METODOLOGÍA
IMPACT AI™: adoptar IA con evidencias, no con demos
De la curiosidad por la IA a una adopción medible, gobernada y sostenible.
IMPACT AI™ es la forma en que acompañamos a una organización desde la primera conversación sobre IA hasta que la usa en sus procesos, mide su resultado y la gobierna sin depender de nosotros. Seis fases, cada una cerrada con un gate: una pregunta de control, unas evidencias mínimas y una decisión documentada. Una reunión, un taller o un prototipo son actividades; superar un gate exige evidencia.
No empezamos por qué herramienta de IA usar. Empezamos por el negocio, el problema, el proceso, las personas, los datos y el resultado esperado. La tecnología llega después.
Seis fases, seis gates de decisión
Fase 1 · IDENTIFICA
Gate G1: ¿Entendemos el problema y las oportunidades?
Entender el negocio como lo vive quien lo hace
Hablamos con dirección, pero sobre todo con las personas que hacen el trabajo cada día. Ahí aparecen las fricciones reales y las oportunidades que no salen en un organigrama.
- Entrevistas sobre estrategia, clientes, operaciones, información, decisiones y excepciones: lo que debería ocurrir y lo que ocurre de verdad.
- Mapeo ligero de cada proceso: usuarios, entradas, actividades, datos, salidas, indicadores y puntos de dolor.
- Inventario de la IA que ya se usa, también la integrada en aplicaciones.
- Cada oportunidad, como hipótesis verificable: «si aplicamos esta capacidad sobre este proceso, podríamos mejorar este resultado para este usuario».
- Todavía sin elegir herramienta ni proveedor.
Entregable: AI Opportunity Canvas™ y Process & Pain Map™
Fase 2 · MIDE
Gate G2: ¿La empresa está preparada?
Medir la preparación con evidencias, no con una opinión
Establecemos el punto de partida con el AI Readiness Index™, que evalúa seis dimensiones: estrategia, procesos, datos, tecnología, personas y gobierno y riesgo. Cada puntuación se apoya en evidencias; lo que no se puede comprobar se registra como «no verificado». La dimensión de datos la medimos con las especificaciones UNE 0077 (gobierno), 0078 (gestión) y 0079 (calidad), evaluadas con la UNE 0080, y el marco DAMA-DMBOK.
- AI Readiness Index™: seis dimensiones evaluadas con evidencias.
- Madurez del dato según la UNE 0080 y las áreas de DAMA-DMBOK: calidad, metadatos, datos maestros, seguridad, arquitectura…
- Brechas críticas y riesgos que bloquearían un piloto.
- Acciones habilitadoras, y un sponsor que entiende qué hay que corregir.
Entregable: AI Readiness Index™ y brechas a cerrar
MEASURE EN DETALLE
AI Readiness Index™: seis dimensiones
Evaluamos cada dimensión con evidencias. Cuando no hay evidencia, se registra como «no verificado» en lugar de suponer.
Estrategia
Objetivos, sponsor y capacidad de decisión y de inversión.
Procesos
Digitalización, estabilidad, indicadores y automatización existente.
Datos
Disponibilidad, calidad, acceso y propiedad, medidos con la UNE 0080.
Tecnología
Aplicaciones, integración, nube y herramientas de IA en uso.
Personas
Competencias, uso actual de la IA, resistencia y capacidad de cambio.
Gobierno y riesgo
Privacidad, seguridad, control y supervisión.
Cinco niveles de preparación
- ExploradorEmpezar pequeño y formar.
- IniciadoQuick wins con acompañamiento.
- PreparadoActivar los casos prioritarios.
- AdoptanteConsolidar y ampliar.
- EscalableCartera de casos y escalado.
LA DIMENSIÓN DE DATOS
Los niveles de madurez del dato
Según la UNE 0080, cada proceso de gobierno, gestión y calidad del dato alcanza un nivel de madurez. Así se ve cada nivel y lo que hace falta para pasar al siguiente.
Realizado
Los procesos de datos se ejecutan, pero de forma reactiva y dependiendo de personas concretas.
Para subir de nivel: Identificar los datos críticos, nombrar responsables y aplicar las primeras reglas.
Gestionado
Los procesos se planifican y se siguen en áreas o proyectos concretos, con responsables identificados.
Para subir de nivel: Definir un modelo corporativo: políticas, roles y procesos comunes para toda la organización.
Establecido
Los procesos están estandarizados y documentados para toda la organización.
Para subir de nivel: Medirlos con indicadores, objetivos y umbrales, y analizar las causas de las desviaciones.
Predecible
Los procesos se gestionan con indicadores cuantitativos y su resultado es previsible.
