La ambición en IA es alta. El scope sigue siendo demasiado vago.

La mayoría de las empresas ya han superado la conversación de "¿deberíamos usar IA?". Los presupuestos están aprobados, las presentaciones al consejo mencionan agentes y a alguien senior le han dicho que "haga algo con IA este trimestre". La presión por moverse es real.

Y aun así los proyectos se estancan — no porque falte ambición, sino porque nadie puede responder con precisión a la siguiente pregunta: ¿qué, exactamente, construimos primero, y cómo sabremos que funcionó?

El problema no es la falta de ambición. El problema es la falta de ejecución con scope. La ambición le indica el destino. El scope le indica los primeros diez pasos, quién los da y cómo sabrá que va por el camino correcto. Sáltese eso y no llegará antes al valor de la IA — llegará a un piloto caro que nunca sale de la demo.

La ambición es real. El scope no.

El panorama macro lo confirma. En el informe State of AI de McKinsey, la adopción ya es generalizada, pero la mayoría de las organizaciones siguen experimentando en lugar de capturar valor duradero — y las que se están adelantando son las que rediseñan workflows en torno a la IA, no las que atornillan un modelo a un proceso sin cambios.

BCG plantea el mismo punto de forma más contundente en Are You Generating Value from AI? The Widening Gap: la distancia entre los líderes en IA y el resto está creciendo, y la IA agéntica la está ampliando aún más. Los líderes no son los que tienen más pilotos. Son los que definieron el scope de un número reducido de workflows en profundidad y escalaron lo que funcionó.

Y la cautela está justificada. Un informe de 2025 ampliamente citado — el "GenAI Divide" del Project NANDA del MIT — advertía de que una gran parte de los pilotos de GenAI empresariales todavía no se ha traducido en impacto de negocio sostenido. La cifra del titular es fácil de sensacionalizar; la lección útil es más concreta: los pilotos que no se definen frente a un responsable, una métrica y un workflow real tienden a morir en silencio, por buena que sea la tecnología.

Así que la brecha no es ambición frente a cautela. Es scope vago frente a ejecución con scope.

¿Qué es un Minimal Viable Agent (MVA)?

El antídoto contra un scope vago es uno pequeño y demostrable. Ese es el trabajo de un Minimal Viable Agent.

Un Minimal Viable Agent (MVA) es el agente de IA útil más pequeño que demuestra un workflow de principio a fin — los datos que necesita, los puntos de revisión humana y el valor de negocio que crea — antes de escalar. Un solo trabajo. Hecho lo bastante bien como para decidir con evidencia, no con opiniones.

Un MVA no es una versión recortada de su plataforma final, y tampoco es una demo desechable. Es un prototipo de IA deliberadamente estrecho, diseñado para retirar primero su mayor riesgo. Si la suposición que más le asusta es "¿será el modelo lo bastante preciso con nuestros datos desordenados?", el MVA prueba eso. Si es "¿lo usará alguien de verdad un martes por la mañana?", entonces el MVA prueba eso.

La IA agéntica hace que esta disciplina sea más importante, no menos. Un agente que ejecuta acciones en varios sistemas tiene más formas de equivocarse que un chatbot que responde una pregunta — lo que significa que el workflow, el acceso a los datos y los puntos de control con humano en el circuito deben definirse antes de construir, no descubrirse en producción.

Las seis preguntas que convierten la ambición en scope

Cuando la ambición es alta y el scope es vago, los equipos se atascan en las mismas seis preguntas. Un buen scope las responde todas en una página.

1. ¿Qué use case merece construirse primero?

No el más vistoso — aquel donde la métrica de un responsable con nombre se mueve, los datos ya existen y el workflow es lo bastante pequeño como para prototiparlo en semanas. Esto es priorización de use cases de IA, y es la decisión de mayor apalancamiento que tomará. Un AI Scoping Workshop estructurado existe precisamente para forzar este ranking antes de comprometer dinero.

2. ¿Qué aspecto debería tener realmente el Minimal Viable Agent?

