Etapa 1 a 2: De Ad-Hoc a Piloto, El Punto de Estancamiento Más Común en AI

Su equipo ya usa AI. ChatGPT, Copilot, Gemini, Perplexity, quizás una docena más. Nadie sabe exactamente cuáles. No hay política. No hay línea de presupuesto. Algunas herramientas viven en cuentas personales. Otras en niveles gratuitos. Y usted no tiene idea de qué funciona, qué expone a la empresa a riesgos, o si alguna mueve el negocio hacia adelante. Eso es la Etapa 1.

También es donde se encuentran la mayoría de las empresas en 2026. La investigación de McKinsey encontró que solo el 11% de las empresas ha adoptado la AI generativa a escala, y casi dos tercios no han escalado más allá de unos pocos pilotos. No está atrasado. Está en la mayoría.

La transición de la Etapa 1 a la 2 no es glamorosa. No implica comprar una nueva plataforma ni anunciar una iniciativa de AI en una reunión general. Implica tomar una sola decisión intencional: elegir un caso de uso, nombrar un responsable, definir cómo se ve el éxito y medirlo. Eso es todo.

Pero este es precisamente el paso que la mayoría de las empresas omite. En cambio, anuncian más pilotos, forman un comité, o siguen esperando que emerja la estrategia de AI "correcta". El resultado es el arrastre de la Etapa 1: el problema de AI en la sombra crece, el riesgo de cumplimiento se acumula, y 12 meses después el consejo pregunta qué ha hecho realmente la empresa.

Este artículo le proporciona el playbook concreto para hacer la transición.

Cómo se ve realmente la Etapa 1

Datos Clave: La Realidad de la Etapa 1

• El 78% de los trabajadores del conocimiento usa herramientas personales de AI en el trabajo sin aprobación explícita del empleador, y la mayoría de las organizaciones no sabe qué herramientas se están usando en toda su fuerza laboral (Microsoft Work Trend Index, 2024)
• El 60% de los proyectos de AI no respaldados por datos listos para AI serán abandonados hasta 2026, lo que hace de la auditoría de preparación de datos la acción de mayor apalancamiento en la Etapa 1 antes de lanzar cualquier piloto (Gartner, 2025)
• Solo el 11% de las empresas ha adoptado la AI generativa a escala; casi dos tercios no han escalado más allá de unos pocos pilotos, lo que significa que la transición de la Etapa 1 a la 2 sigue siendo el punto de estancamiento más común en la AI empresarial (McKinsey, 2025)

Antes de poder salir de la Etapa 1, debe reconocer que está en ella. Aquí están los signos diagnósticos.

Uso individual de herramientas sin inventario. Los empleados usan herramientas de AI que usted no ha aprobado, algunas que ni siquiera sabe que existen. Algunos pagan de su bolsillo. Otros usan niveles gratuitos. A nadie se le ha dicho que no, porque no hay política.

Sin línea de presupuesto formal para AI. Cualquier gasto en AI está enterrado en informes de gastos individuales, suscripciones de software o presupuestos departamentales que no lo llaman AI. El CFO no puede decirle qué gasta la empresa en AI.

IT y Legal están preocupados pero no empoderados. IT ha escuchado sobre datos que van a ChatGPT. Legal tiene una vaga preocupación sobre la propiedad intelectual. Pero ninguno de los dos equipos tiene autoridad, mandato ni pautas para hacer algo al respecto todavía.

Sin datos de ROI. Los empleados individuales dirán que la AI "ahorra tiempo" pero nadie puede cuantificar cuánto ni vincularlo a resultados empresariales. Las ganancias de productividad son anecdóticas.

Suscripciones a herramientas competidoras. Múltiples equipos están evaluando o usando levemente diferentes herramientas para el mismo problema. Ventas está viendo una herramienta de ventas con AI. Marketing acaba de suscribirse a otra diferente. No se comunican entre sí.

Sin revisión de seguridad de las herramientas de AI. Los proveedores no han pasado por la revisión de seguridad de adquisición estándar que se aplica a sus otros productos SaaS. Solo obtuvieron una tarjeta de crédito de un empleado.

Si tres o más de estas afirmaciones son verdaderas, está en la Etapa 1. Eso está bien. La mayoría de las empresas en 2026 están ahí. Pero no es un estado estable.

Por qué la Etapa 1 es tanto normal como arriesgada

La Etapa 1 no es un fracaso. Es cómo la AI entra en cada organización. Los empleados experimentan antes de que el liderazgo tenga un framework. Eso es en realidad saludable al principio. El problema es quedarse ahí.

El riesgo se acumula a lo largo de tres dimensiones. Y el riesgo es real: Gartner encontró que las organizaciones abandonarán el 60% de los proyectos de AI no respaldados por datos listos para AI hasta 2026, lo que significa que las empresas de la Etapa 1 que saltan el trabajo de gobernanza y datos están preparando fracasos costosos.

