Centro de Excelencia de IA (CoE) en empresa: cómo montarlo sin convertirlo en otro comité que no decide nada

Cuando una empresa española mediana o grande se pasa de un par de pilotos de IA a tener cinco, diez o quince iniciativas a la vez, aparece el mismo problema en todas: nadie sabe quién decide qué se hace, con qué presupuesto, con qué datos, con qué proveedor y bajo qué criterios. Es ahí donde el centro de excelencia de IA empresa —el famoso CoE— deja de ser un PowerPoint de McKinsey y se vuelve, de verdad, necesario. El problema es que la mayoría de los CoE que se montan en España no aceleran nada: se convierten en otro comité que reúne a doce personas cada quince días para validar diapositivas. Este artículo es la versión operativa de cómo se monta un CoE de IA que sirva para implantar, no para frenar.

En Everglow, como implantadora de IA, entramos en muchas empresas justo en este punto. Han hecho un par de pilotos, han firmado licencias de ChatGPT Enterprise o Microsoft Copilot, hay una dirección de IT entusiasta, una dirección de negocio cauta, y un comité de dirección que ha dicho “tenemos que estructurar esto”. A continuación, lo que funciona y lo que no, basado en proyectos reales, no en informes de consultora.

Un CoE de IA no es una capa de decisión. Es una capa de aceleración. Si tu CoE ralentiza los proyectos, no es un CoE: es burocracia con otro nombre.

Qué es —y qué no es— un Centro de Excelencia de IA

Un CoE de IA es la unidad transversal que define criterios, acumula aprendizaje, comparte recursos y mide impacto de todas las iniciativas de IA de la empresa. No es el equipo que ejecuta cada proyecto (eso son los equipos de negocio + el implantador), no es el comité de dirección, y no es el dueño exclusivo de los presupuestos de IA.

Lo que sí hace un CoE bien montado:

• Establece los estándares mínimos (seguridad, datos, modelos aprobados, proveedores, evaluación, observabilidad) para que cada equipo no reinvente la rueda.
• Centraliza infraestructura compartida: gateways de LLMs, vector stores corporativos, librerías de prompts, plataformas de orquestación, herramientas de evaluación.
• Es el dueño del roadmap consolidado de IA: qué proyectos vivos hay, en qué fase están, con qué métricas se evalúan y cuándo se decide escalarlos o matarlos.
• Gestiona el aprendizaje cruzado: lo que funciona en ventas se aplica en atención al cliente; los fallos de un piloto en operaciones se evitan en finanzas.
• Mide el ROI agregado de la cartera de IA, no proyecto a proyecto.

Lo que un CoE NO debería ser:

• Una fábrica interna que desarrolla todos los proyectos. Eso satura al equipo y ralentiza a negocio.
• Un comité de aprobación por el que tienen que pasar todas las iniciativas antes de empezar. Genera cuello de botella y resentimiento.
• Una academia interna. La formación es relevante, pero es una función adyacente, no su núcleo.
• Un órgano político que reparte presupuesto entre direcciones. Eso termina pareciéndose más a una pelea de poder que a una palanca de negocio.

Si tu CoE empieza pareciéndose más a la segunda lista que a la primera, no es un problema de redacción del mandato: es un problema de diseño. Y se nota en seis semanas.

Cuándo tiene sentido montar un CoE de IA (y cuándo no)

No todas las empresas necesitan CoE. Si tienes menos de tres iniciativas activas de IA, no lo necesitas: te basta con un sponsor ejecutivo y un equipo de proyecto. Empiezas a necesitarlo cuando se cumplen al menos tres de estas señales:

• Hay más de cinco iniciativas de IA activas o planificadas en los próximos 12 meses, en al menos dos direcciones distintas.
• Aparecen decisiones técnicas repetidas que cada equipo resuelve de forma distinta (qué modelo usar, dónde alojar embeddings, cómo gestionar prompts, cómo evaluar calidad).
• Se han producido dos o más incidentes de seguridad, calidad o cumplimiento por uso descoordinado de IA.
• El comité de dirección ya no entiende qué proyectos hay vivos ni cuáles han generado retorno.
• El gasto agregado en LLMs, herramientas de IA y consultoras pasa de los 150.000 € anuales sin un dueño claro.

Si reconoces cuatro o cinco de esos puntos, no es que vayas tarde: es que tu CoE debería llevar tres meses en marcha. La buena noticia es que se monta en seis u ocho semanas si se hace con criterio.

Estructura mínima: roles imprescindibles

Olvídate de los organigramas con diez recuadros de las presentaciones de consultora. Un CoE de IA operativo en una empresa española mediana arranca con cinco roles, y a veces algunos se duplican en la misma persona durante los primeros meses.

