En 2026, la IA ya no se prueba, se despliega. Deloitte midió que el acceso de los empleados a la IA aumentó un 50 % en 2025 en las organizaciones punteras, según su encuesta El estado de la IA en la empresa 2026, publicada el 21 de enero de 2026 en Davos con 3 235 directivos de 24 países. En la misma ola, McKinsey publica su encuesta sobre la madurez de la confianza en la IA: la confianza avanza, pero persisten lagunas en estrategia, gobernanza y gestión de riesgos.
Esa es la paradoja de este año: cuanta más gente acelera, más proyectos mueren. Gartner, en su curva de madurez 2026 sobre la IA agéntica publicada este verano, lo dice sin rodeos: el rápido progreso de la IA agéntica es superado por el bombo mediático y la confusión. Y Deloitte, sobre los despliegues agénticos: cerca de tres cuartas partes de las empresas planean desplegarlos en dos años, pero solo el 21 % dice disponer de un modelo maduro de gobernanza de agentes.
Entre la aceleración masiva y la madurez escasa hay un cementerio. BCG, en la cuarta edición de su encuesta anual publicada el 3 de junio de 2026, lo resume: apenas el 5 % de las organizaciones logra obtener ganancias financieras sustanciales de la IA. Una de cada veinte, igual que el año anterior.
Estas cifras de 2026 confirman lo que ya señalaban las ediciones de 2024 y 2025: los proyectos de IA casi nunca mueren por la tecnología. Mueren por decisiones, o por la ausencia de decisiones, tomadas antes de la primera línea de código. Esas decisiones fallidas dejan huellas. Estas son las cinco señales que predicen el fracaso de un proyecto de IA, visibles desde la primera reunión.
Señal 1: El patrocinador fantasma
El síntoma. El proyecto cuenta con la aprobación de «la dirección», pero nadie puede nombrar al directivo que pondrá su presupuesto y su reputación detrás. El patrocinador oficial asiste a los comités, asiente, y luego lo delega todo.
Por qué es fatal. BCG, en junio de 2026, lo dice claramente: el compromiso de los directivos es uno de los mejores predictores de la madurez en IA, y las empresas que lo convierten en una prioridad de la alta dirección, en lugar de un simple proyecto tecnológico, escalan más rápido y generan más valor. Un patrocinador fantasma es la ausencia del predictor más fuerte de la madurez. Ante el primer obstáculo serio, y llegará, nadie defenderá el proyecto. Las empresas «construidas para el futuro» de BCG lo saben: sus directivos encarnan el uso diario de la IA en lugar de limitarse a financiarla.
La pregunta de control. «¿Quién firma la decisión de matar este proyecto si hay que matarlo, y quién paga su éxito?» Si salen dos nombres distintos, o si la respuesta es un silencio, la señal está encendida.
El reflejo. Exigir un patrocinador con nombre, con un mandato escrito y autoridad presupuestaria real, antes de cualquier otro gasto. Es un entregable de la fase de encuadre, no una formalidad de cierre de proyecto.
Señal 2: La métrica difusa
El síntoma. El proyecto va a «mejorar la eficiencia», «liberar el valor de los datos», «acelerar la salida al mercado». Todos asienten. Nadie puede escribir la frase: el 31 de diciembre, si X no se mueve en Y, el proyecto ha fracasado.
Por qué es fatal. Gartner lo zanjó en su comunicado del 25 de junio de 2025, y la predicción sigue siendo la referencia sobre los proyectos agénticos en 2026: más del 40 % de los proyectos de IA agéntica serán cancelados antes de finales de 2027, por tres razones: costes crecientes, valor de negocio difuso y controles de riesgo inadecuados. McKinsey, en su encuesta de 2026, señala la misma laguna en el lado de la estrategia, y la nombra primero entre las debilidades. Un proyecto sin métrica de referencia no puede fracasar, y por tanto tampoco puede arbitrase: deriva hasta agotar su presupuesto. Es el fracaso más caro porque es el más lento.
