IA para pymes: por dónde empezar cuando no tienes equipo técnico

Implantar IA en pymes no se parece en nada a lo que se cuenta en las conferencias. No hay un equipo de ciencia de datos esperando instrucciones, no hay un lago de datos, y la persona que más sabe de sistemas es la que también lleva facturación. Eso no impide hacer cosas serias con IA: solo cambia el orden en el que hay que hacerlas y el tamaño de la primera apuesta.

Esta guía está escrita para una empresa de entre 10 y 150 personas que factura bien, tiene procesos que chirrían y ha oído demasiadas veces que «con IA esto se resolvería». Va de decidir: qué se puede intentar sin equipo técnico, cuánto cuesta de verdad, qué hay que tener listo antes y en qué punto conviene parar.

¿Qué significa implantar IA en una pyme?

Significa poner en producción una o dos tareas concretas asistidas por un modelo, integradas en las herramientas que ya usáis, con alguien que responde cuando fallan. Nada más. No significa «transformar la empresa», ni montar una plataforma, ni tener un chatbot en la web porque toca.

La diferencia entre una pyme y una gran empresa en este terreno no es el talento: es el margen de error. Una multinacional puede permitirse tres pilotos que no lleguen a nada porque el presupuesto lo absorbe una partida de innovación. Una pyme que quema 25.000 € y seis meses en un proyecto que se queda en demo no vuelve a intentarlo en dos años. Por eso aquí el criterio de selección importa más que la tecnología.

Tres características hacen que un caso encaje bien en una pyme:

• Volumen repetitivo y aburrido. Algo que alguien hace 50 veces por semana siempre igual: clasificar correos, extraer datos de albaranes, responder las mismas ocho preguntas.
• Un dato que ya existe en algún sitio. En el ERP, en el gestor documental, en el buzón de info@. Si la respuesta es «habría que empezar a registrarlo», el caso se retrasa seis meses.
• Un error tolerable. Si el modelo se equivoca, alguien lo detecta antes de que llegue al cliente o a Hacienda.

El primer proyecto de IA de una pyme no tiene que ser el más rentable. Tiene que ser el que termina.

¿Por dónde empezar si no tienes equipo técnico?

Por el inventario de fricción, no por el catálogo de herramientas. Siéntate con las tres o cuatro personas que más tocan la operación y pregunta una sola cosa: ¿qué haces cada semana que te parece absurdo tener que hacer? En dos horas salen entre quince y treinta tareas. Ese es tu punto de partida real, y es gratis.

Luego se filtra con cuatro columnas: frecuencia, horas al mes, quién lo hace y qué pasa si sale mal. Todo lo que consuma menos de cuatro horas al mes se descarta aunque moleste mucho: no hay retorno que justifique el mantenimiento. Todo lo que, si falla, produce un problema legal o contractual, se aparca para la segunda ronda.

De lo que queda, elige uno. Uno solo. Esta es la parte que más cuesta, porque siempre hay tentación de arrancar tres frentes a la vez y así «aprovechar el impulso». Lo que pasa en la práctica es que ninguno recibe atención suficiente y los tres mueren en la fase de pruebas, que es exactamente el patrón que describimos en por qué fracasan los pilotos de IA.

Sin equipo técnico interno tienes tres caminos, y conviene ser honesto sobre lo que implica cada uno:

| Vía | Qué encaja | Coste típico | Riesgo principal | |---|---|---|---| | Herramienta SaaS con IA incluida | Casos estándar: correo, atención, documentos sencillos | Suscripción mensual por usuario | Se queda corta en cuanto tu proceso tiene excepciones propias | | Automatización con conectores (low-code) | Flujos entre las apps que ya usas | Licencia baja + horas de configuración | Nadie documenta el flujo y se rompe cuando cambia una API | | Desarrollo a medida integrado | Cuando el proceso es tu diferencial o toca datos sensibles | Proyecto cerrado + mantenimiento | Sobredimensionar la primera versión |

Lo razonable en una pyme es empezar por las dos primeras y reservar la tercera para cuando ya sabes que el caso funciona y lo que falla es la herramienta, no la idea.

¿Cuánto cuesta de verdad la IA para pymes?

El coste de la licencia es el que se ve; es también el que menos manda. Un proyecto pequeño de IA en una pyme tiene cuatro partidas, y la primera suele sorprender:

• Tiempo de tu gente. Alguien de dentro tiene que explicar el proceso, dar acceso a los sistemas, revisar resultados y decidir. Entre 15 y 40 horas en las primeras semanas. Si nadie tiene esas horas, el proyecto no está listo para empezar.
• Preparación de datos y accesos. Limpiar, exportar, conectar. Casi siempre más de lo previsto.
• Licencias y consumo. Suscripciones y, si hay modelos por uso, un coste variable que conviene acotar desde el día uno.
• Mantenimiento. Nadie lo presupuesta y todos lo pagan. Cuenta entre un 15 % y un 25 % anual sobre lo invertido solo para que siga funcionando cuando cambien los formatos, los proveedores o las personas.

Un primer caso bien acotado en una pyme española se mueve en el orden de unos pocos miles de euros, no de decenas. Si la primera propuesta que recibes pasa de cinco cifras antes de haber validado nada, no estás comprando un proyecto: estás comprando una plataforma. Y para eso todavía es pronto.

Una regla práctica: el presupuesto del primer caso no debería superar lo que cuesta el proceso actual en seis meses. Si automatizar algo que cuesta 300 € al mes en horas te sale por 12.000 €, la cuenta no sale por muy bonita que sea la demo.

¿Qué procesos automatizar primero en una pyme?

