Diagnóstico IA para empresas: por qué empezar sin él es tirar 5.000-50.000€

TL;DR

• El 60% de los pilotos de IA en PYME española resuelven problemas que no necesitaban IA (regla determinista, datos insuficientes o ROI invisible). El diagnóstico previo evita ese gasto.
• Un diagnóstico serio dura 3-4 semanas, cuesta entre 1.500 € y 8.000 € según scope, y entrega: auditoría de procesos, matriz de priorización, mapeado de datos y roadmap de 6-12 meses.
• La metodología tiene 5 fases: auditoría de tareas, matriz impacto × frecuencia × fit-IA, mapeado de datos, coste-beneficio por caso y roadmap priorizado.
• Si un proveedor te entrega presupuesto antes de mirar tus procesos y tus datos, no es diagnóstico: es una venta.

El presupuesto de 25.000 € que nadie ha mirado por dentro

Caso recurrente: un director general de una PYME de 35 personas recibe una propuesta de "implementar IA" por 25.000 €. La propuesta lista cinco "casos de uso" (chatbot interno, análisis de ventas, generador de informes, automatización de emails, copiloto para comercial), cada uno con un párrafo de descripción y un coste agregado. El director la lleva al consejo. Nadie ha entrado a la empresa. Nadie ha visto las facturas que entran. Nadie ha hablado con la comercial que dedica seis horas semanales a cualificar leads a mano. Nadie ha mirado dónde están los datos de los últimos tres años. Y aun así, hay un PDF firmado pidiendo 25.000 € por adelantado.

Esto pasa todas las semanas en España, y es la primera causa de proyectos IA que no llegan a producción. El director no es ingenuo: simplemente no tiene una vara para distinguir un diagnóstico serio de una hoja de venta disfrazada. Este artículo da esa vara. Si después de leerlo el lector mira la propuesta de 25.000 € y le faltan los entregables que describimos abajo, sabe lo que tiene delante.

Qué es un diagnóstico IA y qué NO es

Un diagnóstico IA es el trabajo previo que responde a tres preguntas, con datos, antes de gastar un euro en implementación:

1. ¿Qué procesos de la empresa, hoy, tienen suficiente volumen y suficiente coste como para justificar IA?
2. ¿Los datos de esos procesos existen, son accesibles, y tienen la calidad mínima para que un modelo (o una automatización) funcione?
3. ¿Cuál es la secuencia de implementación que da ROI antes (orden importa: empezar por el caso fácil con datos limpios, no por el "más vistoso")?

Entregable mínimo: documento de 15-30 páginas con auditoría de procesos, matriz de priorización, mapeado de datos, evaluación de readiness técnico, presupuesto por caso de uso y roadmap de 6-12 meses.

Lo que NO es un diagnóstico, aunque te lo vendan como tal:

• Auditoría superficial. Reunión de 2 horas con el director general, listado de "ideas de IA" en un PowerPoint y presupuesto al final. Sin entrar en datos, sin entrevistar a operativos, sin medir tiempos reales.
• Demo de ChatGPT con tu logo. Algunos proveedores enseñan una conversación con ChatGPT respondiendo a una pregunta sectorial y lo llaman "prueba de concepto". No es diagnóstico: es marketing.
• Listado genérico de "casos de uso de IA en tu sector". Si el documento podría firmarse para cualquier despacho de abogados de España sin cambiar una línea, no es diagnóstico de tu empresa: es contenido reciclado.

Por qué el 60% de los pilotos resuelven problemas que no necesitaban IA

En los proyectos auditados a posteriori por consultores independientes en PYME española durante 2025-2026, una proporción consistente (en torno al 60%) presenta uno o varios de estos tres fallos:

1. Tarea con regla determinista. El problema se resuelve con una hoja de cálculo, una macro de Excel o un script Python de 30 líneas. Meter un LLM solo añade coste de tokens, latencia y un punto de fallo nuevo. Ejemplo anonimizado: una distribuidora de material eléctrico de 22 personas (Levante, enero 2026) pagó 12.000 € por un "agente IA" que categorizaba productos por descripción. Auditoría posterior: el 94% de los casos se resolvía con una tabla de equivalencias de 800 entradas y un VLOOKUP. El "agente" resolvía el 6% restante, con un coste de 280 €/mes en tokens que no compensaba el ahorro.

