Evaluación de Proveedores de IA: Guía para el CEO

Hace dieciocho meses, “IA” en la diapositiva de un proveedor era un diferencial. Hoy es una afirmación por defecto — impresa en cada página de producto, desde su software de nómina hasta el escáner del depósito. Los pitches suenan parecidos, las demostraciones impresionan y los contratos prometen transformación. Su trabajo como CEO es descubrir cuáles son reales.

Ese trabajo se volvió más difícil, no más fácil, en el último año. Gartner pronostica que el 30% de los proyectos de IA generativa serán abandonados después de la prueba de concepto a finales de 2025, citando mala calidad de datos, costos crecientes y valor de negocio incierto. El patrón es consistente: la demostración convence, el contrato se firma, el piloto se estanca y, un año después, no hay nada que mostrar al directorio. Evaluar bien a los proveedores de IA — antes de firmar — se ha convertido en una de las tareas de due diligence más relevantes en la mesa del CEO.

Por qué “IA” Dejó de Ser un Diferencial

Cada categoría de software pasó por este ciclo. “Cloud-native” tenía un significado específico; para 2018, todo producto legado del mercado lo reclamaba. “Tiempo real” tenía sentido antes de volverse papel tapiz. La IA está ahora en la misma fase — solo que la brecha entre capacidad real y lenguaje de marketing es más amplia que en cualquier ola anterior.

El informe del CFA Institute de 2025 sobre AI washing documenta cuán extendida está la práctica, tanto en productos como en comunicaciones corporativas. El desafío para el CEO es que quienes compran — usted, su CFO, su COO — generalmente no son quienes pueden validar técnicamente las afirmaciones. Y los proveedores lo saben. El pitch está calibrado al lenguaje ejecutivo: “transformador”, “agéntico”, “automatización inteligente”. Lo que hay debajo a veces es un sistema de IA sofisticado, a veces un motor de reglas con un chatbot encima — y no siempre se distingue desde la demostración.

Dos cosas cambiaron el cálculo del comprador en el último año:

• El volumen de proveedores explotó. Toda categoría — ERP, CRM, procesamiento de documentos, servicio al cliente, finanzas, RR.HH. — ahora tiene decenas de competidores “AI-first” junto a los actores establecidos que añadieron funciones de IA. La relación señal-ruido es la peor que ha existido.
• El costo de equivocarse subió. Una mala elección de CRM desperdicia dinero. Una mala elección de IA desperdicia dinero, expone datos, crea riesgo de cumplimiento y consume 6-12 meses de atención ejecutiva mientras el resto del negocio espera.

Comprar IA bien en 2026 requiere una disciplina de evaluación distinta de la que se usaba para comprar SaaS hace cinco años.

Los Patrones de AI Washing Que Todo CEO Debe Reconocer

No necesita ser técnico para identificar la mayoría del AI washing. Las señales aparecen en cómo habla el proveedor, qué se rehúsa a mostrar y qué falta en su documentación. Algunos patrones que vale la pena reconocer:

“Powered by AI” sin mecanismo. Un proveedor genuino responde tres preguntas sin pestañear: qué modelo está haciendo el trabajo, en qué se entrenó (o cómo se conecta a sus datos) y qué decisión específica está tomando. Si el proveedor responde con adjetivos — “inteligente”, “smart”, “avanzado” —, la afirmación de IA probablemente no se mapea a un paso real del flujo.

Agent washing. La variante de 2026. Un producto se vende como “IA agéntica” o “agentes autónomos”, pero la demostración en vivo no muestra razonamiento de múltiples pasos, uso de herramientas o ninguna decisión que el sistema tome sin un humano en el bucle. El pronóstico de Gartner de junio de 2025 de que más del 40% de los proyectos de IA agéntica se cancelarán para 2027 refleja esa brecha: la mayoría de lo etiquetado como “agéntico” hoy es un chatbot conectado a un flujo programado.

Sin documentación técnica. Sitio bien producido, videos de demostración pulidos y nada por debajo. Sin whitepaper, sin visión de arquitectura, sin referencia de API. Los proveedores reales publican este material porque sus compradores — incluido el personal técnico que usted eventualmente involucrará — lo exige.

Casos no verificables. Testimonios sin cliente nombrado, sin línea base definida, sin delta medible. “Reducción del tiempo de procesamiento del 40%” solo, sin denominador, sin contacto de referencia. Los casos útiles tienen empresa nombrada, estado “antes” definido y disposición a presentarle a la persona que de hecho usó el producto.

