En nuestra lectura, los proyectos de IA se caen casi siempre por tres causas que no son el modelo: el dato sucio, la adopción o la integración. Es nuestra lectura, no un estudio. Son tres causas con nombre, y las tres se detectan antes de pagar si se hacen las preguntas correctas y se divide el proyecto en fases.
En corto
- Dato sucio: la IA contesta mal con total seguridad, porque nadie limpió lo que lee.
- Adopción: el sistema funciona y nadie lo abre; sobrevive el Excel de siempre.
- Integración: el proyecto prometió reemplazar el ERP, se atoró, y la operación sigue en Excel y WhatsApp.
Jueves, 4:50 de la tarde, sala de juntas de una distribuidora en Toluca. Seis meses después de arrancar, el director comercial abre el tablero nuevo. La cifra de ventas del mes no coincide con la que le dio el área de finanzas. Nadie en la sala sabe cuál es la buena. La analista dice, en voz baja, que ella sigue llevando su archivo «por si acaso».
La escena es una composición, no un caso con nombre. Pero cada detalle es una de las tres causas, y por eso este texto las separa. Usted puede estar a tiempo de revisarlas antes de firmar o antes de la siguiente fase.
Un proyecto de IA fracasado es aquel que se paga y no queda en uso cotidiano de la operación, o que se abandona antes de llegar a producción. iAmanos es una agencia de IA de la Ciudad de México, que construye software a la medida y agentes de IA por fases encima de los sistemas que la empresa ya usa. Lo que sigue es la posición de la casa, no un hallazgo académico: así lo vemos y así acotamos el riesgo.
¿Por qué fracasan los proyectos de inteligencia artificial en una empresa?
Porque la inteligencia artificial se monta sobre la operación real, y la operación real trae dato desordenado, personas con hábitos y sistemas que no se hablan. Cuando alguna de esas tres cosas falla, el modelo, por bueno que sea, no tiene dónde apoyarse.

Una advertencia: no le damos un porcentaje de proyectos que fracasan. Circulan muchos y no tenemos uno con fuente primaria que podamos enlazar. Preferimos darle las causas y una fórmula, para que usted ponga sus números.
Las tres causas, cómo se ven y cómo se detectan antes de pagar
| Causa | Cómo se ve en su operación | Cómo se detecta antes |
|---|---|---|
| Dato sucio | Clientes duplicados; claves repetidas; Excel que sólo entiende quien lo hizo | Revisar el archivo real, no su descripción |
| Adopción | El sistema existe y el Excel sigue vivo | Sentar a quien captura en el diseño |
| Integración | Se quiso reemplazar el ERP y el proyecto se atoró | Probar la conexión en la primera fase |
¿Qué es el dato sucio y por qué una IA lo empeora?
El dato sucio es información que su gente interpreta de memoria y un programa no: el mismo cliente escrito de tres maneras, claves de producto repetidas, fechas guardadas como texto, un color de celda que significa «ya se pagó» y que sólo conoce quien lo pintó.


Su equipo compensa todo eso sin darse cuenta. El software no. Y un modelo de IA montado sobre ese dato hace algo peor que fallar: contesta mal con total seguridad, y nadie lo nota hasta que la cifra equivocada llega a una junta.
Aquí hay una decisión que no es técnica: cuando existen dos versiones del mismo dato, alguien del negocio tiene que decir cuál es la buena. Ese tema, quién decide y quién ve qué, se desarrolla en el texto sobre gobierno de datos con IA en la operación y en la página de datos y tableros para su sistema.
Cómo se acota (recomendación nuestra, que conviene exigir a cualquier proveedor, el nuestro incluido): que se pida el archivo real antes de cotizar, no la descripción del archivo, y que la primera fase tome un solo proceso y una sola fuente de datos. Las reglas de limpieza las decide usted.
¿Qué es un problema de adopción y cómo se ve al mes de entregado?
Es cuando el sistema funciona y nadie lo abre. El Excel de siempre sobrevive «por si acaso», y al poco tiempo hay dos verdades: la del sistema y la del archivo. Gana el archivo, porque es el que todos conocen.