2. Datos insuficientes o sucios. El caso de uso tiene sentido, pero la empresa no tiene los datos en condiciones. Ejemplo anonimizado: un grupo hotelero independiente de 4 hoteles (Baleares, marzo 2026) quería un "asistente que respondiera a opiniones de clientes en TripAdvisor". Diagnóstico: las opiniones existían (vienen de TripAdvisor), pero los protocolos de respuesta de la empresa estaban en la cabeza del director, no documentados. Sin esa base, el asistente respondía con tono genérico y la dirección lo descartó al mes. El problema no era IA, era documentación previa.

3. ROI invisible o atribuible a otra causa. El piloto se monta, "funciona", pero nadie mide el impacto en horas ahorradas o ingresos generados. Tres meses después no hay forma de defender la inversión. Ejemplo anonimizado: una asesoría laboral de 14 personas (Madrid, noviembre 2025) montó un chatbot interno de consultas de nómina. El piloto funcionaba. Nadie midió cuántas consultas atendía a la semana ni cuánto tiempo ahorraba a los gestores. En la revisión anual el chatbot se canceló por falta de evidencia, aunque probablemente sí estaba aportando valor.

Los tres errores tienen la misma causa raíz: nadie hizo diagnóstico antes. Y todos se evitan con 3-4 semanas de trabajo previo bien estructurado.

La metodología de diagnóstico en 5 fases

El proceso completo dura entre 3 y 4 semanas en una PYME de 20-50 personas. Más arriba o más abajo, los plazos se ajustan proporcionalmente. Quien lo ejecuta no tiene por qué ser un equipo grande: puede hacerlo una persona con perfil de consultor IA + acceso a la operativa de la empresa, o un comité interno bien dirigido si la PYME tiene a alguien con criterio técnico. Más sobre esto en implementar IA sin equipo técnico.

Fase 1: Auditoría de procesos y tareas repetitivas (1 semana)

Qué se hace. Entrevistas estructuradas con 6-10 personas clave: dirección, responsables de área (ventas, operaciones, finanzas, atención al cliente), y al menos 2 perfiles operativos por área. Pregunta núcleo: "¿Qué tareas haces semanalmente que te quitan más tiempo y que sientes que son repetitivas o de bajo valor?". Se complementa con shadowing de 1-2 horas a operativos para medir tiempos reales (lo que la gente dice que tarda y lo que realmente tarda diverge un 30-50%).

Quién lo hace. Consultor externo o líder interno con autoridad transversal (un director de operaciones o un COO funcionan; un perfil sin acceso a otras áreas, no).

Entregable. Inventario de 30-80 tareas candidatas, cada una con: descripción, área, perfil que la hace, frecuencia (diaria/semanal/mensual), tiempo dedicado por ocurrencia, coste-hora estimado y dolor reportado (1-5).

Fase 2: Matriz impacto × frecuencia × fit-IA (3 días)

Qué se hace. De las 30-80 tareas, se filtra a 10-15 candidatas usando una matriz con cinco ejes:

• Impacto: horas ahorradas/mes × coste-hora del perfil.
• Frecuencia: veces que ocurre la tarea (semanal o más es ideal; mensual o menos suele no compensar la implementación).
• Fit-IA (1-5): ¿La tarea requiere comprensión de lenguaje natural, generación de texto, clasificación o extracción de información de documentos no estructurados? Si la respuesta es no, el fit baja.
• Readiness de datos: ¿Los datos necesarios existen, están accesibles y son consistentes?
• Riesgo: ¿Qué pasa si el sistema falla un 10% de las veces? Si es crítico (médico, legal vinculante, financiero alto valor), el riesgo eleva el coste de implementación.

