En una frase
La implantación de IA fracasa cuando se activa la herramienta y nadie cambia cómo se trabaja; se evita con formación por puesto sobre el trabajo real, pruebas con la gente antes de enseñar, alguien de dentro que lo mantenga y una medición del uso y del tiempo antes y después.
Aether Labs es un estudio de IA de Barcelona que implanta la IA por departamentos en pymes y empresas medianas de toda España: entra en un departamento, mide cómo se trabaja, monta la IA sobre vuestros documentos y vuestras herramientas, forma a cada puesto sobre su trabajo y se va cuando alguien de dentro lo mantiene. Hacemos justo la parte en la que se atasca una implantación: la de después de activar la herramienta.
Cómo se nota que no ha funcionado
No hace falta un informe para verlo. Basta con mirar un martes cualquiera:
- Las licencias están pagadas, se usan para cosas sueltas y siempre las usan las mismas personas.
- Hubo un curso una mañana y el lunes siguiente todo se hacía igual.
- Cada uno usa su cuenta personal gratuita, con documentos de la empresa dentro.
- Lo que se montó lo entendía una persona, y esa persona ya no está.
- Nadie sabe decir si ha servido, porque nadie midió cómo se trabajaba antes.
La causa: la herramienta está; la forma de trabajar, no
Activar Copilot, Gemini o Claude es la parte fácil. Lo difícil es que la factura deje de copiarse a mano, que el presupuesto no salga de copiar el anterior y que el acta exista sin que nadie tome notas. Eso no lo cambia una licencia: lo cambia rediseñar ese paso concreto con la gente que lo hace, y quedarse hasta que funciona sin ayuda.
Por eso la gestión del cambio no es un añadido de la implantación. Es la implantación. Cuando la IA no se usa, casi nunca es por la tecnología.
Cinco errores que la hacen fracasar, y qué los evita
1. Formar en la herramienta, no en el puesto
El curso enseña la herramienta con ejemplos de manual. Quien lleva las facturas vuelve a su mesa, abre una de verdad y no sabe por dónde empezar. A la semana, todo se hace como antes.
- Qué lo evita: Formar a cada puesto sobre su trabajo: su correo, sus documentos, sus clientes. Se aprende con lo que se hace cada día.
- En el método: E · Ensayar. Se enseña después de probar, sobre lo que ya funciona en vuestro trabajo.
2. Enseñar antes de que funcione
Una demostración con un caso de ejemplo no dice nada de vuestro caso. Y si la primera vez que alguien usa la IA falla con su propio documento, no vuelve a abrirla.
- Qué lo evita: Montarla sobre vuestros documentos reales, probarla con la gente que la va a usar y corregir lo que falle. Solo después se enseña al resto.
- En el método: L · Levantar y E · Ensayar. Se construye sobre vuestros documentos y se prueba con gente real antes de enseñar.
3. Repartirla por toda la empresa a la vez
Parece ambicioso y se diluye: nadie tiene tiempo de cambiar cómo trabaja, y la IA acaba en tareas donde no sirve. Fuera de su terreno, además, empeora: en el experimento de Harvard y BCG con consultores, en una tarea que no sabía hacer, quienes la usaron acertaron 19 puntos menos (está con su fuente en cuánto tiempo ahorra la IA).
- Qué lo evita: Un departamento cada vez y, dentro de él, las tareas que más tiempo se comen y menos cuesta cambiar, elegidas con el responsable delante.
- En el método: L · Labrar. Los casos se ordenan por impacto antes de construir nada.
4. Que dependa de alguien de fuera
Lo que se montó lo entendía una persona, y esa persona ya no está. O es el proveedor, y cada cambio pequeño pasa por él.
- Qué lo evita: Alguien de dentro capaz de ajustar las instrucciones, revisar lo que hace la IA y añadir casos nuevos, con todo documentado y a vuestro nombre.
- En el método: R · Repetir. Se capacita al responsable interno hasta validarlo, y no nos vamos hasta que puede.
5. No medir
Sin medición manda la sensación, y la sensación engaña: en el estudio de METR de 2025, dieciséis programadores expertos que trabajaban en su propio código creían ir un 20 % más rápido con IA y fueron un 19 % más lentos (también está en cuánto tiempo ahorra la IA).