Para subir de nivel: Instaurar la mejora continua y la innovación sobre los procesos de datos.
Innovador
Mejora continua: el dato se gestiona para obtener el máximo valor y se adapta a nuevos objetivos.
Para subir de nivel: Mantener el nivel y extenderlo a nuevos dominios, datos e iniciativas de IA.
Fase 3 · PRIORIZA
Gate G3: ¿Qué caso merece empezar?
Elegir bien por dónde empezar
Puntuamos cada oportunidad por valor, viabilidad, adopción, esfuerzo y riesgo. La puntuación no sustituye el criterio profesional: obliga a una conversación estructurada y deja escritas las razones. Priorizamos quick wins de corta duración que aporten valor visible a negocio y planteamos cada caso como un MVP: el alcance mínimo que permite validar la hipótesis con datos reales antes de invertir más.
- Scoring de 1 a 5 en valor, viabilidad, adopción, esfuerzo y riesgo, con las razones documentadas.
- Business case ligero: volumen y coste actuales (medidos o estimados) y mejora esperada como hipótesis, no como promesa.
- Quick wins de pocas semanas, planteados como MVP y con KPIs de piloto definidos.
- Reunión con 3–5 finalistas y decisión del sponsor: GO, GO condicionado, PARK o NO GO.
Entregable: AI Opportunity Portfolio™ y decisión GO / NO GO
Fase 4 · ACTIVA
Gate G4: ¿La solución demuestra valor?
Pilotar con control, no con fe
El caso priorizado se convierte en aprendizaje y evidencia real. La formación va unida al caso, con tareas del propio proceso, no como un curso desconectado. El piloto tiene alcance controlado, se gobierna desde el primer día y no «funciona» porque una demo impresione: funciona si cumple los KPIs definidos.
- Diseño del caso por escrito: problema, usuario, flujo actual, solución, datos, alcance, KPIs, riesgos y responsable.
- Formación aplicada: conceptos imprescindibles, límites de la IA y revisión humana, validada con una tarea real.
- Pilot Charter antes de empezar: hipótesis, usuarios, duración, métricas, criterio de éxito y condición de parada.
- Registro del piloto: uso, incidencias, opiniones de los usuarios, KPIs y ajustes.
- Decisión con evidencia: adoptar, iterar o parar.
Entregable: Use Case Canvas™, Pilot Charter y resultado medido
ACTIVATE EN DETALLE
Cómo sabemos si el proyecto está teniendo éxito
Además de los comités, cada piloto lleva su Pilot Charter y su propio cuadro de control, con medidas definidas antes de empezar.
Comités de seguimiento
- Comité de dirección: decisiones, prioridades y riesgos.
- Comité operativo: avance, incidencias y próximos pasos.
- Decisiones registradas en cada gate.
Pilot Charter
- Hipótesis, alcance, usuarios y duración acordada.
- Métricas y criterio de éxito fijados antes de empezar.
- Dependencias y condición de parada.
Control del quick win
- Línea base medida antes de empezar.
- KPIs de negocio: horas, errores, coste por operación, ventas.
- Criterio de éxito revisado en cada comité.
Control del proyecto
- Plazo, coste y alcance frente a lo planificado.
- Calidad: acierto de las respuestas o de las predicciones.
- Registro de uso, incidencias y opiniones de los usuarios.
Fase 5 · CONSOLIDA
Gate G5: ¿Se usa y genera resultado?
Que se use y que siga funcionando
Una solución que funciona pero nadie usa no aporta nada. En esta fase integramos el cambio en la forma real de trabajar, asignamos responsables, controlamos los riesgos y medimos el resultado. Si el caso no se usa, primero buscamos la barrera; después hablamos de escalar.
- Adoption Plan: personas y champions, proceso futuro, formación, soporte, comunicación y seguimiento.
- Supervisión humana: qué produce la IA, qué revisa una persona y qué umbrales obligan a escalar.
- AI Governance Lite™: responsable, usuarios, datos, riesgos, controles y revisión, sin burocracia innecesaria.
- Success Dashboard con indicadores de uso, eficiencia, negocio, adopción y riesgo.
Entregable: Adoption Plan, AI Governance Lite™ y Success Dashboard
CONSOLIDATE EN DETALLE
De piloto a forma de trabajar
La adopción exige uso real y resultado observado. Estas son las piezas que dejamos funcionando.
Adoption Plan
- Usuarios afectados, champions y responsables.
- Qué paso del proceso cambia y qué excepciones hay.
- Formación, soporte, comunicación y seguimiento.
Supervisión humana
- Qué produce la IA y qué revisa una persona.