1. Sponsor ejecutivo (C-level, dedicación parcial)

Idealmente CEO, COO o CIO. No tiene que ser técnico, pero sí debe tener autoridad real para mover presupuesto, desbloquear datos entre direcciones y matar proyectos sin drama. Sin sponsor ejecutivo serio, el CoE termina arbitrado por el comité de dirección y muere en política interna.

2. Lead de IA (full-time)

El director operativo del CoE. Combina criterio técnico con visión de negocio. No tiene por qué ser un ingeniero de ML: lo decisivo es que entienda casos de uso, hable con dirección sin tecnicismos, y a la vez sepa distinguir entre un agente de IA bien diseñado y una demo de feria. Este perfil es escaso en el mercado español: muchas empresas optan por arrancar con un lead fraccional o externalizado durante los primeros 6-9 meses, hasta que el CoE tiene tamaño para justificar la contratación.

3. Arquitecto/a de IA (full-time o externo)

Define la arquitectura técnica: qué modelos se usan, cómo se conectan a datos internos (RAG, fine-tuning, prompting), qué herramientas de orquestación, observabilidad y evaluación entran en el stack. Es quien firma las decisiones de stack mínimo de IA, vendor lock-in, seguridad técnica y rendimiento. Si no tienes este rol cubierto, vas a pagar dos o tres veces por las mismas decisiones mal tomadas.

4. Data lead (compartido con el área de datos)

No tiene por qué ser exclusivo del CoE, pero sí tiene que tener línea directa. Es responsable de que los datos estén limpios, accesibles, con permisos correctos y trazabilidad. La mayoría de proyectos de IA que fracasan no lo hacen por culpa del modelo: lo hacen porque los datos están sucios, fragmentados o bloqueados por feudos internos.

5. Project / Implementation Manager (full-time)

El que mete plazo, presupuesto y entregables en hoja de cálculo. Es la pieza más infravalorada del CoE y la que más diferencia hay entre un CoE que entrega y uno que se eterniza. Si tu CoE no tiene PM, lo que tienes es una mesa de debate.

A esto se suman, en función del tamaño:

• Compliance / DPO dedicado parcial — imprescindible si manejas datos personales, sanitarios, financieros o sometidos al AI Act.
• Champion en cada dirección de negocio — referentes que viven en operaciones, ventas, atención al cliente, RRHH o finanzas, y que conectan los proyectos del CoE con la realidad del terreno. Sin champions, el CoE se aleja del negocio y muere de irrelevancia.

Cuatro modelos de CoE: cuál elegir

Hay cuatro modelos clásicos. Cada uno tiene un perfil distinto.

1. CoE centralizado: todos los proyectos pasan por el equipo central. Funciona bien al principio, pero satura rápido y aleja al CoE del negocio. Recomendado solo en los primeros 3-6 meses.
2. CoE federado (hub-and-spoke): el equipo central define estándares, plataforma y métricas; cada dirección de negocio tiene sus propios “spokes” que ejecutan los proyectos con criterios comunes. Es el modelo que mejor funciona en empresas medianas-grandes españolas a partir del año uno.
3. CoE consultivo: el equipo central asesora pero no tiene autoridad. Suele degenerar en pasillo de quejas. Solo funciona si hay un sponsor ejecutivo muy fuerte que impone los estándares.
4. CoE distribuido: no hay equipo central; cada dirección tiene su propio capability. Solo tiene sentido en empresas muy grandes (1.000+ empleados) y con varias unidades de negocio independientes.

Si tu empresa tiene entre 200 y 1.000 empleados, arranca centralizado y migra a federado en 6-9 meses. Es la curva que más veces hemos visto funcionar.

Gobernanza: el mínimo viable para que el CoE no estorbe

Un CoE que pide a cada proyecto rellenar siete formularios antes de empezar no es un CoE: es un peaje. La gobernanza mínima que recomendamos es:

• Tres niveles de proyectos:
  • Tier 1 (riesgo bajo, sin datos sensibles, presupuesto < 10.000 €): notificación al CoE y barra libre dentro del stack aprobado.
  • Tier 2 (riesgo medio, datos internos no críticos, presupuesto 10.000-50.000 €): revisión del arquitecto y data lead antes de arrancar.
  • Tier 3 (datos sensibles, clientes, presupuesto > 50.000 € o impacto regulatorio): comité formal, evaluación de seguridad, plan de evaluación continua.
• Catálogo vivo de modelos, herramientas y proveedores aprobados — qué LLM se usa para qué, qué vector store es el corporativo, qué plataforma de orquestación, qué proveedor de implantación está validado, qué herramientas no.
• Reglas claras de datos — qué datos pueden entrar en prompts, qué datos no, qué se anonimiza, dónde se guardan los logs.
• Cadencia operativa fija — reunión mensual con dirección, weekly del CoE, retros trimestrales. Sin estas tres, el CoE se desinfla en cuatro meses.

