La gran mayoría de los proyectos de inteligencia artificial en empresas no llega a generar valor. No es por falta de modelos ni de herramientas sino porque se construyen sobre datos que nadie ordenó antes.
En las empresas que implementan un ERP como Odoo, eso tiene una lectura distinta y, en mi opinión, bastante esperanzadora. El trabajo más difícil de un proyecto de IA, tener datos confiables y conectados, es justamente lo que un ERP bien implementado ya resuelve. Aquí te explico por qué, y qué revisar antes de pensar en agentes, copilotos o automatizaciones inteligentes.
La trampa del experimento científico
IBM publicó en octubre de 2025 un análisis sobre por qué fallan los proyectos de IA. Su diagnóstico es que muchas empresas acumulan pruebas de concepto que impresionan en la demo, pero que nunca se convierten en algo que la operación use todos los días. Lo llamaron la trampa del experimento científico.
Según el estudio de CEOs 2025 del IBM Institute for Business Value, solo el 16% de las iniciativas de IA ha escalado a toda la empresa. Y un informe del MIT de 2025 concluyó que el 95% de las organizaciones no ve un impacto medible en resultados con sus proyectos de IA generativa.
Las causas conocidas: equipos que trabajan aislados, esfuerzos duplicados entre áreas, falta de respaldo de la gerencia. Pero hay una que atraviesa a todas las demás: los datos.
El problema de fondo son los datos
IBM plantea que los datos son la columna vertebral de cualquier programa de IA, y cita una estimación de expertos donde menos del 1% de los datos empresariales se ha incorporado a modelos de IA. Para IBM, eso es una gran oportunidad. Para una empresa pequeña o mediana, es una advertencia, ya que si los datos no están ordenados, la IA no tiene de dónde aprender.
Hay varios estudios que apuntan en la misma dirección:
- Gartner (febrero de 2025) predice que hasta 2026 las organizaciones abandonarán el 60% de los proyectos de IA que no cuenten con datos listos para IA. En su encuesta, el 63% de las organizaciones no tenía, o no sabía si tenía, las prácticas de gestión de datos necesarias.
- Fivetran (2025): el 42% de las empresas dice que más de la mitad de sus proyectos de IA se retrasó, rindió por debajo de lo esperado o fracasó por problemas de preparación de datos.
- RAND Corporation: tras entrevistar a 65 científicos de datos e ingenieros, concluyó que más del 80% de los proyectos de IA fracasa, el doble que los proyectos tecnológicos sin IA.
Los proyectos no fallan porque el modelo no sea capaz, sino porque los datos están dispersos, incompletos o nadie confía en ellos.
Tu ERP ya es la base de datos que la IA necesita
Cuando las grandes empresas hablan de preparar datos para IA, se habla de grandes proyectos: integrar sistemas, crear lagos de datos, definir gobierno de datos. Una empresa de un tamaño menor, con un ERP bien implementado ya tiene buena parte de ese trabajo hecho.
El ERP registra cada operación de la empresa de forma estructurada. Cada factura tiene cliente, fecha, productos y estado de pago. Cada movimiento de inventario tiene origen, destino y responsable. Cada asiento contable está ligado al documento que lo originó.
En Odoo, además, todos los módulos comparten una sola base de datos. Ventas, compras, inventario, contabilidad y CRM hablan el mismo idioma. Es lo mismo que IBM recomienda a gran escala cuando habla de plataformas unificadas, solo que a la medida de una PYME.
Eso significa que para muchos casos de IA no hace falta construir nada nuevo. Hace falta usar bien lo que ya existe u ordenar esa base.
Pero solo si el ERP está bien usado
El tener un ERP no garantiza tener datos listos para IA. En muchas implementaciones nos encontramos con clientes duplicados, productos sin categoría, un plan de cuentas improvisado y ventas que se cierran por WhatsApp y nunca llegan al sistema. Con esa base, cualquier proyecto de IA repite los errores a mayor velocidad.
Antes de pensar en IA, revisa estos puntos en tu Odoo:
- Maestros limpios: clientes, proveedores y productos sin duplicados, con RUT, categoría y datos de contacto completos.
- Todo pasa por el sistema: cotizaciones, ventas, compras y pagos se registran en Odoo, no en planillas paralelas.
- Plan de cuentas pensado para analizar: cuentas y diarios que reflejan cómo funciona el negocio.
- Contabilidad analítica activa: costos e ingresos asignados a proyectos, sucursales o líneas de negocio.
- Historial suficiente: al menos uno o dos años de operación registrada de forma consistente.
- Permisos y responsables claros: quién crea, quién aprueba y quién corrige cada tipo de dato.
Si la mayoría de estos puntos no se cumple, el primer proyecto de IA de tu empresa es ordenar tu ERP.
Por dónde empezar
Según el informe del MIT, más de la mitad de los pilotos de IA generativa se concentra en ventas y marketing, pero no es ahí donde la IA rinde más. Los mejores retornos aparecen en procesos internos, el llamado back office. Y el back office es exactamente lo que opera dentro del ERP.
Algunos casos donde los datos de Odoo sirven de base directa:
- Cobranza: priorizar clientes según su historial de pago y preparar recordatorios personalizados.
- Conciliación bancaria: sugerir el calce entre movimientos del banco y facturas pendientes.
- Inventario: anticipar quiebres de stock a partir de la rotación real de cada producto.
- Cierre contable: detectar asientos atípicos o documentos sin contabilizar antes del cierre mensual.
Nuestra recomendación, para no caer en la trama del experimento, es tomar un caso a la vez, con datos que ya existen en el ERP y una métrica clara desde el inicio.
Puntos que el ERP no va a resolver
Sería poco honesto decir que un buen ERP basta. Los datos ordenados son una condición necesaria, no suficiente.
La mayoría de los sistemas de IA generativa no recuerda la retroalimentación, no se adapta al contexto y no mejora con el uso (según el mismo informe de MIT). A eso se suma que la herramienta tiene que integrarse al flujo de trabajo real, y que alguien en la empresa tiene que ser responsable del resultado.
El ERP resuelve la base pero la integración, la medición y la adopción del equipo siguen siendo trabajo de gestión.
Conclusión
La primera pregunta para una pequeña o mediana empresa debería ser si sus datos están listos para que cualquier herramienta funcione. En la mayoría de los casos, la respuesta está en el ERP.
Un ERP bien implementado es la base sobre la que se construye todo lo que viene después, incluida la IA.
Fuentes
- IBM Think, Neil Dhar (23 oct 2025): Por qué fallan los proyectos de IA: la trampa del experimento científico
- Gartner (26 feb 2025): Lack of AI-Ready Data Puts AI Projects at Risk
- Fortune (18 ago 2025): MIT report: 95% of generative AI pilots at companies are failing
- Virtualization Review (19 ago 2025): MIT Report Finds Most AI Business Investments Fail, Reveals GenAI Divide
- Tech.co: MIT Finds 95% of Enterprise AI Pilots Fail to Boost Revenues
- iTWire: Fivetran report finds nearly half of enterprise AI projects fail due to poor data readiness
- Intelligent CIO (7 may 2026), cita a RAND Corporation: Why AI-ready infrastructure is failing enterprise AI initiatives