VideoMira el asistente en acciónServicios de limpiezaSuele pasar cuando el sistema se diseñó para quien lo compró y no para quien lo captura. Si registrar un pedido toma más pasos que antes, la gente regresa a WhatsApp. No es resistencia al cambio: es sentido común.
Cómo se acota (recomendación nuestra):
- Una pantalla por área, con sólo lo que esa área necesita.
- Quien captura participa en el diseño, no se entera en la capacitación.
- El Excel viejo tiene fecha de retiro, anunciada por la dirección.
- El último pago se hace contra entrega en producción, con gente real usándolo, no contra una demostración en sala de juntas.
¿Por qué se cae el proyecto que quería reemplazar el ERP?
Porque reemplazar el ERP es largo, riesgoso y no le resuelve nada a quien levanta pedidos. Ahí se van los presupuestos. Mientras tanto, la operación diaria sigue viviendo en Excel y WhatsApp, y el proyecto acumula retraso sin entregar nada utilizable.


Nuestro enfoque es otro: construir una capa operativa encima del ERP que ya tiene (Intelisis, Aspel, Contpaq o SAP Business One). La contabilidad no se migra. Lo que cambia es dónde vive el día a día. Está explicado en la página de la capa operativa sobre su ERP, en el texto sobre migrar el ERP o poner una capa encima y, para SAP, en cómo integrar IA sin tocar el núcleo.
Cómo se acota (recomendación nuestra): que primero se lea y después se escriba, que la fase inicial sólo consulte el ERP sin tocarlo y que, si la conexión resulta inviable, el proveedor se lo diga pronto y por escrito, con poco dinero expuesto. Sólo cuando esa lectura es confiable conviene permitir que el sistema nuevo escriba de regreso.
¿Cuánto cuesta un proyecto que se cae?
Cuesta dos veces: lo que ya se pagó y el problema que sigue vivo. Esa es la cuenta que conviene hacer antes de decidir, y no depende de ninguna lista de precios nuestra.
Costo de un proyecto caído = lo ya pagado + (costo mensual del problema que sigue vivo × meses que sigue vivo)
Para el segundo término, la captura manual se calcula así: personas × horas al día × días × costo por hora con carga patronal. Como ejemplo ilustrativo, con supuestos nuestros de 12 personas, 2 horas diarias, 22 días y $123 por hora, salen $64,944 al mes. No es un estudio ni una promesa; son los supuestos de este ejemplo, para que vea cómo corre la fórmula. Sustitúyalos por los suyos.
El proyecto que se cae no lo regresa al punto de partida. Lo deja en el punto de partida con menos dinero y con un equipo que ya no cree en el siguiente intento. Esto último no tiene fórmula, y pesa más que lo otro.
¿Qué preguntas conviene contestar antes de contratar?
Tres, y si alguna no tiene respuesta, el proyecto todavía no está listo para un precio cerrado. Está listo para una primera fase de entender su operación, no para el proyecto completo.

VideoMira el asistente en acciónDiseño de interiores- ¿Puede enseñarnos el archivo real con el que trabajan hoy, no el resumen?
- ¿Quién lo va a capturar todos los días, y esa persona ya sabe que esto viene?
- ¿Con qué sistema tiene que hablar, y quién tiene los accesos?
¿Cómo se divide un proyecto para que una falla cueste poco?
En fases con alcance y precio cerrados antes de cada una (así se trabaja el software a la medida en nuestros servicios). Lo que sigue es nuestra recomendación, un criterio y no una oferta publicada: que cada fase responda la duda más grande del momento.