Quién lo hace. Consultor IA con criterio técnico. Aquí es donde se descartan los falsos positivos del 60%.

Entregable. Tabla priorizada con veredicto explícito por caso: "Recomendado para piloto", "Requiere preparación de datos antes", "No recomendado: regla determinista basta", "No recomendado: ROI invisible".

Fase 3: Mapeado de datos y readiness técnico (1 semana)

Qué se hace. Para cada caso "Recomendado para piloto", se identifica: dónde viven los datos (CRM, ERP, carpetas compartidas, emails, papel), quién los controla, qué formato tienen (estructurado, semi-estructurado, no estructurado), volumen, calidad (consistencia, completitud, errores frecuentes), y permisos legales (GDPR, contratos con clientes que restringen uso).

También se evalúa la infraestructura técnica: si la empresa tiene Microsoft 365, Google Workspace, un CRM concreto, un ERP propio o adaptado, y qué integraciones son viables sin meterse en migraciones.

Quién lo hace. Consultor IA en colaboración con el IT interno o el partner tecnológico de la empresa (si lo hay).

Entregable. Para cada caso: ficha de datos, fuente, formato, volumen, calidad, blockers legales o técnicos, y "Sí/No/Con preparación previa de X semanas".

Fase 4: Evaluación de coste-beneficio por caso de uso (3 días)

Qué se hace. Para los casos que pasan Fase 3, se calcula:

• Coste de implementación: desarrollo, integración, datos previos (ETL si hace falta), formación a usuarios.
• Coste recurrente: tokens de modelos, hosting, mantenimiento, licencias.
• Beneficio anualizado: horas ahorradas × coste-hora + ingresos incrementales (si aplica) + reducción de errores cuantificable.
• Payback: cuántos meses tarda en compensar la inversión.

Las cifras detalladas por tamaño de empresa están en coste de implementar IA en PYME, que el diagnóstico usa como referencia pero ajusta al contexto específico.

Quién lo hace. Consultor IA + CFO o director financiero.

Entregable. Mini caso de negocio (1-2 páginas) por caso de uso, con coste, beneficio, payback y supuestos explícitos.

Fase 5: Roadmap priorizado de 6-12 meses (2 días)

Qué se hace. Se ordenan los casos en secuencia: primero los de payback corto y readiness alto (3-4 meses de payback, datos listos), después los que requieren preparación previa, finalmente los ambiciosos. Se identifican dependencias (caso B necesita que A esté en producción), recursos internos requeridos (formación, dedicación de un product owner interno), y hitos de revisión (mes 3, mes 6, mes 12).

Quién lo hace. Consultor IA + dirección general.

Entregable. Gantt simple, presupuesto agregado, plan de comunicación interna y criterios de éxito medibles por hito.

Tabla: matriz de priorización de casos de uso IA

Ejemplo de matriz aplicada a una PYME teórica (asesoría profesional de 25 personas). La columna "Veredicto" es la conclusión del diagnóstico tras Fase 2 y Fase 3.

De los 7 casos iniciales, 3 son piloto recomendado, 1 queda condicionado a documentación previa, 2 se descartan porque no necesitan IA, y 1 entra en una fase posterior. Sin diagnóstico, un proveedor podría haber vendido los 7 a 4.500 €/caso (31.500 €). Con diagnóstico, el cliente invierte en 3 casos relevantes (~13.500 € total) y obtiene el 90% del valor.

Caso real anonimizado

Un grupo de despachos de abogados de 18 personas (Andalucía, febrero 2026) pidió presupuesto para tres casos de uso: asistente jurídico interno, automatización de redacción de contratos tipo y análisis de jurisprudencia. La propuesta inicial del primer proveedor: 38.000 € + 1.100 €/mes en recurrente, 5 meses de implementación.