Exposición de datos. Los empleados pegan contenido en herramientas de AI públicas sin saber si ese contenido es sensible. Registros de clientes, proyecciones financieras, contratos en borrador, documentos de estrategia interna. Cada pegado es una exposición de datos potencial. Sin una política que defina qué puede y no puede entrar en las herramientas de AI, el valor predeterminado es "todo entra".

Riesgo de propiedad intelectual y cumplimiento. Si un empleado usa AI para generar contenido, código o análisis, las preguntas sobre la propiedad de la propiedad intelectual, el sesgo y el cumplimiento regulatorio no tienen una respuesta sancionada por la empresa. El empleado actuó solo. La empresa es responsable.

Costo de oportunidad. Cuanto más experimentan los equipos sin coordinación, menos aprendizaje organizacional se acumula. Cada equipo reinventa los mismos prompts. Nadie comparte lo que funciona. La empresa paga por el esfuerzo de AI sin obtener valor de AI.

La buena noticia es que no necesita resolver todo esto para pasar a la Etapa 2. Necesita resolver suficiente para hacer posible un piloto estructurado.

Criterios de salida de la Etapa 2

La Etapa 2 no es un destino. Es un nuevo piso. Aquí están los tres requisitos para llamarse organización de Etapa 2.

Los tres deben ser verdad. Si tiene una política pero no un piloto, está en la Etapa 1 con mejor gobernanza. Si tiene un piloto pero no una política, está en la Etapa 1 con mejor experimentación. La Etapa 2 requiere ambas.

Cómo elegir el primer piloto

La selección del caso de uso es donde fracasa la mayoría de las transiciones de la Etapa 1 a la 2. Los equipos o bien eligen el caso de uso más emocionante (orientado al cliente, mayor visibilidad, los problemas de datos más difíciles) o dejan que el departamento más ruidoso impulse la elección. Ninguno de los dos enfoques funciona.

El framework correcto tiene tres filtros. Aplíquelos en orden.

Filtro 1: Preparación de datos. Antes de elegir cualquier caso de uso, pregunte si tiene datos limpios, accesibles y autorizados por la política para respaldarlo. La preparación de datos es el asesino silencioso más común de los pilotos de AI. Un caso de uso con gran atractivo empresarial pero mala preparación de datos fracasará. Un caso de uso con menor atractivo pero buenos datos le enseñará algo real. Empiece con los datos que tiene, no con los datos que desearía tener.

Filtro 2: Perfil de riesgo. Para su primer piloto, evite las capacidades de Execute orientadas al cliente. Las acciones Execute tienen consecuencias directas y visibles: emails enviados, registros actualizados, negocios modificados, respuestas entregadas. Cuando las cosas salen mal en un piloto, quiere que el impacto sea interno. Califique cada caso de uso en una escala de riesgo simple: bajo (solo interno, humanos revisan los outputs), medio (orientado al cliente, AI redacta pero humano envía), alto (interacción automática con el cliente). Elija un caso de uso de bajo riesgo para el Piloto 1. El límite entre Generate y Execute explica por qué esta distinción importa para su primer piloto.

Filtro 3: Potencial de impacto. Entre las opciones de bajo riesgo y datos listos, elija la que tenga el impacto empresarial más claro: horas ahorradas, tasa de conversión mejorada, tasa de error reducida. No necesita ser enorme. Necesita ser medible.

Un ejemplo concreto. Una empresa SaaS de 50 personas aplica este framework y presenta tres candidatos: (1) puntuación de leads asistida por AI usando datos del CRM, (2) secuencias de email saliente de primer borrador generadas por AI para representantes de desarrollo de ventas, y (3) categorización y enrutamiento de tickets de soporte impulsado por AI.

La puntuación de leads (opción 1) falla el Filtro 1. El CRM tiene datos incompletos para el 40% de los registros. La opción 3 falla el Filtro 2 para su tolerancia al riesgo porque toca la respuesta al cliente. La opción 2 pasa los tres filtros. Su CRM y sistema de email tienen datos limpios. Es interno para el equipo de SDR. Y pueden medir la tasa de respuesta y la tasa de reuniones reservadas directamente. El Piloto 1 son las secuencias de email de SDR generadas por AI.

Ese es el framework completo de selección.

Construyendo el acta del piloto

Una vez que haya elegido el caso de uso, formalícelo. El acta del piloto no necesita ser larga. Necesita existir.

Un acta de piloto de Etapa 2 tiene cinco elementos:

1. La hipótesis. Declare qué cree que pasará y por qué. "Creemos que los emails de SDR asistidos por AI aumentarán la tasa de respuesta en un 15% porque nuestros representantes pasan el 40% de su tiempo de prospección en la personalización de emails que la AI puede hacer más rápido."

