporte que ahora sugiere respuestas. La pregunta útil, entonces, no es «¿deberíamos usar IA?», sino cuál es el primer caso de uso que conviene hacer bien y qué hay que ordenar antes de escalarlo.

Esta guía es para una empresa de entre 20 y 200 personas, sin área de tecnología robusta, con la operación repartida entre un sistema administrativo, varias hojas de cálculo y mucho WhatsApp. Cómo elegir el primer caso con cuatro filtros, los cinco que parecen buenos y no lo son, qué exige la ley mexicana aunque todavía no haya una ley de IA, ocho preguntas antes de firmar con un proveedor y un plan de 90 días.

Dónde está hoy la IA en una empresa mexicana

Antes de planear nada conviene mirar. En las empresas con las que trabajamos, la IA aparece casi siempre en las mismas cuatro formas, y solo la primera se ve en el presupuesto:

• La que se compró. Una herramienta específica para un proceso: atención, cobranza, análisis. Es la minoría, y es la única que tiene dueño.
• La que venía incluida. El asistente de la suite ofimática, el resumen automático del CRM, la sugerencia de respuesta del sistema de tickets. Nadie la evaluó porque nadie la compró por separado, y procesa información de clientes todos los días.
• La que trajo el equipo. Cuentas personales de herramientas generales para redactar, traducir, resumir y programar. No es indisciplina: es que el trabajo salga. Pero la empresa no sabe qué información salió por ahí.
• La que ofrece un proveedor como servicio. Agencias, despachos y desarrolladores que ya usan IA en lo que te entregan, a veces sin decirlo en el contrato.

Esa mezcla explica por qué los proyectos de IA en PyMEs fracasan por donde nadie mira: no por el modelo, sino porque la empresa no sabía qué estaba usando cuando decidió «adoptar IA». El primer entregable de cualquier plan serio es un inventario de esas cuatro categorías, levantado por área. No requiere presupuesto y cambia la conversación entera.

Cómo elegir el primer caso de uso: cuatro filtros

El primer caso de uso no se elige por impacto potencial: se elige por probabilidad de terminarlo. Un piloto que se abandona a los dos meses cuesta más que no haber empezado, porque quema la credibilidad interna. Cuatro filtros, en este orden:

1. ¿El proceso está escrito? Si nadie puede describir las entradas, las salidas y quién hace qué, no hay nada que automatizar todavía. Este filtro elimina la mitad de los candidatos, y es el que más ahorra. Si el proceso no está documentado, el trabajo previo es el manual de procedimientos, no la IA.
2. ¿Se repite muchas veces y el error es reversible? Volumen alto y consecuencia baja es el terreno donde la IA rinde sin poner nada en riesgo. Volumen bajo y consecuencia alta es el peor lugar para empezar.
3. ¿Los datos que necesita existen y están en algún lado consultable? No hace falta un almacén de datos, pero sí que la información no viva exclusivamente en la cabeza de alguien o en conversaciones de WhatsApp.
4. ¿Hay alguien que lo quiera? Un dueño del proceso que sufra el problema hoy y esté dispuesto a revisar salidas durante las primeras semanas. Sin esa persona, el piloto se muere solo.

Los candidatos que suelen pasar los cuatro filtros en una empresa de servicios o comercial son de una modestia sospechosa, y ahí está su virtud: clasificar y enrutar solicitudes entrantes; preparar borradores de respuestas frecuentes para que una persona las apruebe; extraer datos de documentos con formato conocido —facturas, órdenes de compra, guías— hacia el sistema; resumir llamadas o reuniones para que el seguimiento no dependa de la memoria; ordenar y buscar dentro de la documentación interna que hoy nadie encuentra.

Cinco casos que parecen buenos y no lo son

Son los que se proponen en la primera reunión y los que más proyectos entierran:

1. Un chatbot de atención al público, de entrada. Es visible, es vendible y es el más difícil: exige contenido correcto y actualizado, manejo de casos límite, escalamiento a humano y tolerancia cero al error frente al cliente. Es un buen tercer proyecto, no el primero.
2. Filtrado automático de candidatos. Alto riesgo legal y reputacional, beneficio marginal en una empresa que contrata pocas personas al año, y una conversación imposible el día que alguien pregunte por qué fue descartado.
3. Pronóstico de ventas «con IA» sobre datos sucios. Si el histórico está en hojas con criterios que cambiaron tres veces, el modelo aprende el desorden. La salida parece precisa y es falsa, que es peor que no tenerla.
4. Sustituir al vendedor en la prospección. El correo masivo generado funciona hasta que el prospecto lo nota, y entonces el daño es a la marca. Sirve para preparar, no para sustituir.
5. Generar documentación normativa completa con IA. Produce texto correcto que describe una empresa que no existe, y en una auditoría se nota en la primera pregunta al operador del proceso. Sirve para redactar sobre lo que tú ya definiste, no para decidir qué hace tu empresa.

