La burbuja de la IA: cómo distinguir lo real del humo (para no tirar el dinero)

Imagina la escena: reunión de proveedores, diapositiva con el logo de tu empresa y la palabra «IA» en negrita. El comercial habla de «solución impulsada por inteligencia artificial» que va a «transformar» tus operaciones. Asientes. Apuntas. Pides presupuesto.

Tres meses y treinta mil euros después, resulta que lo que te vendieron es un Excel con una API encima.

No te ha pasado solo a ti. Le está pasando a casi todos.

Para distinguir la IA real del humo, pregunta: ¿qué problema concreto resuelve, con qué métrica lo demuestra, y funciona si le quitas la palabra «IA» del pitch? Si no hay respuesta clara a las tres, estás ante burbuja de la IA en estado puro.

—

La burbuja de la IA y la trampa de la etiqueta: el valor no es la palabra, es el problema resuelto

Desde 2023, añadir «IA» al nombre de cualquier producto dispara su precio de venta entre un 20% y un 40%. No es especulación: es lo que ven los equipos de compras en decenas de sectores. La etiqueta funciona porque genera una mezcla de curiosidad y miedo que desconecta el juicio crítico.

El patrón tiene historia. En 2017, Long Island Iced Tea Corp —una empresa de refrescos sin ninguna relación con blockchain— se renombró Long Blockchain Corp. Su acción se disparó con fuerza ese mismo día. Después vino el desplome y la exclusión de bolsa. El negocio de los refrescos no cambió. Solo cambió el nombre.

La misma mecánica se repite con la IA. Empresas que atraviesan dificultades añaden «AI» a su nombre o anuncian pivotes hacia GPU-as-a-service, agentes autónomos u otros términos del momento. La cotización sube. Los analistas hablan de «desesperación» y lo comparan con el comportamiento de las memecoins. Después llega la realidad.

Allbirds, la marca de zapatillas sostenibles que llegó a valer 4.000 millones en 2021, ilustra bien la presión que empuja a estos movimientos: en 2024 cotizaba en torno a 39 millones, una caída del 99%. Cuando el negocio real no aguanta el hype, la etiqueta de moda se convierte en tabla de salvación de corto plazo.

Eso es la burbuja de la IA en estado puro: el valor no viene del negocio sino de la etiqueta.

Lo mismo, a escala más pequeña, ocurre en cada propuesta que llega a tu mesa.

—

Cinco preguntas que desmontan la burbuja de la IA en diez minutos

No necesitas ser técnico para filtrar el humo. Necesitas hacer las preguntas incómodas antes de firmar.

1. ¿Qué problema concreto resuelve?

No «optimiza procesos». No «mejora la eficiencia». Un problema concreto tiene nombre: «reduce el tiempo de revisión de contratos de 4 horas a 20 minutos», «clasifica las reclamaciones entrantes sin intervención humana», «genera el primer borrador de oferta en 3 minutos».

Si el proveedor no puede responder esto en dos frases, no tiene producto. Tiene pitch.

2. ¿Qué métrica mejora y cuánto?

Una herramienta de IA que no puede demostrar impacto medible no es una herramienta: es un gasto. Pregunta por clientes reales, con datos reales, en empresas comparables a la tuya.

«Mejora la productividad» no cuenta. «El equipo de administración de Empresa X cerró el mes en 30% menos tiempo» sí cuenta.

Si no tienen esa respuesta, o si los datos son de betas controladas con condiciones perfectas, calibra en consecuencia.

3. ¿Qué pasa con mis datos?

Esta pregunta pone nerviosos a la mitad de los proveedores, y eso ya te dice algo.

Necesitas saber: dónde se procesan tus datos, si se usan para entrenar modelos (los tuyos o de terceros), quién tiene acceso, y bajo qué marco legal. GDPR no es opcional. Y si el proveedor no tiene respuestas claras en 2026, ese es un problema tuyo cuando llegue la inspección.

4. ¿Puedo medir el ROI?

No en abstracto. En números concretos, en un plazo concreto. Si la herramienta cuesta 12.000 euros al año, ¿qué ahorro o ingreso adicional genera? ¿En cuántos meses recuperas la inversión?