Dependencia de un único modelo presentada como capacidad propietaria. Algunos proveedores son capas finas sobre un único modelo de fundación — frecuentemente GPT, Claude o Gemini renombrado. Esto no descalifica por sí solo, pero debe declararse, y el proveedor debe tener una respuesta clara sobre qué pasa con su despliegue si los precios del modelo cambian o se descontinúa una versión.

El hilo común del AI washing es la vaguedad. La capacidad de IA real es específica porque tiene que serlo — el sistema tiene que hacer algo concreto. Si el proveedor no puede ser específico sobre qué hace su IA en un caso real de cliente, esa es la respuesta de su evaluación.

Por Qué la Mayoría de los Pilotos de IA Nunca Llegan a Producción

El modo de falla más caro en IA no es un proveedor mintiendo sobre su capacidad. Es un proveedor cuyo producto realmente funciona en una demostración controlada, le vende un piloto y luego falla silenciosamente en escalar. El piloto luce prometedor, los contratos se firman y en algún punto entre el tercer y octavo mes el proyecto pierde tracción. Para el mes doce, ha sido silenciosamente despriorizado.

Esto es “el limbo del piloto” — y es ahora el patrón dominante de falla de IA en empresas medianas. Una encuesta de Gartner de 2026 a 782 líderes de operaciones de TI encontró que solo el 28% de los casos de uso de IA tienen éxito completo y cumplen las expectativas de ROI; el resto entrega valor parcial o falla rotundamente. El State of AI 2025 de McKinsey reporta que solo el 12% de las organizaciones ha identificado completamente casos de uso de IA generativa que generan ingresos, pese a la experimentación generalizada.

Algunas razones por las que los pilotos se estancan:

• El costo de integración se subestima. Los sistemas de IA funcionan en demostraciones porque los datos son curados. En su entorno, la IA tiene que conectarse a ERPs, CRMs, sistemas de archivos y sistemas legados que no fueron hechos para ser consultados. La personalización requerida para hacer esto real frecuentemente excede el costo del software.
• El alcance del piloto era demasiado estrecho para probar valor. Un piloto en un solo departamento, un caso de uso o una muestra de datos puede tener éxito técnico sin decirle si el despliegue mayor funcionará. La escala de producción expone problemas de calidad de datos, casos extremos y problemas de adopción que el piloto no reveló.
• Los costos ocultos aparecen tarde. Los costos de inferencia, los precios por usuario que escalan con la adopción y los modelos basados en tokens se convierten en múltiplos de la cotización original cuando el uso crece. Los proveedores no siempre son transparentes hasta la conversación de renovación.
• Las bases de datos no estaban listas. Gartner ha advertido que el 60% de los proyectos de IA no respaldados por datos listos para IA serán abandonados hasta 2026. Cubrimos esto en detalle en nuestra guía sobre calidad de datos para IA — pero la versión corta es que la IA hereda la calidad de aquello a lo que esté conectada, y la mayoría de las empresas lo descubre solo después de firmar.

La estructura de incentivos del proveedor empeora el cuadro. Muchas compañías de IA — especialmente startups bien financiadas — están optimizadas para vender pilotos, no para aterrizar despliegues en producción. La compensación de ventas premia la firma del piloto; la carga de éxito del cliente para llegar a producción recae sobre un equipo reducido que rota cada 18 meses. Reconocer esta dinámica es parte de comprar bien.

¿Qué Preguntas Debe Hacer un CEO a un Proveedor de IA?

La mayoría de las preguntas de evaluación se contestan con lenguaje de marketing. Las preguntas siguientes están diseñadas para forzar especificidad — y exponer la brecha entre proveedores que han desplegado sistemas reales en producción y los que no.

1. “Lléveme por un cliente de principio a fin. ¿Dónde entra su IA, qué decide, qué hace el humano, qué se registra y cómo miden la calidad en ese tipo de caso?”

Un proveedor con despliegues reales en producción responde sin pestañear. Nombra a un cliente (bajo NDA cuando hace falta), describe el flujo, identifica dónde decide la IA y dónde decide el humano, y explica la medición. Un proveedor sin despliegues reales generaliza (“nuestra IA maneja facturación en muchos clientes”) o pivotea a funciones. La especificidad de la respuesta es la respuesta.

2. “¿Qué despliegues están en producción ahora mismo en mi industria — no pilotos — y puedo hablar con un cliente de referencia sobre resultados medibles?”

La palabra “producción” importa. Los pilotos y pruebas de concepto le dicen que el proveedor sabe demostrar. Producción le dice que sabe escalar, integrar y mantenerse en pie. Si no puede nombrar un despliegue en producción en su industria — o se niega a una llamada de referencia —, asuma que usted sería el caso de estudio.