Defina el workflow único, los inputs, los outputs y el momento en que un humano permanece en el circuito. Un Minimal Viable Agent (MVA) Sprint construye o coordina después ese MVA para probar la suposición más arriesgada — en lugar de sobreconstruir una v1 que no necesitaba existir.

3. ¿Qué hay que validar — workflow, datos y revisión humana?

Tres cosas rompen la mayoría de los proyectos de IA: el workflow no encaja con cómo trabaja la gente en realidad, los datos no están tan disponibles ni tan limpios como se asumió, y no hay un punto claro donde un humano revisa o corrige al agente. El scope nombra cada una como una prueba explícita, lo que normalmente implica cierto rediseño del workflow con IA antes de entrenar un solo modelo.

4. ¿Qué tipo de partner encaja con el scope?

Las boutiques de FDE, las agencias de IA, los estudios de producto, los especialistas en automatización, los freelancers y las grandes consultoras resuelven problemas distintos. El partner de implementación de IA adecuado depende del scope y de la restricción determinante — velocidad, cumplimiento normativo, integración o coste. Aclare primero el scope; entonces la selección independiente de partners es un ejercicio breve y basado en evidencia en lugar de una apuesta. (Si está sopesando específicamente ingenieros integrados en su equipo, nuestro artículo sobre forward deployed engineering explica cuándo encaja ese modelo.)

5. ¿Qué presupuesto es razonable?

Un primer paso debería parecerse a un workshop de scoping en la franja baja de cinco cifras y un prototipo enfocado en la franja baja-media de cinco cifras — no la construcción de una plataforma de seis cifras antes de que nada esté probado. Si una propuesta salta directamente a un gran programa, una revisión independiente de propuestas de IA normalmente detectará el sobredimensionamiento.

6. ¿Cómo evitamos la sobreconstrucción, el vendor lock-in y los pilotos que nunca escalan?

Manténgase neutral respecto a proveedores hasta que los datos indiquen lo contrario, mantenga pequeña la primera construcción y mapee el panorama de herramientas antes de comprometerse — nuestro mapa del ecosistema de IA está ahí para que elija componentes por mérito, no por quién presentó primero. El coste oculto de elegir al partner de IA equivocado rara vez es la factura; es el lock-in y esa cosa a medio construir que nadie puede tirar a la basura.

El scope ahora incluye la gobernanza

Especialmente en Europa, el scope ya no es solo "lo que funciona" — es "lo que es defendible". El NIST AI Risk Management Framework y su Generative AI Profile plantean la gobernanza de la IA como un trabajo de ciclo de vida: evaluación, fiabilidad y supervisión humana diseñadas desde el principio. El Reglamento de IA de la UE (EU AI Act) empuja en la misma dirección — las decisiones sobre IA necesitan cada vez más un scoping consciente del riesgo, no solo experimentación.

No necesita un departamento de compliance para actuar sobre esto. Necesita un scope que nombre dónde revisa un humano al agente, qué datos toca y cómo explicaría una decisión si se lo pidieran. Eso es más barato de diseñar desde el principio que de reconstruir después.

Antes de contratar al partner, defina el scope

Esta es la frase que merece la pena conservar: antes de contratar al partner, defina el scope. Un partner solvente puede construir casi cualquier cosa. Lo que no puede hacer es decirle — de forma independiente — si esa cosa merece construirse, cómo de pequeña debería empezar o si su propia propuesta está sobredimensionada. Ese es el trabajo que tiene que ocurrir primero, y tiene que ser independiente de quien finalmente lo entregue.

Acierte con el scope y el resto es procurement. Falle y estará comprando billetes de lotería con un plan de proyecto adjunto.

Ideas clave

• La ambición ya no es la restricción. El scope vago sí.
• Un Minimal Viable Agent demuestra un workflow — datos, revisión humana y valor — antes de escalar.
• Responda las seis preguntas (use case, forma del MVA, qué validar, tipo de partner, presupuesto, anti-sobreconstrucción) en una página.
• La gobernanza es ahora parte del scope, no una fase posterior.
• Defina el scope antes de elegir al partner de implementación de IA — de forma independiente.