Su piloto de IA no fracasó por el modelo: canceló por la base

El dato incómodo

El 84% de los líderes de tecnología ya canceló al menos un piloto o proyecto de inteligencia artificial porque su infraestructura legacy no lo soportaba. Lo dice el estudio The Future of AI, Unfiltered de GFT Technologies, publicado el 29 de septiembre de 2026 y levantado por Wakefield Research sobre 945 CIOs y CTOs en 19 países.

Cuando un piloto de IA no escala, la discusión en la junta suele girar alrededor del modelo: quizá no era el adecuado, quizá la herramienta no era madura. El estudio apunta a otro culpable: la base sobre la que se corrió.

El mismo estudio recoge una preocupación aún más seria: 93% cree que no modernizar antes de correr IA sobre infraestructura legacy provocará una crisis de seguridad a escala de toda la empresa. Puede tocar a la organización entera, y no es un asunto de velocidad ni de presupuesto.

Dónde está el verdadero cuello de botella

La causa la describe con precisión Rishi Chohan, CEO de GFT para Estados Unidos, al comentar el estudio: a medida que la IA se vuelve más compleja y se conecta a más partes del negocio, como ocurre con la IA agéntica, los sistemas legacy se convierten en barreras reales para la escala, la velocidad y la seguridad.

Traducido a operación: el piloto de IA necesitaba datos que viven en el ERP, el CRM y un sistema heredado que nadie documentó. Los necesitaba conciliados, accesibles y coherentes. Si esas costuras entre sistemas no existen, el modelo no tiene de dónde sacar el valor, por bueno que sea.

Y la confianza del mercado lo confirma. Según un reporte de Google de julio de 2026 citado por la cobertura del estudio, solo 17% de los líderes de TI confiaba en que su stack aguantara agentes de IA de misión crítica. La ambición de IA creció mucho más rápido que la infraestructura que la sostiene.

La pelea por el mismo dinero

Hay una segunda tensión, más silenciosa y más costosa. El presupuesto destinado a modernizar la base se está desviando hacia la IA. Michele Grant, de Cognizant, lo describe sin rodeos en un análisis del 25 de septiembre de 2026: los presupuestos de IA compiten por el mismo dinero, y el financiamiento de modernización se reasigna a iniciativas de IA que prometen un retorno visible más rápido.

El problema es que ese retorno no llega si la base no está lista. Stu Bradley, de SAS, lo formula con claridad: muchas organizaciones están descubriendo que las capacidades de IA que quieren dependen de inversiones en datos, integración, infraestructura y gobernanza que postergaron durante años.

Y la factura de postergar ya se conoce. Un dato de Ensono citado en ese mismo análisis (coincidente con el que ya cubrimos en otro artículo) muestra que 61% de las organizaciones pausó, retrasó, redujo o abandonó por completo iniciativas de modernización en los últimos 24 meses, y que más de 7 de cada 10 excedió su presupuesto. El patrón de "primero la IA, después vemos la base" es una apuesta contra el propio presupuesto.

Cómo se ve en una empresa de 50 a 500 empleados

En una empresa mediana con TI interno, el piloto de IA lo lanzó el equipo con entusiasmo. Funcionó en la demo. Y al llevarlo a producción se topó con lo de siempre: el dato del CRM no coincide con el del ERP, la regla de negocio vive en la cabeza de una persona, y el sistema heredado que mueve el número real no tiene una interfaz limpia.

En ese punto, el equipo no necesita otro modelo. Necesita cerrar las brechas de integración que frenan el resultado. Un checklist para preparar la base antes de escalar la IA:

1. Mapear qué datos y sistemas alimentan el piloto. Antes de ampliar el alcance, saber de dónde salen los datos y si son confiables.
2. Decidir con criterio qué integrar y qué reemplazar. No todo el legacy necesita reescritura; mucho necesita una buena interfaz y un dueño.
3. Cerrar cada brecha de integración con contrato y responsable. Qué dato viaja, quién lo construye y quién lo sostiene después.
4. Definir gobernanza y límites antes de escalar. Accesos, permisos y topes de costo. La IA agéntica sin control es un riesgo, no un atajo.
5. Medir la seguridad de la base, no solo la del modelo. El 93% que teme una crisis de seguridad está mirando el lugar correcto.

Una presión que ya llega a LatAm

El estudio de GFT es global, sobre empresas de más de US$500 millones de ingreso, y no incluye cifras específicas de Latinoamérica. No vamos a inventarlas. Pero el ciclo que describe, adoptar IA rápido sobre una base vieja, no distingue fronteras, y golpea más fuerte donde el equipo interno ya está al tope de su capacidad.

Ahí está la lección para un CTO de la región: no se le exige más velocidad a un motor cuando lo que falla es el chasis y los cables. La forma de "construir la fundación primero" que recomienda el estudio es integración con arquitectura y responsabilidad explícita. Es exactamente el trabajo que Byxel firma bajo su modelo de Ingeniería de Autor: entrar a definir qué sistemas necesitan hablar entre sí y dejar la base lista para que la IA, por fin, tenga de dónde sostenerse.

Para seguir leyendo: las integraciones que nadie cotizó, por qué la autoría con revisión senior importa y cómo se ve una integración de pagos bien hecha.

¿Su equipo ya lanzó un piloto de IA y no escala, o lo cancelaron porque los sistemas no lo aguantaron? En Byxel integramos los sistemas que no se hablan entre sí para que la IA tenga una base real, con arquitectura y rigor senior de punta a punta. Hablen con nosotros por WhatsApp y revisemos qué brecha de integración está frenando su IA.