3. “¿Cuál es su estrategia de modelos? ¿Dependen de un único modelo, y qué pasa con mi despliegue si el proveedor del modelo cambia precios o descontinúa una versión?”

Muchos productos de IA son capas finas sobre un único modelo de fundación. Puede ser aceptable, pero es un riesgo de aprisionamiento que debe entrar en la cuenta. El proveedor debe tener una historia clara sobre abstracción de modelos, soporte multi-modelo o rutas de migración. Hemos escrito sobre esta categoría de riesgo en aprisionamiento de proveedor de ERP — los paralelos aplican a la compra de IA.

4. “Muéstreme una proyección de costo de 12 meses desglosada por inferencia, licencias por usuario e integración. ¿Qué hace que ese número se duplique?”

La pregunta fuerza transparencia de costo antes de firmar. Los proveedores honestos dan un rango real e identifican las variables. Los evasivos cotizan un precio por usuario y se detienen ahí.

5. “¿Cómo manejan residencia de datos, registros de auditoría y controles de acceso? ¿Cuál es su postura sobre el EU AI Act y marcos equivalentes?”

La ambigüedad de cumplimiento se ha convertido en un bloqueador real de procurement. La respuesta no tiene que ser “cumplimos con todo en todas partes” — pero tiene que ser específica.

6. “Si estoy insatisfecho al noveno mes, ¿cómo recupero mis datos y configuraciones, y cuál es el plazo realista?”

Trátelo como cualquier otra pregunta de salida de proveedor. La respuesta revela cómo el proveedor piensa la asociación a largo plazo versus la extracción del piloto.

El Costo Total Que el Precio del Proveedor No Muestra

Evaluar precio de IA es más difícil que evaluar SaaS tradicional porque los conductores de costo son distintos y la variabilidad es mayor. Una evaluación típica se enfoca en el costo por usuario del contrato — generalmente la parte más pequeña del total real.

Los componentes que suelen pasarse por alto:

• Costos de inferencia. Cada consulta, cada documento procesado, cada acción de agente consume cómputo. Los proveedores que esconden la inferencia en “tramos de uso” pueden presentar un precio base pequeño que crece 5-10x conforme avanza la adopción.
• Integración y personalización. Conectar IA al ERP, CRM y sistemas de archivos suele requerir consultoría — a veces del proveedor, a veces de un socio. Es un costo real que no aparece en la factura del software.
• Preparación de datos. Si sus datos no están en la forma que la IA necesita, alguien tiene que ponerlos ahí. Ese trabajo suele ser el ítem más caro de un despliegue real, y no es opcional.
• Gestión del cambio interno. Las herramientas de IA que requieren cambios de flujo, recapacitación o nuevos procesos de aprobación tienen un costo real en productividad perdida durante el despliegue. Las empresas que ignoran este ítem terminan pagándolo igual, solo que de forma menos visible.
• Escalada en la renovación. El primer año es el del descuento. El precio del segundo y tercer año es donde el proveedor frecuentemente recupera margen. Negociar términos plurianuales con topes es una de las pocas veces en que esto está en su poder.

Por nuestra experiencia con empresas medianas, el costo contratado del software suele ser 30-50% del total real del primer año cuando integración, trabajo de datos y tiempo interno se contabilizan honestamente. Los CEOs que planean solo con el costo contratado se sorprenden dos veces — cuando llega la factura y cuando la dirección pregunta por qué el ROI no se ha materializado.

La Verificación de Referencias Que Realmente Dice Algo

Las referencias suministradas por el proveedor son filtradas. El cliente que aceptó la llamada aceptó porque el despliegue funcionó. Eso es útil — pero no suficiente.

Una verificación de referencia que dice algo:

• Hable con un cliente que se fue, no solo con uno que renovó. Pida al proveedor una referencia honesta donde la relación no continuó. Cómo maneja la pregunta es ya diagnóstico. Los proveedores éticos la ofrecen; los defensivos la esquivan.
• Pregunte sobre modos de falla específicos. No “¿está contento?” sino “¿qué se rompió, qué le sorprendió, qué fue más difícil de lo que el contrato sugería?”. Los clientes reales tienen respuestas específicas porque los despliegues reales tienen desafíos específicos.
• Pida la historia de la integración. “¿Cuánto tomó la integración en realidad versus lo cotizado? ¿Qué construyeron internamente versus lo que el proveedor entregó? ¿Cuál es la carga de mantenimiento continuo?”
• Pregunte sobre la renovación. “¿Qué cambió en precio o alcance en la renovación? ¿Renegociaron? ¿Por qué sí o por qué no?”
• Valide la afirmación de ROI. Si el caso del proveedor cita una reducción del 40% en algo, pregunte al cliente cómo se midió ese número, cuál era la línea base y si lo defendería bajo cuestionamiento.

