Roadmap de IA para empresa: cómo planificar 12 meses de implantación (sin atragantarse ni quemar presupuesto)

Casi todas las empresas con las que hablamos en Everglow tienen el mismo problema: no les falta voluntad de implantar IA, les falta un roadmap creíble. Tienen un piloto suelto, un par de licencias de ChatGPT Enterprise, un excel con “ideas IA” y una reunión cada dos meses donde dirección pregunta “¿qué tal va lo de la IA?” y nadie sabe muy bien qué contestar.

Un roadmap de IA para empresa no es un PowerPoint con casos de uso bonitos. Es un documento operativo que dice qué se implanta, en qué orden, con qué presupuesto, qué hitos miden el avance y cuándo se decide seguir o parar. Si tu plan no aguanta ese examen, no es un roadmap; es una declaración de intenciones.

En este post explicamos cómo diseñamos roadmaps de IA realistas a 12 meses para empresas medianas y grandes en España. Sin frameworks de consultora, sin matrices 2x2 de pega. Con fases concretas, presupuestos honestos y los errores que ya hemos visto cargarse planes enteros antes del mes seis.

Por qué la mayoría de roadmaps de IA fracasan en mes 4

Antes de cómo se hace bien, lo que pasa cuando se hace mal. Que es lo habitual.

Los roadmaps de IA fracasan por patrones muy repetidos:

• Demasiados casos de uso a la vez. Empiezan con seis pilotos en paralelo, ninguno avanza, todos compiten por los mismos recursos.
• Cero criterio de priorización. Se eligen los casos de uso “que ilusionan” en vez de los que tienen ROI demostrable y baja complejidad técnica.
• Sin owner técnico real. Nadie con autoridad para tomar decisiones técnicas. Dirección quiere, IT no puede, negocio no entiende, proveedor cobra.
• Sin métricas de salida. No se define qué significa “funciona” antes de empezar. Resultado: discusiones eternas en mes 5 sobre si el piloto va bien.
• Confunden formación con implantación. Dan licencias de ChatGPT a todo el mundo, hacen un curso de 4 horas y esperan transformación. Spoiler: no llega.
• No reservan presupuesto de operación. Calculan coste de implantación, olvidan que la IA tiene coste recurrente (tokens, infraestructura, mantenimiento, mejoras). En mes 9 se acaba el presupuesto.

Un roadmap de IA que no contempla coste de operación a 24 meses no es un roadmap. Es un piloto disfrazado.

El roadmap correcto resuelve estos seis fallos por diseño. Vamos al esquema.

El roadmap de 12 meses, por trimestres

Esta es la estructura que usamos en Everglow cuando entramos a una empresa que arranca de cero o que viene del clásico “tenemos pilotos sueltos, no sabemos cómo seguir”. Cuatro trimestres, hitos claros, decisiones de seguir/parar en cada uno.

Q1 (mes 1-3): auditoría, foco y primer caso de uso en producción

El primer trimestre no es para implantar tres cosas a la vez. Es para tener una foto honesta del terreno y poner una sola pieza en producción real. No demo. Producción.

Hitos del Q1:

1. Auditoría de procesos automatizables. Mapear procesos de la empresa, identificar candidatos con alto volumen + reglas claras + datos disponibles. Salida: lista priorizada de 8-12 casos de uso con esfuerzo estimado y ROI esperado. Esto es la base de todo el resto. Si la auditoría es floja, el roadmap se construye sobre arena.
2. Selección del primer caso de uso. Uno. No tres. El criterio: máximo ROI con mínima complejidad técnica y dueño de negocio comprometido. Suelen ganar copilotos internos sobre documentación o automatizaciones de back office, no chatbots públicos.
3. Definir métricas de éxito antes de tocar código. Tiempo ahorrado por tarea, tasa de aceptación de la sugerencia IA, coste por operación, errores evitados. Si no las defines ahora, no las defines nunca.
4. Setup técnico mínimo. Capa de orquestación, gestión de secretos, observabilidad básica, política de datos. Sin esto, el piloto siguiente repite los mismos errores.
5. Primer caso de uso en producción. Con usuarios reales. Sin esto, el Q1 no se cierra.

Presupuesto típico Q1: 25.000 € - 45.000 € en empresa mediana, depende de complejidad del caso de uso elegido. Auditoría suele moverse en 6.000-12.000 €, el resto va al setup técnico y al desarrollo del primer caso.

Decisión de gate al final de Q1: el primer caso de uso está en producción y muestra señales medibles de ROI, o no se sigue al Q2 hasta que sí.

Q2 (mes 4-6): escalar primer caso, lanzar el segundo, montar gobernanza

Con un caso en producción y métricas reales en la mano, el Q2 es escalar lo que funciona y empezar a montar el sistema operativo de IA de la empresa. Aquí es donde se separan las empresas que avanzan de las que se quedan eternamente en “piloto”.