Un proveedor serio puede ayudarte a construir ese cálculo. Uno que vende humo te hablará de «valor estratégico» y «posicionamiento futuro».

5. ¿Funciona sin la palabra IA en el pitch?

Esta es la pregunta trampa. Si describes el producto sin usar las palabras «IA», «inteligencia artificial» o «machine learning», ¿sigue sonando útil?

«Un sistema que revisa automáticamente los contratos y avisa si hay cláusulas de riesgo» suena útil. «Una solución de IA que aplica deep learning a tus documentos legales» suena a nada.

Si al quitar la etiqueta el producto se evaporía, el problema no era el producto.

—

El IA-washing interno: el humo que fabricas tú

Hasta aquí hemos hablado de proveedores externos. Pero existe otro tipo de burbuja más peligrosa: la que se genera dentro de tu propia empresa.

El IA-washing interno ocurre cuando declaras una «estrategia de IA» sin tener objetivos concretos. Cuando creas un «comité de transformación digital» que produce presentaciones pero no cambia nada. Cuando anuncias a tu equipo que vais a «implementar IA en todos los departamentos» sin saber qué problema queréis resolver primero.

Lo reconozco porque lo he visto. Y porque en algún momento todos hemos caído en la trampa de querer parecer modernos antes de ser efectivos.

El antídoto es el mismo que para los proveedores externos: empezar por el problema, no por la tecnología. ¿Qué tarea concreta consume tiempo y no genera valor? ¿Qué proceso tiene errores frecuentes y costosos? ¿Qué decisión se toma con información incompleta?

Empieza ahí. La tecnología que uses, sea IA o no, es secundaria.

—

Lo que sí funciona: patrón de tres preguntas antes de cualquier proyecto

En mi experiencia trabajando con equipos directivos, los proyectos de IA que funcionan tienen tres cosas claras desde el principio:

El problema es específico. No «mejorar la atención al cliente». Sí «reducir el tiempo de respuesta a reclamaciones de más de 48 horas, que ahora representan el 30% del volumen».

El éxito es medible. Hay una métrica antes y otra después, con un plazo definido para comparar. Sin eso no hay proyecto: hay experimento sin fin.

Hay un responsable humano. La IA no es responsable de nada. Alguien de tu equipo firma los resultados, toma las decisiones finales y responde cuando algo sale mal.

Si no puedes rellenar estos tres puntos antes de empezar, no empieces todavía.

—

Señales de alerta en una propuesta

Para que tengas una lista rápida cuando llegue el próximo proveedor:

• Hablan más de tecnología que de tu problema concreto
• No pueden mostrar casos reales con métricas verificables
• El precio es fijo pero el ROI es «variable según uso»
• No tienen respuesta clara sobre dónde van tus datos
• El demo funciona perfecto con datos de juguete pero no han integrado nada parecido a tu entorno
• Te piden firmar antes de hacer una prueba piloto acotada

Ninguna de estas señales es definitiva por sí sola. Varias juntas sí lo son.

Leer también: Preguntas clave antes de arrancar un proyecto de IA y Cómo calcular el ROI real de la IA.

—

Preguntas frecuentes

¿Cómo sé si una herramienta de IA es realmente útil o solo marketing? Pide que te demuestren el impacto con datos de clientes reales comparables a tu empresa. Si no pueden, o si los únicos datos son de pruebas controladas, estás ante un producto en fase hype. La utilidad real siempre tiene métricas concretas: tiempo ahorrado, errores reducidos, ingresos adicionales.

¿Es malo empezar con un proyecto de IA pequeño para probar? Al contrario: es lo más sensato. Un piloto acotado, con un problema concreto, un responsable claro y una métrica de éxito definida antes de empezar reduce el riesgo y te da datos reales para decidir si escalar. Lo que no funciona es empezar «a lo grande» sin saber qué quieres resolver.

¿Cómo evito hacer IA-washing en mi propia empresa? Pregúntate: si mañana tuvieras que explicarle a tu equipo exactamente qué problema va a resolver este proyecto de IA y cómo vamos a saber si funcionó, ¿podrías hacerlo en dos minutos? Si la respuesta es no, el proyecto no está listo para arrancar. El problema concreto y la métrica de éxito tienen que venir antes que la tecnología.

Fuente: IBM: ROI real de la IA en empresa.