Métricas: qué mide un CoE que funciona

Si tu CoE no tiene métricas claras, no es un CoE: es un departamento. Las métricas mínimas que recomendamos a las empresas que acompañamos desde Everglow son:

• Time-to-pilot: días desde que se aprueba un caso de uso hasta que hay un piloto funcionando con usuarios reales. Objetivo en año uno: < 30 días para Tier 1, < 60 días para Tier 2.
• Time-to-production: días desde piloto aprobado hasta despliegue en producción con monitorización. Objetivo: < 90 días.
• Ratio piloto → producción: porcentaje de pilotos que llegan a producción. Por debajo del 30% es alarma; por encima del 60%, sospechoso (probablemente os estáis quedando con pilotos demasiado fáciles).
• ROI agregado: horas ahorradas + ingresos atribuibles + costes evitados, contrastados con coste de implantación y operación. Se mide trimestralmente, no por proyecto.
• Adopción real: porcentaje de usuarios objetivo que usan la herramienta cada semana. Sin esto, todo lo demás es ficción contable.
• Coste por solicitud / por caso resuelto — métrica de eficiencia que separa pilotos rentables de demos caras.

Errores típicos al montar un CoE de IA en España

Los más caros que vemos repetirse:

• Convertirlo en comité de aprobación: el CoE deja de ser palanca y se vuelve cuello de botella. Solución: tiers de riesgo y autonomía real para los proyectos pequeños.
• Cargarlo de seniors sin manos: cinco directivos y ningún implementador. Solución: la mitad del equipo, mínimo, debe entregar, no opinar.
• Empezar por gobernanza antes que por casos de uso: meses redactando políticas mientras el negocio sigue sin ver nada. Solución: gobernanza mínima y dos casos de uso con impacto en los primeros 60 días.
• Externalizar el CoE entero: si todo el conocimiento se queda fuera, el día que cambias de proveedor pierdes la capacidad. Solución: lead interno + arquitecto puede ser externo o fraccional, pero el criterio se queda dentro.
• No tener métrica de adopción: el CoE celebra entregables que nadie usa. Solución: métrica de uso semanal por proyecto, expuesta al comité.

Cómo arrancar un CoE de IA en 8 semanas

Un calendario real, no idealizado:

• Semanas 1-2: nombramiento de sponsor y lead. Inventario de iniciativas existentes (vivas, paradas, ocultas). Mapa de datos disponibles. Lista de proveedores y herramientas en uso.
• Semanas 3-4: definición del modelo (centralizado de arranque), tiers de riesgo, stack mínimo aprobado, reglas de datos básicas. Selección de 2-3 casos de uso ancla para los primeros 90 días.
• Semanas 5-6: arranque operativo. Weekly, mensual con dirección, dashboards mínimos. Onboarding de champions en las direcciones clave.
• Semanas 7-8: primer piloto del CoE en marcha, primera comunicación interna del CoE al resto de la empresa, primer informe ejecutivo (con métricas, aunque sean parciales).

En el mes 4-6, evaluación del modelo y decisión de migrar a federado si la demanda lo justifica. En el mes 9-12, primera revisión de ROI agregado y poda de iniciativas que no han llegado a producción.

CTA: cuándo conviene hacerlo solo y cuándo con apoyo externo

Hacer un CoE solo es perfectamente posible si tienes lead interno con experiencia previa en implantación de IA, arquitecto/a con criterio y un sponsor ejecutivo con tiempo real. Si no tienes alguna de esas tres piezas, el coste de aprender por las malas es alto: estás hablando de seis a doce meses perdidos, varios cientos de miles de euros en herramientas mal elegidas y, sobre todo, la credibilidad del CoE dentro de la empresa.

En esos casos, en Everglow acompañamos el diseño y arranque del CoE como implantadora de IA, no como agencia ni como consultora corporativa: aportamos lead fraccional, arquitectura de IA, criterio de selección de casos de uso, métricas y operación durante los primeros 6-9 meses, hasta que el CoE camina solo. El objetivo no es quedarnos: es que tu equipo asuma el mando con criterio y stack ya validado.

Si estás en ese punto —pilotos sueltos, presión del comité, sensación de que estáis perdiendo el control de la cartera de IA— escríbenos por el contacto. Una conversación de 30 minutos suele bastar para saber si tu empresa necesita arrancar un CoE en serio o si todavía estáis en fase de un par de proyectos bien dirigidos. Ambas respuestas son válidas; la cara es montar el CoE antes de tiempo o demasiado tarde.