Los que tocan papel y buzón. En casi cualquier empresa mediana española, el mismo puñado de casos aparece una y otra vez:

Lectura y clasificación de documentos. Facturas de proveedor, albaranes, pedidos que llegan en PDF. El modelo extrae los campos, los coteja contra el pedido y solo avisa cuando hay discrepancia. Es de los casos con mejor relación esfuerzo/retorno y con red de seguridad natural: si falla la extracción, el documento cae en la cola manual de siempre.

Respuesta a preguntas repetidas. Plazos, estado del pedido, condiciones, horarios. Antes de montar nada, mira el histórico del buzón: si el 60 % de los correos son ocho preguntas, tienes caso. Si son cien preguntas distintas, no lo tienes. Lo desarrollamos en chatbots para empresas.

Preparación de presupuestos y ofertas. Buscar precedentes, rellenar plantillas, cotejar tarifas. La persona sigue decidiendo el precio; deja de perder 40 minutos buscando el presupuesto parecido del año pasado.

Resúmenes y actas operativas. Llamadas de comercial, incidencias de servicio técnico, reuniones de producción. Barato de montar, fácil de abandonar si nadie los lee: comprueba antes que alguien los va a usar.

Priorización de una lista. Qué impagados reclamar primero, qué cliente tiene pinta de irse, qué pedido revisar. No sustituye el criterio: ordena la cola para que el criterio se aplique donde importa. Hay más ejemplos por sector en casos de uso de IA por sector y el marco general en automatización de procesos con IA.

¿Qué hay que tener antes de empezar?

Menos de lo que te dirán, pero no cero. Hay cuatro cosas que no se pueden saltar:

• Un responsable con nombre. Alguien de dentro que decide, prueba y dice «esto no vale». No hace falta que sea técnico; hace falta que tenga autoridad sobre el proceso.
• Acceso a los datos que ya tienes. Saber quién puede exportar del ERP y con qué permisos. Este suele ser el cuello de botella real, no el modelo.
• Un criterio de éxito escrito antes de empezar. «Que el 80 % de las facturas entren sin tocarlas», no «que mejore la eficiencia». Sin número, siempre ganan las sensaciones y siempre pierde el proyecto.
• Una revisión rápida de datos personales. Si el proceso toca datos de clientes o empleados, hay que saber dónde se procesan y con qué base legal antes de conectar nada. Es media hora bien invertida, no un trámite; lo detallamos en RGPD e IA.

Lo que no hace falta: tener los datos perfectos, haber hecho una estrategia de datos completa o haber unificado los sistemas. Eso llega después, cuando el primer caso demuestra que merece la pena invertir en la cañería. El orden importa y lo explicamos en datos antes que IA.

¿Cómo es un plan realista de 90 días?

No hace falta más para saber si esto funciona en tu empresa. Con menos, no da tiempo a medir; con más, el interés se apaga.

| Semanas | Qué se hace | Resultado tangible | |---|---|---| | 1–2 | Inventario de fricción y elección de un caso | Una tarea elegida, con horas/mes y dueño | | 3–4 | Accesos, datos de muestra y criterio de éxito | Acuerdo escrito de qué se considera «funciona» | | 5–8 | Montaje y pruebas en paralelo al proceso actual | Resultados comparables contra lo de siempre | | 9–12 | Puesta en producción con supervisión y medición | Decisión: se mantiene, se ajusta o se para |

La semana 12 tiene que terminar en una decisión explícita, incluida la de parar. Un caso que se abandona a tiempo con el aprendizaje documentado es un buen resultado; lo caro es el proyecto zombi que nadie usa y nadie cancela.

Errores que más cuestan en una pyme

Empezar por la herramienta. Comprar licencias antes de saber qué tarea vas a atacar garantiza que acabes adaptando el proceso a la herramienta.

Elegir el caso más vistoso. El que luce en una reunión suele ser el que más depende de datos que no tienes.

No contar las horas internas. El proyecto parece barato hasta que alguien suma lo que ha dedicado el responsable de operaciones.

Medir con sensaciones. Sin línea base —lo que cuesta hoy hacerlo a mano— cualquier resultado se puede defender y ninguno se puede demostrar.

Dejarlo sin dueño al pasar a producción. Cuando el proveedor se va, alguien tiene que mirar los errores cada semana. Si no está asignado, el sistema se degrada en silencio.

Preguntas frecuentes

¿Se puede implantar IA en una pyme sin contratar a nadie técnico?

Sí, para el primer caso. Necesitas un responsable interno con criterio sobre el proceso y un proveedor que se integre con vuestras herramientas. Contratar perfil técnico interno tiene sentido cuando ya hay tres o cuatro automatizaciones en producción que alguien debe mantener.

¿Cuánto tarda en verse el retorno?

Si el caso está bien elegido, entre dos y cuatro meses desde el arranque. Los casos documentales suelen ser los más rápidos porque el ahorro se mide en horas directas. Si un proveedor promete retorno en tres semanas, pregúntale contra qué línea base lo calcula.

¿Es seguro usar IA con datos de clientes en una pyme?

Depende de dónde se procesen y qué contrato haya detrás. Hay que revisar el encargo de tratamiento, la ubicación de los datos y si se usan para entrenar modelos. Es una revisión previa de pocas horas, no un obstáculo insalvable.

¿Qué pasa si el proyecto no funciona?

Que lo paras en la semana 12 y te llevas el mapa del proceso, los accesos resueltos y la evidencia de qué falta. Por eso el primer caso debe ser pequeño: el coste de equivocarse tiene que ser asumible por diseño.

---

Si estás en el punto de tener quince ideas y ninguna certeza sobre cuál sostiene un proyecto, esa es exactamente la conversación que resuelve la auditoría: mirar tus procesos y tus datos reales y salir con uno o dos casos priorizados, con su coste y su criterio de éxito. Y si prefieres contrastarlo antes en media hora, hablemos sin compromiso.