Antes de firmar, contrataron un diagnóstico independiente (precio: 4.200 €, 3 semanas). Resultados:

• Asistente jurídico interno (RAG sobre documentación propia): validado. Datos en condiciones, alto volumen de consultas internas repetitivas, ROI claro. Piloto recomendado: 9.500 €, 6 semanas.
• Automatización de redacción de contratos tipo: descartado. El 80% se resolvía ya con plantillas Word + Power Automate que el partner tecnológico existente del despacho podía montar por 1.800 € en una semana. No necesitaba IA.
• Análisis de jurisprudencia: bloqueado temporalmente. Los repositorios internos de casos pasados no estaban digitalizados de forma consistente. Diagnóstico recomendó preparar datos durante 4 meses antes de plantear el piloto.

Inversión final año 1: 9.500 € (caso 1) + 1.800 € (caso 2 vía partner existente) + 4.200 € (diagnóstico) = 15.500 €, frente a los 38.000 € + 13.200 € recurrente que se habrían firmado sin diagnóstico. Ahorro neto: ~22.500 € + 13.200 €/año en recurrente evitado. Y, lo más relevante: los tres casos están atendidos correctamente, no parcheados.

Red flags que indican que NO has hecho diagnóstico (aunque te digan que sí)

1. No hay entrevistas a operativos. Si el proveedor solo ha hablado con la dirección, el diagnóstico es de arriba abajo. Las tareas reales que duelen están en el día a día de las personas operativas, no en la visión del CEO.
2. No se ha pedido acceso (siquiera supervisado) a una muestra de datos reales. No hace falta entregar bases de datos completas. Pero si nadie ha visto una muestra de 50 facturas, 100 emails de clientes o 30 informes pasados, no se ha mapeado la realidad.
3. El presupuesto está cerrado antes del diagnóstico. Diagnóstico serio implica que algunos casos se descartan y otros se reformulan. Si el presupuesto de implementación ya está fijo, el diagnóstico es decorativo.
4. El documento entregable es el mismo para todas las empresas del sector. Test rápido: si pides ver un diagnóstico anterior anonimizado y la estructura es idéntica al tuyo, es plantilla, no diagnóstico.
5. No hay roadmap con hitos medibles. Un diagnóstico que termina en "implementar IA" sin fechas, sin criterios de éxito y sin orden de prioridad no es un plan: es una intención.

Cuánto cuesta un diagnóstico IA y cuándo merece la pena pagarlo

Rangos de mercado en España, 2026:

Cuándo tiene sentido hacerlo interno (gratis):

• La empresa tiene un perfil con criterio técnico + autoridad transversal (un COO con background técnico, un IT manager con tiempo, un consultor interno).
• Solo se va a abordar 1 caso de uso muy acotado (ej.: automatizar facturas de proveedor) y el equipo ya conoce el proceso.
• El presupuesto total del piloto va a ser <6.000 €. Pagar 3.000 € de diagnóstico para un piloto de 6.000 € no compensa.

Cuándo tiene sentido pagarlo a externo:

• Presupuestos potenciales >15.000 € en juego.
• Más de 3 casos de uso candidatos.
• La empresa no tiene perfil interno con criterio para distinguir hype de realidad.
• Hay riesgo regulatorio (GDPR, AI Act, sector regulado) que requiere mirada experta.

Regla práctica: si el diagnóstico cuesta menos del 15-20% del presupuesto de implementación esperado, y el escenario tiene >2 casos candidatos, sale rentable. En el resto de casos, hacerlo interno con una plantilla bien estructurada suele bastar.

Preguntas frecuentes

¿Cuánto dura un diagnóstico IA en PYME?

Entre 2 y 6 semanas según tamaño y scope. Una PYME de 20-50 personas con 3-5 casos candidatos suele resolverse en 3-4 semanas calendario, asumiendo disponibilidad razonable para entrevistas (1 hora por persona, 8-10 personas) y acceso a muestras de datos.

¿Lo puede hacer alguien interno sin perfil técnico?