Una conversación de 30 minutos con un cliente real en producción — haciendo las preguntas correctas — vale más que 20 horas de demostraciones del proveedor. Los CEOs que aciertan consistentemente en compras de IA tienden a exigir esa conversación antes de firmar. Los que se equivocan consistentemente la saltan porque la demostración fue impresionante.

Preguntas Frecuentes

¿Qué es AI washing y cómo identificarlo?

AI washing es cuando un proveedor vende un producto como “powered by AI” cuando la tecnología subyacente es un motor de reglas, un script simple de automatización o una capa fina sobre un modelo de fundación sin personalización real. Para identificarlo, pida al proveedor que describa específicamente qué modelo está haciendo el trabajo, qué decisión está tomando y cómo se mide la calidad en un caso real de cliente. Las respuestas vagas indican AI washing.

¿Qué preguntas debe hacer un CEO antes de comprar software de IA?

Las preguntas más útiles fuerzan especificidad: pida al proveedor que lo lleve por un cliente en producción de principio a fin, solicite una llamada de referencia con un cliente de su industria, pida una proyección de costo de 12 meses por componente y pregunte qué pasa con su despliegue si el modelo subyacente del proveedor cambia. Esas preguntas exponen la brecha entre lenguaje de marketing y capacidad real.

¿Por qué la mayoría de los pilotos de IA no llegan a producción?

Los pilotos de IA se estancan porque los costos de integración se subestimaron, el alcance del piloto era demasiado estrecho para predecir desempeño más amplio, los costos ocultos de inferencia y escala aparecen tarde o los datos subyacentes no estaban listos para uso en producción. Gartner pronostica que el 30% de los proyectos de IA generativa serán abandonados después de la prueba de concepto a finales de 2025. El incentivo del proveedor de vender pilotos — no escalarlos — agrava el problema.

¿Cuánto cuesta realmente la IA empresarial?

La tarifa contratada del software rara vez es el costo total. Un presupuesto realista incluye costos de inferencia y uso, integración con sistemas existentes, preparación de datos, gestión del cambio interno y escalada en la renovación. Por nuestra experiencia, el costo contratado suele ser 30-50% del total real del primer año. Los CEOs deben pedir a los proveedores proyecciones de costo que incluyan todos los componentes variables, no solo el licenciamiento por usuario.

¿Qué es la IA agéntica y cómo verificar la afirmación de un proveedor?

La IA agéntica es un sistema que toma múltiples acciones, usa herramientas y decide a lo largo de un flujo sin intervención humana en cada paso. Muchos proveedores que venden “IA agéntica” hoy ofrecen en realidad chatbots conectados a flujos programados. Verifique la afirmación pidiendo una demostración en vivo de razonamiento de múltiples pasos, uso de herramientas y decisión autónoma sobre datos reales — no videos pregrabados ni escenarios de sandbox.

Cómo Pluto Resiste el Escrutinio del Comprador

El marco de evaluación anterior aplica a todo proveedor de IA, incluido el nuestro. Así es como Pluto se comporta frente a las preguntas que un CEO serio haría.

Pluto es un agente de IA que se conecta a su ERP actual y le permite hacer preguntas de negocio en lenguaje natural — margen por cliente, cuentas por cobrar vencidas, pipeline por región, cualquier cosa que sus datos sustenten. Está anclado en sus datos de negocio en vivo, no entrenado sobre un conjunto general, lo que significa que las respuestas reflejan sus números reales y no una estimación probabilística. Podemos llevarlo por despliegues específicos en producción, nombrar clientes de referencia, mostrar el flujo de principio a fin y dar una proyección de costo honesta que incluye integración y uso continuo — no solo licenciamiento.

También lo construimos asumiendo que evaluará alternativas con cuidado. Las empresas que más valor obtienen de Pluto son las que nos someten al mismo escrutinio que recomendamos para cualquier proveedor de IA: llamadas reales de referencia, casos de uso específicos, plan de integración y una definición medible de ROI firmada antes del despliegue. Esa es la forma correcta de comprar IA en 2026 — incluso de nosotros.

Vea cómo Pluto trabaja con sus datos o agende una demostración con nuestro equipo.

Los CEOs que mirarán 2026 con arrepentimiento son los que confundieron entusiasmo del proveedor con capacidad del proveedor. Los que mirarán con tranquilidad son los que compraron despacio, preguntaron con especificidad e hicieron al proveedor probar lo que sus diapositivas prometían. La IA es real. Los proveedores que pueden entregarla también. Su trabajo es distinguir unos de otros.