La pregunta de control. «¿Qué indicador de rentabilidad, o qué indicador operativo, se mueve cuánto, medido cómo, para cuándo?» Si la respuesta ocupa más de una frase, no existe.
El reflejo. Una definición de éxito de una sola frase, cuantificada, fechada, con una medición de referencia tomada antes del lanzamiento. Si la referencia no existe, tomarla es el primer gasto del proyecto.
Señal 3: Los datos sin auditar
El síntoma. «Tenemos un montón de datos» es el argumento que justifica el proyecto. Nadie ha verificado si esos datos son accesibles, completos, actuales y legalmente utilizables.
Por qué es fatal. Es la causa mejor documentada, y la previsión oficial de Gartner de febrero de 2025 sigue siendo central para 2026: el 60 % de los proyectos de IA sin datos "listos para la IA" será abandonado antes de finales de 2026, según Roxane Edjlali, analista principal de Gartner. El cálculo es simple: un proyecto cuya materia prima es inutilizable está condenado el día en que arranca, por razones que unas semanas de auditoría habrían revelado. Deloitte 2026 lo confirma desde otro ángulo: la brecha entre las organizaciones punteras y las demás se abre primero por los datos.
La pregunta de control. «¿Quién ha inspeccionado una muestra real de estos datos, con las manos en el barro, este trimestre?» Una auditoría de datos no es un informe: es alguien que abrió los ficheros.
El reflejo. Una auditoría de disponibilidad y calidad antes de cualquier compromiso de construcción: acceso, completitud, frescura, cumplimiento. Si no hay datos listos, el buen proyecto del trimestre no es un modelo, es la preparación de los datos.
Señal 4: El equipo sin el negocio
El síntoma. El proyecto vive en el departamento de datos e informática. El negocio está «asociado» mediante un comité de seguimiento mensual. Los usuarios finales descubrirán la herramienta en la formación, tres semanas antes del despliegue.
Por qué es fatal. BCG, en junio de 2026, no deja lugar a dudas: cerca del 10 % del valor obtenido de la IA procede de los propios algoritmos, y otro 20 % de las tecnologías y los datos que los hacen posibles. El 70 % restante viene de repensar la dimensión humana. Cuando las empresas «construidas para el futuro» planean formar en IA a más del 50 % de sus empleados, frente al 20 % de las rezagadas, expresan una convicción precisa: el despliegue de la IA es ante todo una transformación de las personas, no una puesta en producción de software. Sin apropiación por el negocio, la IA produce demostraciones brillantes y despliegues desiertos.
La pregunta de control. «¿Quién, en el equipo central, carga con el dolor del proceso actual, y quién puede cerrar el proyecto sin escalar?» Si la respuesta es «nadie, es un proyecto de datos», la señal está encendida.
El reflejo. Un equipo mixto con paridad real: el propietario del proceso decide tanto como el responsable técnico. El comité valida; no sustituye la apropiación.
Señal 5: La ausencia de criterios de parada
El síntoma. El proyecto tiene hoja de ruta, hitos, presupuesto. No tiene ninguna condición escrita bajo la cual se detiene. Pregunte al equipo: «¿En qué escenario se detiene este proyecto?» La respuesta será un titubeo.
Por qué es fatal. Deloitte 2026 convirtió la disciplina de arbitraje en su tema central, resumida como «de la ambición a la activación». Su constatación: las organizaciones punteras no tienen más proyectos, paran más, y antes. La curva de madurez 2026 de Gartner sobre la IA agéntica recuerda que el rápido progreso es superado por el bombo y la confusión. Cuando la mitad de los proyectos agénticos se hayan cancelado en 2027, los supervivientes serán aquellos cuyo arbitraje se diseñó desde el principio. McKinsey 2026 señala la misma grieta: las lagunas persistentes en estrategia, gobernanza y gestión de riesgos son exactamente lo que impide decir stop a tiempo.
La pregunta de control. «Enséñeme la página que dice en qué casos se detiene este proyecto.» Una página. No un párrafo en una presentación.