El problema no es el modelo: son tus datos

Los proyectos de IA en PyME mexicana se atoran casi siempre en el mismo punto, y no es técnico:

• La información está repartida y duplicada. El mismo cliente con tres nombres distintos en el sistema administrativo, en la hoja de cálculo de comercial y en la carpeta compartida.
• Los criterios cambiaron sin registro. Lo que en 2023 se clasificaba como «servicio» en 2025 se clasifica como «proyecto». El histórico no es comparable y nadie lo documentó.
• La operación real vive en conversaciones. Lo que se acordó con un cliente está en un chat, no en el sistema. Una herramienta que solo ve el sistema ve la mitad de la empresa.
• No hay quién responda por un dato. Sin dueño del dato, nadie corrige el catálogo y todos trabajan con su propia copia.

La consecuencia práctica: el primer caso de uso debe elegirse también por la calidad del dato que necesita. Y si ninguno la tiene, el proyecto previo es ordenar un proceso y su información, que además rinde por sí solo aunque la IA nunca llegue. Esa secuencia —ordenar, medir, después automatizar— es la misma de cualquier proyecto de transformación digital que no termine en una herramienta abandonada.

Lo que la ley mexicana ya te exige

México no tiene todavía una ley general de inteligencia artificial, y eso hace creer que no hay obligaciones. Es falso: las obligaciones que ya existen aplican igual cuando el que procesa es un modelo. Cuatro frentes que conviene mirar antes de arrancar, y ninguno requiere una norma nueva:

• Protección de datos personales. La legislación mexicana en la materia exige tratar los datos conforme a una finalidad informada en el aviso de privacidad, obtener consentimiento donde corresponde, aplicar medidas de seguridad, informar las transferencias a terceros y atender los derechos de acceso, rectificación, cancelación y oposición. Meter datos personales en una herramienta de un tercero es un tratamiento y, con frecuencia, una transferencia: tiene que estar contemplado. [DATO A CONFIRMAR CON FER] — referencia normativa exacta y autoridad competente vigente, para citarlas con precisión en esta sección.
• Materia laboral. Ninguna decisión sobre una persona —contratación, evaluación, terminación— debería quedar automatizada, y hay criterios de no discriminación que no desaparecen porque quien propuso el descarte fuera un sistema. La regla práctica: la IA ordena y resume, la persona decide y deja constancia del motivo.
• Confidencialidad y secreto industrial. Si firmaste un acuerdo de confidencialidad con un cliente, introducir su información en una herramienta externa puede ser un incumplimiento contractual aunque no haya fuga. Se revisa antes, no después.
• Consumidor y publicidad. Lo que se publica a nombre de la empresa obliga a la empresa. Un contenido generado con un dato inventado sobre un producto o una condición comercial es responsabilidad de quien lo publicó, no del modelo.

Y el frente que llega por la puerta comercial antes que por la legal: si vendes a empresas grandes o exportas, tus clientes te van a trasladar sus propias obligaciones por contrato. El reglamento europeo de IA —Reglamento (UE) 2024/1689— escalona obligaciones para sistemas de alto riesgo, y una empresa mexicana que forma parte de esa cadena las recibe en forma de cláusula y de cuestionario.

8 preguntas antes de firmar con un proveedor

Da igual si es una herramienta de suscripción o un desarrollo a la medida. Estas ocho preguntas, por escrito y con respuesta en el contrato, evitan la mayoría de los problemas:

1. ¿Usan lo que yo introduzco para entrenar sus modelos? Y si la respuesta es que depende del plan, cuál es el mío y cómo se desactiva.
2. ¿Dónde se almacena la información y por cuánto tiempo? Incluye los registros de conversación, no solo los archivos.
3. ¿Quién es el subencargado? Casi ningún proveedor opera su propio modelo: detrás hay un tercero, y ese tercero también trata tus datos.
4. ¿Qué pasa con mi información cuando termine el contrato? Exportación en formato utilizable y borrado verificable, con plazo.
5. ¿A quién pertenece lo generado y qué garantías me dan frente a reclamaciones de terceros por el contenido de salida?
6. ¿Cómo me avisan si hay un incidente de seguridad y en cuánto tiempo?
7. ¿Qué pasa si cambian el modelo por debajo? Los resultados cambian con él; pide aviso previo y una vía de reversión o de prueba.
8. ¿Qué puedo exportar y con qué facilidad puedo salirme? La dependencia de proveedor es el riesgo tecnológico que más crece y el que menos se negocia al inicio.