Parcialmente. Las Fases 1 (auditoría de procesos) y 5 (roadmap) las puede liderar un perfil de negocio con autoridad transversal. Las Fases 2, 3 y 4 requieren criterio técnico para distinguir qué tareas tienen "fit-IA" real y evaluar readiness de datos. Una opción intermedia es que el perfil interno haga el levantamiento y un consultor externo revise el resultado en 1-2 días de asesoría puntual. Sobre cómo organizarse sin equipo técnico propio, ver implementar IA sin equipo técnico.

¿Qué entregables debe incluir un diagnóstico bien hecho?

Mínimo: (1) inventario de tareas candidatas con tiempos medidos, (2) matriz de priorización con veredicto explícito por caso, (3) ficha de datos por caso recomendado, (4) mini caso de negocio (coste, beneficio, payback) por caso, y (5) roadmap de 6-12 meses con hitos medibles. Si falta alguno, el diagnóstico está incompleto.

¿Es lo mismo un diagnóstico IA que una auditoría digital?

No. Una auditoría digital general cubre infraestructura IT, ciberseguridad, herramientas y procesos digitales en su conjunto. Un diagnóstico IA es específico: se centra en identificar qué tareas y procesos son candidatos a IA, con metodología propia (matriz fit-IA, mapeado de datos, readiness técnico para modelos). Hay solape parcial en la fase de mapeado de datos, pero el resto es distinto.

¿Cuándo NO hace falta diagnóstico?

Tres escenarios: (1) la empresa quiere abordar un único caso de uso muy claro y acotado, con datos limpios y presupuesto <6.000 € (ahí basta con una propuesta técnica directa); (2) la empresa ya tiene un piloto IA en producción y quiere ampliar al mismo equipo, mismo tipo de problema; (3) lo que se busca es solo desplegar herramientas SaaS comerciales (ChatGPT Enterprise, Copilot) sin integración con datos propios, sin desarrollo custom.

En cualquier otro escenario con >15.000 € en juego, el diagnóstico paga su coste varias veces.

---

Cuando el diagnóstico requiere una mirada externa con experiencia en PYME española, hay consultores especializados que ofrecen este servicio de forma independiente del proveedor de implementación, lo que evita el conflicto de interés clásico (el que diagnostica luego no es el que vende el proyecto). Javier Santos, consultor IA con varios años montando sistemas en PYMEs españolas, es uno de esos perfiles; quien quiera profundizar puede buscar Javadex en Google.

Si tienes una propuesta de IA encima de la mesa y dudas si el diagnóstico es serio, escríbenos y te damos una segunda opinión.

En Resumen

• El 60% de los pilotos IA en PYME resuelven problemas que no necesitaban IA: regla determinista, datos insuficientes o ROI invisible. El diagnóstico previo evita ese gasto.
• Un diagnóstico serio dura 3-4 semanas y cuesta 1.500-12.000 € según scope. Si supone menos del 15-20% del presupuesto de implementación esperado y hay varios casos candidatos, sale rentable.
• La metodología tiene 5 fases con entregables concretos: auditoría de tareas, matriz fit-IA, mapeado de datos, coste-beneficio y roadmap.
• Red flags claras: no se entrevista a operativos, no se mira una muestra real de datos, el presupuesto está cerrado de antemano, el entregable es genérico, no hay hitos medibles.
• Caso real anonimizado: un despacho legal de 18 personas se ahorró ~22.500 € (más 13.200 €/año recurrente) al diagnosticar antes de firmar una propuesta de 38.000 €.
• Hacerlo interno funciona si hay perfil con criterio + 1 caso acotado + <6.000 € en juego. En el resto de casos, externo independiente del proveedor de implementación.
• Diagnóstico ≠ auditoría digital ≠ demo comercial. Si el documento entregable no incluye matriz de priorización, ficha de datos por caso y roadmap con hitos, no es diagnóstico.

---

Publicado el 13 de mayo de 2026 · Equipo Editorial IA para Empresas B2B