- Entender la operación. Se revisa el dato real, se identifica quién captura y se prueba qué se conecta con qué.
- Un solo proceso. La prueba de adopción más barata: si la gente no usa algo pequeño, no usará algo más grande.
- Que los módulos se hablen. Aquí se prueba la integración en serio, con usuarios y permisos.
- La plataforma completa, por fases. Se llega con el dato limpio y la gente ya adentro.
Lea la lista como un mapa de riesgo: entender la operación acota el dato sucio, el proceso único acota la adopción y la fase en que los módulos se hablan acota la integración.
¿Qué no puede resolver ningún proveedor, nosotros incluidos?
- No limpia su dato por usted. Podemos revisar el archivo con usted; decidir cuál registro sobrevive cuando hay duplicados es del negocio. Si nadie tiene tiempo para eso, el proyecto se cae igual, sólo que más despacio.
- No obliga a nadie a usarlo. Retirar el Excel viejo es una orden de dirección. Si se sigue pidiendo el reporte «como antes», el equipo seguirá llenando el archivo de antes.
- No cambia su ERP. Trabajamos encima de lo que ya tiene. Migrar contabilidad es otro proyecto.
- No promete un porcentaje de mejora. No publicamos «reduce tanto los errores» porque no lo hemos medido de forma sostenible.
- No es asesoría legal ni de privacidad. Si el sistema maneja datos personales, el aviso de privacidad lo define su asesor.
- La garantía no es mantenimiento. Son 90 días naturales por fase y cubren la corrección de defectos; no cubren funcionalidad nueva ni cambios de alcance.
- Una primera fase puede terminar en «todavía no». Si el dato no da, si nadie va a capturar o si no hay accesos al ERP, lo que conviene exigir a cualquier proveedor es que se lo diga por escrito.
¿Cómo empieza un proyecto con estas tres causas controladas?
Empieza por la fase más chica que conteste su duda más grande. Si no sabe en qué estado está su dato, es entender su operación antes de cotizar. Traiga el archivo real, no el resumen.
El código del sistema desarrollado para usted queda a su nombre por cesión escrita, perpetua e irrevocable, una vez liquidado el precio y salvo nuestras herramientas propias, que se licencian (secciones 9.3 y 9.5), con las condiciones de nuestros términos de servicio; sus detalles están ahí. Para arrancar, cuéntenos su proceso desde la página de contacto y revise cómo trabajamos en la página de servicios de software y agentes de IA.
De dónde sale cada número de este post
- Precio cerrado antes de cada fase y último pago contra entrega en producción: página de servicios de iAmanos, consultada el 30 de octubre de 2026.
- Cesión perpetua e irrevocable y 90 días naturales de corrección de defectos por fase: términos de servicio, secciones 9.3 y 12, consultados el 30 de octubre de 2026.
- Ejemplo de costo mensual: es un supuesto ilustrativo, no un estudio ni una promesa; sustituya cada número por el suyo.
- Intelisis, Aspel, Contpaq y SAP Business One: sistemas sobre los que iAmanos construye la capa operativa, página de capa operativa, consultada el 30 de octubre de 2026.
- No se cita ningún porcentaje de fracaso de proyectos de IA: no tenemos una fuente primaria verificada.
- La escena de la distribuidora en Toluca es una composición ilustrativa, no un caso.
Preguntas frecuentes
¿Por qué fracasan los proyectos de inteligencia artificial?
En nuestra lectura, por una de tres causas: datos sucios que alimentan al sistema, personas que no lo adoptan o una integración mal resuelta con el sistema existente. Las tres se pueden revisar antes de pagar y acotar dividiendo el proyecto en fases.
¿Tengo que limpiar todos mis datos antes de empezar?
No. Sólo los del proceso que entra en la primera fase. Esa primera fase le dice cuáles son y en qué estado están. Lo que sí le toca a usted es decidir las reglas: qué registro es el válido cuando hay duplicados.
¿Hay que cambiar mi ERP para que un proyecto de IA funcione?
No. El sistema se construye encima del ERP que ya tiene, sea Intelisis, Aspel, Contpaq o SAP Business One. La contabilidad se queda donde está. Lo que sale de Excel y de WhatsApp es la operación diaria.
¿Qué hago si mi gente no usa el sistema nuevo?
Revise primero si registrar un dato toma más pasos que antes: casi siempre ahí está la causa. Después, ponga fecha de retiro al Excel viejo y pida a quien captura que participe en el rediseño. El proyecto se cae por falta de uso, no por falta de código.
¿Cuánto cuesta que un proyecto de IA falle?
Cuesta lo ya pagado más el problema que sigue vivo cada mes. La fórmula es: lo ya pagado + (costo mensual del problema × meses que sigue vivo). Los dos números salen de su contabilidad; este texto no inventa uno por usted.
Garantía de iAmanos: si en 30 días tu asistente no te sirve, te devolvemos tu dinero (activación y primera mensualidad). Aplican condiciones: conócelas aquí.
Contenido creado con IA, revisado por el equipo de iAmanos.