Hitos del Q2:

• Escalar el primer caso de uso a todos los usuarios del proceso, no solo al equipo piloto. Si el copiloto interno funcionaba para 5 personas en marketing, ahora va para los 40 que tocan el proceso completo.
• Lanzar el segundo caso de uso. Ahora con la capa técnica ya montada el segundo cuesta la mitad. Sigues priorizando por ROI/complejidad, no por entusiasmo.
• Montar gobernanza de IA básica. Política de uso, comité de revisión, gestión de modelos, log de prompts y respuestas en casos sensibles, protocolo de incidencias. No hace falta una ISO; hace falta que un humano se entere si algo sale mal.
• Formación operativa al equipo, no genérica. No un curso de “qué es la IA”. Formación específica del caso de uso de cada equipo, con casos reales de la empresa.
• Primera revisión de coste real de operación. Tokens consumidos, infraestructura, licencias. Ajustar la proyección a 12 meses con datos de verdad, no estimaciones.

Presupuesto típico Q2: 30.000 € - 60.000 €. Aquí entra coste operativo del primer caso (que ya está vivo) y desarrollo del segundo.

Decisión de gate al final de Q2: el ROI del primer caso es real y medible, la gobernanza está en pie y el segundo caso está en producción o muy cerca. Si no, parar y arreglar antes de seguir.

Q3 (mes 7-9): integración profunda y el tercer/cuarto caso

A estas alturas la empresa ya no está “probando IA”. La está usando. El Q3 es donde la IA pasa de ser “una cosa más” a estar integrada con CRM, ERP, helpdesk y herramientas internas, y donde se atacan casos de uso de más calado.

Hitos del Q3:

• Integración con sistemas core. Conectar la capa de IA con CRM, ERP, helpdesk, herramienta de tickets, gestor documental. Casos de uso que hasta ahora vivían aislados ahora leen y escriben en los sistemas reales. Aquí es donde el ROI se dispara, porque desaparecen los pasos manuales entre “la IA sugiere” y “el sistema lo refleja”.
• Tercer y cuarto caso de uso. Ya con integración profunda, casos más ambiciosos: agentes que cierran ciclos completos, RAG sobre bases documentales corporativas, asistencia en ventas conectada al CRM.
• Optimización de coste por operación. Caching, modelos más baratos para tareas simples, prompts comprimidos. Suele bajarse el coste por interacción un 30-60% sin pérdida de calidad.
• Métricas consolidadas en dashboard. Una vista que dirección puede mirar y entender: ROI por caso de uso, coste mensual, adopción real, incidencias.

Presupuesto típico Q3: 40.000 € - 80.000 €. La integración con sistemas core es donde más se invierte y donde más retorno se saca.

Decisión de gate al final de Q3: hay 3-4 casos de uso en producción, integrados con sistemas core, con ROI agregado superior al coste acumulado. Si esto se cumple, el Q4 es expansión. Si no, hay que volver a Q1 a ajustar criterio de priorización.

Q4 (mes 10-12): consolidación, expansión y plan año 2

El Q4 no es para meter cuatro casos de uso nuevos con prisa para llegar al cierre. Es para consolidar lo construido y diseñar el año 2 con datos reales.

Hitos del Q4:

• Quinto caso de uso, opcional según ROI. Solo si las métricas lo justifican. A veces lo mejor del Q4 es no meter nada nuevo y centrar en consolidar.
• Migración de modelos donde tenga sentido. A estas alturas tienes datos de comportamiento real: igual el modelo elegido en Q1 no es el óptimo. Igual conviene meter un modelo open source en parte de los casos para bajar coste.
• Revisión de gobernanza y políticas. Con 9 meses de operación real, la política inicial necesita ajustes: nuevos casos de uso, nuevos riesgos, nuevas obligaciones (sobre todo con AI Act ya plenamente vigente).
• Plan año 2 basado en datos. Cuántos casos de uso al año, qué presupuesto operativo recurrente, qué inversiones de infraestructura, qué equipo interno hay que montar. Esto es lo que separa empresas que consolidan IA de empresas que se quedan en proyecto eterno.

Presupuesto típico Q4: 25.000 € - 50.000 € en consolidación y plan, más el coste operativo recurrente de los 4-5 casos ya vivos.

Cómo priorizar casos de uso (la única matriz que sí sirve)

La razón por la que los roadmaps fracasan en mes 4 casi siempre se reduce a una: malos criterios de priorización en Q1. No vamos a venderte una matriz de impacto/esfuerzo de consultora porque ese marco asume que ambos ejes son fáciles de medir. No lo son.