Si el proveedor no responde por escrito a estas ocho, esa es la respuesta. El método completo para valorar esta y otras dependencias está en la guía de gestión de riesgos tecnológicos.

Cuánto cuesta arrancar: el cálculo que sí se puede hacer

Publicar cifras de suscripciones o de proyectos sería inventarlas: cambian por proveedor, por plan y por mes. Lo que sí se puede hacer es el cálculo, y es más útil que un precio:

Contra eso se pone el beneficio, medido en la misma unidad: horas que hoy se van en la tarea, multiplicadas por el costo de esas horas. Si el cálculo no sale con supuestos conservadores, no sale. Y el criterio de paro se define antes de arrancar: qué resultado, a qué fecha, hace que este piloto se cancele. Un piloto sin criterio de paro no se cancela nunca; se abandona en silencio, que es lo mismo pero más caro.

[DATO A CONFIRMAR CON FER] — si Softgrade publica rangos de inversión o duración para acompañar un primer caso de uso de IA en PyME.

Gobernarla desde el primer día, no desde el incidente

Gobernar no es frenar. Es que el piloto no deje deuda. Lo mínimo, que cabe en dos semanas de trabajo y no requiere comprar nada:

• Inventario de lo que ya se usa, por área, con amnistía declarada para que la gente diga la verdad.
• Lista corta de herramientas aprobadas, con cuenta corporativa, antes de prohibir las personales.
• Una regla escrita de qué información no entra en ninguna herramienta, con ejemplos del trabajo real.
• Revisión humana definida por tipo de salida, con la regla que nunca se negocia: las decisiones sobre personas no se automatizan.
• Un dueño con nombre por cada caso de uso en operación.
• Un canal para reportar cuando algo salga mal, sin represalia.

Eso es el 80 % del beneficio de la gobernanza al 5 % de su costo, y es lo que un cliente corporativo pide primero en su cuestionario de proveedor. El marco completo —órganos, clasificación por riesgo, métricas— está en la guía de gobernanza de IA, y el documento concreto, en la guía de la política de uso de IA. Si el destino es un sistema certificable, el camino está en la guía de ISO 42001.

7 errores que se repiten

1. Empezar por la herramienta y no por el proceso. Se compra la suscripción en enero y en marzo nadie sabe qué problema iba a resolver.
2. Un piloto sin dueño ni criterio de paro. No fracasa: se disuelve, y nadie aprende nada de él.
3. Automatizar el desorden. Un proceso sin escribir, ejecutado más rápido, produce más errores por hora.
4. Prohibir las herramientas personales sin ofrecer corporativas. El uso se esconde y la empresa pierde la visibilidad que tenía.
5. Creerle a la salida porque suena bien. El texto seguro y bien redactado con un dato falso es el riesgo más frecuente y el más subestimado. Todo dato que sale a un cliente se verifica contra su fuente.
6. No mirar la IA que ya venía incluida en el CRM, la suite o el sistema de tickets. Procesa información de clientes y no está en ningún inventario.
7. Formar solo a la dirección. Quien decide qué se puede pegar en un chat no es el director: es la persona del área a las cuatro de la tarde.

Un plan de 90 días

Preguntas frecuentes

Conclusión

La IA no llega a las empresas mexicanas por la puerta del proyecto: llega por la puerta de atrás, en cuentas personales y en funciones que se activaron solas. Empezar bien no consiste en elegir la tecnología correcta, sino en mirar lo que ya pasa, ordenar un proceso que valga la pena y probar en pequeño con criterio de paro.

Tres decisiones ordenan el resto: inventaría antes de decidir nada, elige el primer caso por probabilidad de terminarlo y no por impacto soñado, y pon el piso mínimo de gobierno —herramientas aprobadas, qué información no entra, revisión humana, dueño por caso— antes de escalar. Las tres caben en un trimestre y evitan la deuda que después cuesta un proyecto entero.