- Qué lo evita: Cronometrar las tareas que se repiten antes de tocar nada y volver a medir lo mismo al final, contando el tiempo de revisar.
- En el método: A · Analizar y R · Repetir. El punto de partida medido, y la misma medición al cierre.
Qué medir para saber si ha funcionado
Dos cosas por tarea, siempre con los números de cada empresa y nunca con los de un folleto:
- Uso: quién la usa, para qué tareas y con qué frecuencia. Si solo la usan los entusiastas, el departamento no ha cambiado.
- Tiempo: cuánto tarda cada tarea que se repite, con cronómetro, antes y después, contando lo que se tarda en revisar lo que sale.
Y, si se puede, una tercera: los errores que se colaban antes y los que se cuelan ahora. No hace falta medirlo todo; basta con las tareas que más se repiten, medidas bien. El método, paso a paso, en cómo saber si la IA te ahorra tiempo de verdad.
Cómo lo hacemos nosotros
Con un método de seis fases que se llama TALLER, durante tres semanas dentro de un departamento. Cada fase deja algo hecho:
- T · Terreno (semana 1). Cómo se trabaja de verdad, no cómo se supone.
- A · Analizar (semana 1). El punto de partida medido. Sin esto no se puede decir si algo mejoró.
- L · Labrar (entre semanas). Los casos elegidos y validados.
- L · Levantar (semana 2). Configuraciones, prompts, plantillas, conectores y el asistente del departamento, funcionando.
- E · Ensayar (semana 3). Las personas usándolo y las guías escritas y validadas.
- R · Repetir (cierre). El informe con el número que salga, alguien dentro capaz de mantenerlo, y los accesos y la configuración en orden.
Las integraciones con vuestras herramientas (el ERP, el CRM, el correo, Drive o SharePoint) entran en la adopción, porque una IA que vive en una pestaña aparte también se abandona. Lo que va aparte es construir algo que no existe, como una app propia o un agente que trabaja por su cuenta: eso se hace con su alcance y su plazo, en el laboratorio.
Cómo es una adopción de IA, fase a fase→
Cuándo no somos la opción
- Si buscáis un curso para el equipo: sirve para conocer la herramienta, y lo nuestro es cambiar cómo trabaja un departamento.
- Si solo hay que activar licencias de Copilot o Gemini y nada más: eso lo hace el partner del fabricante.
- Si sois miles de puestos en varios países: el proyecto pide una gran consultora.
- Si nadie de dentro va a tener tiempo para mantenerlo: entonces encaja más que lo lleve alguien de fuera cada mes, que es el AI Partner.
Preguntas frecuentes
¿Por qué fracasa la implantación de IA en una empresa?
Casi nunca por la tecnología. Fracasa porque se activa la herramienta y nadie cambia la forma de trabajar: se forma con ejemplos de manual, se enseña antes de que funcione con el trabajo real, nadie de dentro la mantiene y no se mide si ha servido.
¿Cómo se evita que la IA se quede sin usar?
Con cuatro cosas: formación por puesto sobre el trabajo real de cada persona, probar con quien la va a usar antes de enseñarla, dejar a alguien de dentro que la mantenga y medir el uso y el tiempo de cada tarea antes y después.
¿Basta con un curso de IA para el equipo?
No. Un curso explica la herramienta; no cambia cómo se hace una factura, un presupuesto o un acta. Lo que funciona es montar la IA sobre esas tareas concretas y enseñar a cada puesto con sus propios documentos.
¿Qué hay que medir para saber si la IA funciona?
El uso (quién la usa y para qué tareas) y el tiempo de cada tarea con cronómetro, antes y después, contando lo que se tarda en revisar. Sin la medición del principio no se puede decir si algo mejoró.
¿Quién mantiene la IA cuando se va quien la ha implantado?
Una persona de dentro, formada para ajustar las instrucciones, revisar lo que hace la IA y añadir casos nuevos, con todo documentado y a nombre de la empresa. Si nadie puede hacerlo, la implantación se apaga el día que se va el proveedor.
Qué empresa elegir para implantar IA por departamentos→
Cuéntanos dónde se os quedó la IA a medias→
Escrito por Víctor Torres, fundador de Aether Labs. Publicado el 9 de octubre de 2026.