2. La métrica de éxito. Una métrica primaria. No cinco. Una. Para el ejemplo de SDR: tasa de respuesta en secuencias asistidas por AI vs. secuencias del grupo de control durante 60 días.

3. La medición de línea base. El estado actual, medido antes de que comience el piloto. Si no mide antes, no puede demostrar después. Obtenga los datos de la tasa de respuesta actual antes de tocar cualquier cosa.

4. El límite de tiempo. Los pilotos sin fecha de fin corren para siempre. Establezca 60 o 90 días. Al final, decide: escalar, extender o cerrar. Los tres resultados son válidos. Correr indefinidamente no lo es.

5. El responsable nombrado. Una persona es responsable de los resultados del piloto. No un comité. No un grupo de trabajo. Una persona que presenta los resultados al final del límite de tiempo.

Si no puede completar los cinco, no está listo para comenzar el piloto.

"La transición de la Etapa 1 a la 2 requiere exactamente una cosa: un piloto con una hipótesis, una línea base medible y un responsable nombrado. No una presentación de estrategia, no un comité de gobernanza, no un contrato de plataforma empresarial de AI. Un experimento acotado y medible. Ese es el listón completo." (Rework)

El Test de Cruce de Etapa 1 a 2

Un diagnóstico de cuatro preguntas que confirma que una organización ha cruzado genuinamente de la Etapa 1 a la Etapa 2, en lugar de reetiquetado sus actividades de la Etapa 1. Pregunta 1: ¿Existe una política escrita de uso de AI y todos los empleados han confirmado haberla recibido? Pregunta 2: ¿Existe exactamente un piloto nombrado con una hipótesis documentada y métrica de éxito? Pregunta 3: ¿Fue capturada la medición de línea base antes de que comenzara el piloto? Pregunta 4: ¿Tiene el piloto un responsable nombrado y una fecha de fin definida? Si alguna respuesta es "no", la organización todavía está en la Etapa 1. El Test de Cruce es deliberadamente estricto: es fácil reclamar el estatus de Etapa 2 basándose en actividad. El Test de Cruce mide gobernanza y estructura, no volumen de actividad.

Gobernanza mínima viable para la Etapa 2

Su política de AI en la Etapa 2 no necesita ser un documento legal de 40 páginas. Necesita cubrir cinco cosas.

Lista de herramientas aprobadas. Las herramientas específicas de AI que los empleados tienen permitido usar, con las condiciones bajo las cuales están permitidas. Comience con lo que la gente ya está usando y hágalo oficial. Agregue criterios de aprobación para nuevas herramientas.

Restricciones de datos. Qué categorías de datos no pueden ingresarse en herramientas de AI externas sin aprobación explícita. Como mínimo: información de identificación personal (PII) de clientes, proyecciones financieras, contenido relacionado con fusiones y adquisiciones, y contratos confidenciales. Esta única decisión elimina la mayoría del riesgo de cumplimiento en la Etapa 1.

Proceso de solicitud de nuevas herramientas. Cómo un empleado obtiene la aprobación de una nueva herramienta de AI. Manténgalo simple: un formulario, un revisor nombrado (IT o Legal) y un plazo de respuesta de 5 días hábiles. El objetivo no es bloquear la adopción. Es crear un registro.

Reporte de incidentes. Qué deben hacer los empleados si una herramienta de AI hace algo incorrecto: output incorrecto enviado a un cliente, datos expuestos inadvertidamente, modelo produce contenido discriminatorio. Incluso un simple "envíe un email a [nombre] de inmediato" crea responsabilidad.

Zonas de no uso. Decisiones específicas que la AI no puede tomar sin revisión humana. Las decisiones reguladas (crédito, contratación, médicas) son el piso. Agregue cualquier cosa específica de su sector.

Esta política no necesita aprobación legal para ser útil. Necesita existir y ser compartida. La refina a medida que aprende.

Construyendo su Política de Uso de AI cubre esto en detalle completo con orientación sección por sección.

La verificación de preparación de datos antes de comprometerse

La mayoría de las empresas de la Etapa 1 se sorprenden de lo poco preparados que están sus datos para los pilotos de AI. Antes de comprometerse con un caso de uso, ejecute una auditoría de cinco preguntas.

1. ¿Puede acceder a los datos que la AI necesitaría hoy, sin un proyecto de IT de varias semanas?
2. ¿Están los campos clave al menos el 70% completados, o hay brechas de nulos significativas?
3. ¿Son los datos suficientemente recientes para reflejar la realidad empresarial actual?
4. ¿Hay una fuente autoritativa, o hay sistemas competidores con registros contradictorios?
5. ¿Han autorizado Legal o Seguridad esta categoría de datos para su uso en herramientas de AI externas?