Lo que sí funciona en la práctica:

• ROI 12 meses estimado: ahorro de horas, errores evitados, ingresos incrementales. Si el caso de uso no devuelve al menos 3x su coste de implantación en 12 meses, no es prioridad uno.
• Complejidad técnica: datos disponibles, integraciones necesarias, sensibilidad de la información, riesgo regulatorio. Casos con datos limpios y poca integración suben en la lista.
• Dueño de negocio comprometido: un humano del área que va a usar el caso, que tiene tiempo, que va a defenderlo internamente. Sin este humano, el caso muere en mes 2 aunque sea técnicamente perfecto.
• Visibilidad interna del éxito: si funciona, ¿se nota? Los primeros casos de uso deben generar evidencia interna que justifique seguir invirtiendo. Es marketing interno, no vanidad.

Con estos cuatro criterios sale una lista ordenada y defendible. Y cuando alguien pregunte por qué empezamos por el caso B y no por el A, tienes respuesta de tres líneas.

Errores que matan estos roadmaps (y cómo evitarlos)

Estos son los patrones que vemos en empresas que vienen con un roadmap heredado y no funciona:

1. Confundir lista de deseos con roadmap. Si tu documento de “roadmap IA” no tiene fechas, owners ni presupuesto, es un brainstorming. Reescríbelo.
2. Roadmap sin métricas previas. Si no defines qué significa éxito antes de empezar, lo defines tú al final, y todo “ha funcionado”. El autoengaño es gratis y matador.
3. No reservar presupuesto operativo. El coste de operar IA no es trivial. Hay que reservar mínimo un 25-40% del coste anual de implantación para operación recurrente.
4. Olvidar la formación operativa. Dar acceso a una herramienta no es formación. Si el equipo no sabe usarla con criterio, la herramienta no se usa.
5. Cambiar de proveedor cada trimestre. Cada implantador nuevo tarda 2 meses en entender el terreno. Si rotas implantador cada Q, no avanzas nunca.
6. No tener owner técnico interno. El proveedor (sea quien sea) no puede ser dueño del roadmap. Tiene que haber alguien interno con autoridad para tomar decisiones técnicas. Si no existe, hay que crear esa figura.

Quién hace qué en un roadmap real

Un roadmap sin reparto claro de responsabilidades es un documento bonito que nadie ejecuta. Estos son los roles mínimos:

• Sponsor ejecutivo. Dirección o C-level. Decide gates de Q, libera presupuesto, defiende internamente cuando algo se atasca.
• Owner técnico interno. Persona de la empresa con conocimiento técnico y autoridad para tomar decisiones de arquitectura, modelos, integraciones. Es el contacto principal con el implantador.
• Owners de negocio por caso de uso. Una persona por caso de uso, del área afectada. Define éxito, valida resultados, defiende la adopción interna.
• Implantador externo. Trae método, ejecución técnica, experiencia transversal de otros proyectos. En Everglow esto es lo que hacemos: implantamos como un equipo más, no como una consultora que pasa por encima.
• Equipo de adopción/formación. Puede ser interno o externo. Asegura que la herramienta se usa, no solo se instala.

Con estos cinco roles definidos por nombre y apellidos, el roadmap se ejecuta. Sin ellos, se queda en PowerPoint.

Cómo sabes si tu roadmap actual está sano

Si ya tienes un roadmap de IA en marcha, hazle estas seis preguntas. Si fallas en más de dos, hay que rehacerlo:

1. ¿Hay al menos un caso de uso en producción real, no en demo, con usuarios reales todos los días?
2. ¿Sabes cuánto te cuesta operar la IA cada mes (tokens, infra, licencias) y cuánto te está devolviendo?
3. ¿Hay un humano con nombre y apellidos como owner técnico interno?
4. ¿Tienes métricas definidas y medidas, o estás midiendo “sensación de equipo”?
5. ¿Hay decisión de seguir/parar definida al final de cada trimestre?
6. ¿El presupuesto contempla coste operativo a 24 meses, no solo implantación?

Si la respuesta a una o más es “no”, el roadmap necesita ajuste. No hace falta tirarlo entero; hace falta meter rigor donde falta.

Conclusión: un roadmap es un compromiso, no un PowerPoint

La IA no se implanta a base de pilotos sueltos. Se implanta con un plan a 12 meses que define qué casos de uso, en qué orden, con qué presupuesto, con qué métricas y con qué decisiones de gate. Lo demás es teatro caro.

Si quieres ver cómo lo hacemos en empresas concretas, en Everglow somos implantadora de IA: no hacemos PowerPoint, hacemos producción. Diseñamos el roadmap contigo, lo ejecutamos como un equipo interno más y nos quedamos hasta que las métricas que firmaste en Q1 estén verdes. Si quieres una conversación sin compromiso sobre dónde está tu empresa hoy y qué tendría sentido en los próximos 12 meses, escríbenos por contacto. En 30 minutos tienes una foto honesta de por dónde empezar.