Hay un orden para adoptar IA, y casi todas las empresas lo rompen de la misma forma: arrancan por construir algo.

Alex Lieberman pasó 14 meses acompañando despliegues de IA con equipos ejecutivos y publicó la progresión que más se repite: 14 etapas, desde la auditoría inicial hasta el salto de flujos deterministas a agentes autónomos. La lista es útil, pero lo que de verdad importa es la trampa que revela, y esa es la tesis de este post: el valor, y los fracasos, viven en las primeras diez etapas, justo las que todos se saltan para llegar antes a la parte vistosa. Si tu plan de IA empieza en “construyamos un agente”, ya te brincaste el trabajo que decide si ese agente sirve. Y ese trabajo previo es exactamente lo que hacemos.

Las 14 etapas, en cuatro fases

No vale la pena repetir la lista entera; está en el hilo de Lieberman y la enlacé arriba. Lo que sí vale es ver la forma, porque cuando la agrupas en fases se entiende el orden.

Las primeras tres etapas son diagnosticar: una auditoría de la empresa que mapea procesos, entrevista al liderazgo y encuesta a la gente, un informe que prioriza por ROI y riesgo, y el momento incómodo en que descubres que tus datos no están en orden.

Las siguientes cinco son habilitar a la gente: agentes de programación para ingeniería, acceso a un LLM empresarial primero para unos campeones y después para todos, talleres para el liderazgo y capacitación a toda la empresa.

Las dos siguientes son hacer aflorar ideas: un hackathon interno donde los empleados proponen soluciones, y el liderazgo decidiendo cuáles llevar de prototipo a producción.

Y solo las últimas cuatro son construir y escalar: el primer proyecto con ROI claro, la optimización de costos cuando el presupuesto empieza a inflarse, el ciclo de producción repetible, y por fin el paso de flujos deterministas a agentes que se guían solos.

Catorce etapas. La parte que la mayoría considera “hacer IA” son las últimas cuatro. Las diez de abajo son las que casi nadie hace.

Dónde empieza casi todo el mundo

Aquí está el problema. Casi ninguna empresa entra por la etapa 1. Entra por la 11: construir el primer proyecto, el que se puede mostrar.

Es entendible. La etapa 11 es la que se ve, la que da una demo para enseñar en la junta, la que se siente como progreso. Las diez anteriores son aburridas. Entender tus procesos reales no da una captura de pantalla bonita. Ordenar tus datos no impresiona a nadie. Así que se saltan, y se va directo a lo que brilla.

Lo notó bien uno de los comentaristas del hilo, Louis Amira: mucha gente hace dos o tres etapas y se brinca de una a la doce. Y el orden no es decorativo. Cada etapa habilita la siguiente. No puedes priorizar bien (etapa 2) sin haber diagnosticado (etapa 1). No puedes correr un hackathon útil (etapa 9) si tu gente no sabe usar las herramientas (etapas 5 a 8). Saltarte el orden no te hace ir más rápido, te hace construir el tercer piso sin el primero.

La etapa que te mata es la 3

Si tuviera que señalar una sola, es la tercera: darte cuenta de que tus datos no están en orden. Otro comentarista del hilo, Ilman Shazhaev, la llamó la asesina, y tiene razón. Si no paras a limpiar y ordenar la capa de datos, lo único que automatizas es la producción de basura más rápido.

Y hay una versión peligrosa de esta etapa: convertir “ordenar los datos” en el proyecto del “cerebro de la empresa”, esa panacea que se vuelve un proyecto eterno donde la organización se esconde para no construir nada. El punto no es perfeccionar tus datos antes de tocar IA. Es saber qué procesos tienen los datos suficientemente en orden como para construir encima, y cuáles no. Eso es una decisión de priorización, no una excusa para no avanzar. Lo argumenté en la IA no es el problema, tu empresa no está lista: la empresa que no se describe con honestidad termina automatizando su propio desorden.

Lo que IQ Source hace con esto

Mira la lista de Lieberman otra vez y fíjate dónde caen las primeras diez etapas. Son diagnóstico, mapa de procesos, datos, habilitación y priorización. Son exactamente el trabajo que la mayoría se salta, y son exactamente lo que es AI Maestro.

No es casualidad. Estructuramos AI Maestro como dos meses de discovery porque son las etapas que deciden todo lo demás y las que nadie quiere hacer solo. Mapeamos tus procesos reales, no los que están en el manual. Producimos un Score de Oportunidad de IA que prioriza por dónde empezar con un número, no con la corazonada de quien habló más fuerte. Y llegamos a una compuerta Go/No-Go que decide qué se construye y qué no. La etapa 11, construir, viene después, y solo si pasa la compuerta. Por eso esto no es lo mismo que adopción, que no es transformación: enchufar la herramienta es la parte fácil, hacer las diez etapas de abajo es la que cambia el resultado.

Si hoy estás a punto de aprobar tu primer proyecto de IA, hazte una pregunta antes de firmar. ¿En qué etapa estás de verdad? Si la respuesta honesta es “saltamos directo a construir porque ya queríamos mostrar algo”, no estás en la etapa 11. Estás en la 1, pero con un proyecto encima que todavía no tiene cimientos. Mejor saberlo ahora que en seis meses, cuando el piloto se atasque y nadie sepa por qué.

Empieza por la etapa correcta, no por la vistosa