¿Por qué fracasan los proyectos de IA?

La causa más silenciosa es la última milla: un sistema de IA no es software tradicional que se despliega y se queda quieto, es un sistema que aprende de datos que cambian, y sin monitoreo, umbrales de reentrenamiento y capacidad de dar marcha atrás, el proyecto que funcionaba en enero falla en junio sin que nadie lo vea venir. Por eso en esta casa cada sistema opera con puertas que bloquean y un registro de fallos público: un registro vacío no significa cero incidentes, significa que nadie apunta.

El antídoto de las otras cuatro causas es método, no tecnología: elegir la tarea con una matriz de tres criterios, medir la línea base antes de tocar nada, pilotar con fecha en la que escalar o matar son los dos únicos resultados válidos, y publicar lo que falló. Nuestros propios fallos operativos están documentados en cada caso del lab, porque un proveedor que no cuenta sus fallos te está contando la mitad.