Si responde "no" o "no lo sé" a dos o más preguntas, el caso de uso tiene una dependencia de preparación de datos que se manifestará como fracaso del piloto. O bien corrija los datos primero o elija un caso de uso diferente. El artículo de Preparación de Datos le proporciona el framework completo de auditoría.

Modos de falla comunes de la Etapa 1 a la 2

Modo de falla 1: Elegir el primer piloto equivocado. El caso de uso de mayor perfil y más emocionante casi nunca es el primer piloto correcto. Orientado al cliente, alto riesgo, datos pobres. Elija aburrido y medible sobre emocionante y complejo.

Modo de falla 2: Saltarse la línea base. "Averiguaremos el ROI después del piloto" produce argumentos, no evidencia. Siempre mida antes de cambiar cualquier cosa. Si olvidó medir antes y el piloto ya está en ejecución, deténgase y mida ahora. Cualquier línea base es mejor que ninguna.

Modo de falla 3: Parálisis de política. Algunas organizaciones intentan escribir la política de AI perfecta antes de comenzar cualquier piloto. Consultan a Legal, IT, Cumplimiento, Recursos Humanos. La revisión de la política dura seis meses. Mientras tanto, la AI en la sombra se expande. Un borrador funcional con brechas conocidas supera a una política perfecta que todavía no existe.

Modo de falla 4: Demasiados pilotos. "Debemos ejecutar cinco pilotos en paralelo para aprender más rápido." No. Cinco pilotos sin un único responsable, sin grupos de control y sin infraestructura compartida producen cinco puntos de datos no concluyentes. Un piloto bien ejecutado con medición adecuada produce una respuesta real.

Modo de falla 5: Cambiar la métrica a mitad del piloto. Si el piloto no produce los resultados esperados, la tentación es cambiar de métricas. No lo haga. La métrica está establecida en el acta. Si el piloto falla según la métrica original, esa es información útil. "Las secuencias de email con AI no mejoraron la tasa de respuesta" es un hallazgo real. Pivotar a una métrica diferente a mitad del camino para salvar un piloto que fracasa produce datos engañosos.

Cómo se siente realmente la Etapa 2

Una organización de Etapa 2 tiene una política publicada en algún lugar (unidad compartida, manual de la empresa), un piloto con un acta y un responsable, una fecha de inicio, una lectura programada y una medición de línea base en archivo. Eso es genuinamente todo.

No se siente como una transformación. Se siente como un pequeño proyecto gestionado correctamente. Ese es el punto.

La transformación ocurre porque este único piloto, bien ejecutado, produce datos reales que construyen el caso para la Etapa 3. Las empresas que spríntan a la Etapa 3 sin una base de Etapa 2 se encuentran con múltiples herramientas de AI, sin infraestructura compartida y sin evidencia de que algo funcione. Han construido complejidad de Etapa 3 sobre una base de datos de Etapa 1.

Análisis de Rework: Basado en patrones de transición de AI empresarial, el tiempo medio para completar el Test de Cruce de Etapa 1 a 2 para una empresa del mercado medio es de 8-14 semanas cuando el CEO ha establecido el mandato. La causa más común de retraso es el requisito de medición de línea base: los equipos que descubren que no pueden obtener fácilmente la métrica pre-piloto se dan cuenta de que tienen un problema de preparación de datos que debe abordarse antes de que comience el piloto. Este retraso es en realidad valioso. Revela la brecha de datos antes de que mate el piloto, no después.

La Etapa 2 no es glamorosa. Hágala de todas formas.

Qué sigue

Una vez que su primer piloto se complete y haya tomado la decisión de escalar/extender/cerrar, estará listo para pensar en pasar del piloto a la producción. Esa transición (pasar a la Etapa 3) tiene sus propios requisitos, decisiones de infraestructura y modos de falla. El siguiente paso es el más difícil de toda la curva de madurez.

Lea: Etapa 2 a 3: De Piloto a Escalado para la lista de verificación de despliegue en producción y los requisitos de infraestructura.

Lea: Las 5 Etapas de Madurez de AI para ver dónde encaja esta transición en el modelo completo de madurez.

Y si se pregunta si su transformación se mantendrá: Por Qué Fracasan la Mayoría de las Transformaciones con AI cubre las razones estructurales por las que la mayoría de las organizaciones se estancan entre etapas.

Vea también:

• La Agenda de AI del CEO en 18 Meses: cómo la Fase 1 (Evaluar y Gobernar) se mapea con la transición de Etapa 1 a 2
• El ACE Framework: el vocabulario de capacidades que su acta de piloto debe usar al definir la tarea de AI