- Qué decisiones se pueden automatizar y cuáles no.
- Umbrales de escalado y responsable del resultado final.
AI Governance Lite™
- Finalidad, responsable de negocio y usuarios.
- Datos, riesgos y controles: revisión, permisos y seguridad.
- Momento y responsable de cada revisión.
Success Dashboard
- Uso: usuarios activos, frecuencia y tareas.
- Eficiencia y negocio: tiempo, coste, errores, calidad, conversión.
- Adopción y riesgo: uso sostenido, incidencias y revisiones humanas.
Fase 6 · TRANSFERENCIA
Gate G6: ¿Puede continuar la empresa?
Nuestro trabajo termina cuando tienes el control
La transferencia no es una reunión final con un documento. Aplicamos shadow y reverse shadow: primero tu equipo trabaja a nuestro lado mientras nosotros operamos; después tu equipo opera y nosotros acompañamos y supervisamos, hasta que puede seguir solo.
- Shadow: tu equipo acompaña al nuestro en la operación y en cada decisión.
- Reverse shadow: tu equipo opera y nosotros supervisamos y resolvemos dudas.
- Capacidad por perfiles: dirección, responsable del caso, usuarios y perfil técnico.
- AI Action Plan™: backlog priorizado, capacidades de datos, formación, controles y próximos hitos.
- Nueva medición de la preparación, comparada con el punto de partida, y cierre con el sponsor.
Entregable: AI Action Plan™ y hoja de ruta
TRANSFER EN DETALLE
Shadow y reverse shadow
Transferimos el conocimiento trabajando juntos, no con un manual al final del proyecto.
Operamos nosotros
Construimos y operamos la solución, con tu equipo informado desde el principio.
Shadow
Tu equipo trabaja a nuestro lado: ve cómo operamos, decidimos y resolvemos incidencias.
Reverse shadow
Tu equipo opera y nosotros supervisamos, corregimos y respondemos dudas.
Control total
Tu equipo opera solo, con documentación, backlog y hoja de ruta. Seguimos disponibles si nos necesitas.
Seis principios que no negociamos
Negocio antes que tecnología
No proponemos herramientas antes de entender el objetivo y el proceso.
Evidencia antes que opinión
Separamos hechos observados, percepciones e hipótesis.
Valor y adopción
Un caso técnicamente viable que nadie usará no es prioritario.
Riesgo proporcional
Controles adecuados al riesgo y al tamaño de la empresa, sin burocracia.
Experimentar antes de escalar
Probamos hipótesis con alcance acotado y KPIs.
Transferir
Cada intervención aumenta la capacidad interna. Nada de dependencia.
PREGUNTAS FRECUENTES
Preguntas frecuentes
Respuestas directas a lo que más nos preguntan.
¿Cuánto dura un proyecto con IMPACT AI™?
Depende del alcance. Las primeras fases son cortas, y los quick wins se plantean para dar resultados en pocas semanas. El calendario se fija al arrancar el proyecto.
¿Hay que pasar por todas las fases?
Entramos en el punto en el que esté cada organización. Si ya tienes los casos priorizados, por ejemplo, empezamos por Activa con los controles de las fases anteriores.
¿Cómo medís la madurez del dato?
Con las especificaciones UNE 0077, 0078 y 0079, evaluadas según la UNE 0080, y el marco DAMA-DMBOK, completados con la preparación tecnológica, las personas y el gobierno de la IA.
¿Qué es un quick win en IMPACT AI™?
Un caso de corta duración, planteado como MVP, que aporta un valor visible y medible a negocio y valida la hipótesis antes de invertir más.
¿Qué es un gate?
El cierre de cada fase: una pregunta de control, unas evidencias mínimas y una decisión documentada del sponsor. No se pasa de fase por haber celebrado reuniones o talleres, sino por tener evidencia.
¿Qué pasa si el piloto no da el resultado esperado?
Se decide con datos: adoptar, iterar o parar. Un NO GO también es un resultado útil: evita invertir en lo que no funciona y deja aprendizaje y capacidad en la empresa.
¿Cómo es la formación?
Aprender aplicando. La formación recorre todas las fases y se hace sobre los casos y tareas de la propia empresa, incluidos los límites de la IA y la revisión humana. Al final, cada participante debe poder explicar el caso, ejecutarlo y saber cuándo no fiarse del resultado.
¿Qué significa shadow y reverse shadow?
Dos etapas de la transferencia: en shadow tu equipo acompaña al nuestro mientras opera; en reverse shadow tu equipo opera y nosotros supervisamos, hasta que tiene el control.
¿Empezamos por el diagnóstico?
Una primera conversación de 30 minutos, sin compromiso.