El reflejo. Criterios de parada escritos antes del arranque: umbrales de rendimiento, plazos, costes, adopción. Con una fecha de revisión obligatoria. Detener un proyecto a tiempo es un éxito que se contabiliza.
Qué tienen en común estas cinco señales
Reléalas. Ninguna habla de modelos, tecnología ni prompts. Todas hablan de la gobernanza de la decisión: quién decide, sobre qué medición, con qué datos, con qué mandato y hasta dónde. Las encuestas de 2026 convergen todas en este punto.
McKinsey 2026 constata que las brechas de madurez se sitúan primero en la estrategia, la gobernanza y la gestión de riesgos. Deloitte 2026 muestra que la madurez separa a las organizaciones que pasan de la ambición a la activación, no a las que van más rápido. BCG 2026 calcula que el 70 % del valor viene de la dimensión humana, y que el compromiso de los directivos es el primer predictor de madurez. Gartner, en su curva de madurez 2026 sobre la IA agéntica, observa que la madurez técnica adelanta a la madurez organizativa.
El fracaso de los proyectos de IA no es un problema técnico disfrazado. Es un problema de arquitectura decisional sin resolver.
Ese es el corazón del APV Framework: una metodología en cinco fases que evalúa un proyecto de IA en cinco ejes, el valor, los datos, el equipo, la gobernanza y la capacidad de arbitraje, antes de comprometer recursos. Cada una de las señales anteriores corresponde a un eje verificable desde el encuadre. Puede aplicarla internamente sobre su propia cartera de proyectos, o certificar a sus equipos para aplicarla de forma continua.
Los proyectos de IA seguirán fracasando en masa. La única pregunta es si los suyos fracasarán antes de haberle costado dinero.
Fuentes
Las citas extraídas de informes en lengua inglesa han sido traducidas libremente.
- Deloitte, El estado de la IA en la empresa 2026, publicado el 21 de enero de 2026 en Davos. Encuesta realizada de agosto a septiembre de 2025 entre 3 235 directivos de 24 países. El acceso de los empleados a la IA aumentó un 50 % en 2025; cerca de tres cuartas partes de las empresas planean desplegar IA agéntica en dos años, pero solo el 21 % declara un modelo maduro de gobernanza de agentes. https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
- McKinsey, El estado de la confianza en la IA en 2026: el paso a la era agéntica, encuesta de madurez de la confianza en la IA. Captura verificada el 22 de abril de 2026. Tesis central: la madurez de la confianza progresa, pero persisten lagunas en estrategia, gobernanza y gestión de riesgos. https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
- BCG, La transformación con IA es una transformación de la plantilla, publicado el 3 de junio de 2026, cuarta encuesta anual. Aproximadamente el 5 % de las organizaciones logra ganancias financieras sustanciales de la IA; el 70 % del valor viene de repensar la dimensión humana; el compromiso de los directivos es uno de los mejores predictores de madurez. https://www.bcg.com/publications/2026/ai-transformation-is-a-workforce-transformation
- Gartner, curva de madurez 2026 sobre la IA agéntica, publicada en verano de 2026. El rápido progreso de la IA agéntica es superado por el bombo mediático y la confusión. https://www.gartner.com/en/articles/hype-cycle-for-agentic-ai
- Gartner, comunicado oficial del 25 de junio de 2025: más del 40 % de los proyectos de IA agéntica serán cancelados antes de finales de 2027, por costes crecientes, valor de negocio difuso y controles de riesgo inadecuados. Sigue siendo la referencia del sector para 2026. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Gartner, comunicado oficial del 26 de febrero de 2025: el 60 % de los proyectos de IA sin datos listos para la IA será abandonado antes de finales de 2026. Sigue siendo la previsión de referencia sobre los datos. https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk
Límites de la verificación. Las páginas de Deloitte, BCG y Gartner fueron descargadas y sus citas encontradas palabra por palabra en su idioma original. El cuerpo detallado del informe McKinsey 2026 no pudo extraerse, porque McKinsey bloquea los clientes automatizados; esa fuente se cita únicamente por su tesis central, no por una cifra concreta.