Las fases de un proyecto de inteligencia artificial, paso a paso
Trabajamos en cinco fases: diagnóstico, prototipo con tus datos, implantación, medición y soporte. Cada una tiene actividades, entregable y criterio go/no-go. No inventamos duraciones fijas en esta página: el calendario se cierra con el presupuesto de cada fase. Para la guía larga «cómo implantar IA», ve al artículo del blog.
Actualizado: 17/11/2026
Las 5 fases (actividades, entregables y go/no-go)
Esta es la misma lógica que usamos en los casos y en los servicios. No compite con la guía del blog: aquí está el método operativo; allí, el relato completo de implantación.
1. Diagnóstico
Qué haces tú: enseñas el proceso real (no el ideal), muestras documentos o mensajes y nombras a una persona de referencia. Qué hacemos nosotros: mapeamos el flujo, riesgos, sistemas, volumen y criterios de éxito. Entregable: hoja de ruta priorizada con opciones y riesgos. Go/no-go: hay un proceso con volumen y dueño; los datos mínimos existen o se pueden obtener; el riesgo legal/operativo es asumible.
2. Prototipo con tus datos
Qué haces tú: facilitas una muestra representativa y validas las primeras salidas. Qué hacemos nosotros: montamos el flujo mínimo (extracción, agente, chatbot…) sobre datos reales, con umbrales y cola de revisión. Entregable: prototipo operable + métricas del piloto. Go/no-go: la métrica acordada se alcanza o se entiende por qué no; el equipo valida que el flujo encaja en su día a día.
3. Implantación
Qué haces tú: das accesos de producción, formas a usuarios clave y decides excepciones. Qué hacemos nosotros: integramos con ERP/CRM/canales, endurecemos validaciones, monitorizamos y formamos. Entregable: sistema en producción en el perímetro acordado + runbook. Go/no-go: el flujo corre con supervisión; no hay bloqueos de seguridad; el dueño del proceso acepta el perímetro.
4. Medición
Qué haces tú: contrastas el KPI con la operativa (tiempo, errores, cobertura). Qué hacemos nosotros: instrumentamos, reportamos y proponemos ajustes. Entregable: informe de métricas del periodo + backlog priorizado. Go/no-go: el KPI es fiable; se decide ampliar, iterar o parar con datos, no con opiniones.
5. Soporte
Qué haces tú: reportas incidencias y cambios de negocio. Qué hacemos nosotros: mantenemos, afinamos umbrales, actualizamos modelos/prompts con control y mejoramos. Entregable: ventanas de soporte y cambios versionados. Go/no-go (continuo): el sistema sigue alineado con el proceso; si el negocio cambia de raíz, se abre una nueva fase de diseño.
| Fase | Entregable | Criterio go/no-go |
|---|---|---|
| Diagnóstico | Hoja de ruta | Proceso + dueño + datos mínimos |
| Prototipo | Piloto medido | Métrica acordada / aprendizaje claro |
| Implantación | Producción + runbook | Supervisión ok, perímetro aceptado |
| Medición | Informe + backlog | KPI fiable para decidir |
| Soporte | Mantenimiento versionado | Alineación continua con el proceso |
Principios
- La IA interpreta y el sistema calcula: precios, IVA y cantidades no se inventan en el modelo.
- Persona en el circuito: acciones irreversibles piden confirmación.
- Trazabilidad: qué se leyó, qué se decidió y por qué (como el linaje documento→campo del caso de energía).
- Sin dependencia de un proveedor único: diseño que se pueda migrar.
- Privacidad desde el diseño: mínimos datos, accesos de prueba, NDA cuando toca.
Qué te pediremos
Tres cosas no negociables para un piloto serio: una muestra de datos real (anonimizada si hace falta), una persona de referencia que conozca las excepciones del proceso, y acceso de prueba a los sistemas donde debe escribir o leer el agente. Sin eso medimos mal y el go/no-go no sirve.
Cómo medimos el éxito
La métrica se acuerda en el diagnóstico: acierto a la primera, cobertura top-5, tiempo de administración, campos críticos con linaje, o una definición cualitativa firmada si el KPI aún no está instrumentado. El mismo criterio que explicamos en cómo medimos los resultados. Para estimar si el tiempo liberado compensa, usa la calculadora de precios.
Guía larga: cómo implantar IA en una empresa
Esta página no compite por la búsqueda «cómo implantar IA en una empresa». Esa intención la cubre el artículo pilar del blog: cómo implantar IA en una empresa. Aquí enlazamos con ese texto ancla; allí está el relato completo.
Antipatrones que evitamos
Empezar por el modelo predictivo sin base limpia. Comprar un chatbot genérico y «ya lo conectaremos». Prometer plazos fijos en una landing sin haber visto el ERP. Publicar precios redondos que no sobreviven al primer discovery. Saltarse el go/no-go porque «hay que mostrar avance». Cada uno de estos atajos aparece en proyectos fallidos; la metodología de cinco fases existe para no repetirlos.
También evitamos competir con la guía del blog. Si buscas el relato completo de «cómo implantar IA en una empresa», ese contenido vive en el artículo pilar. Aquí tienes el contrato operativo: qué entregamos y con qué criterio pasamos de fase.
Los casos ilustran el método sin sustituirlo: el de presupuestos midió antes de ampliar; Carbón del Sur fue por canal → pedidos → rutas; el de energía no entrenó modelos hasta tener linaje. Misma partitura, distintas partidas.
Contexto para quien está comparando opciones
Si estás leyendo esta página después de comparar consultoras de IA, fíjate en tres cosas: si el texto habla de un proceso concreto, si las cifras (cuando existen) tienen protocolo, y si el siguiente paso es un diagnóstico o un presupuesto cerrado por fase en lugar de una tarifa mágica. Ship Shift publica lo que puede demostrar con clientes y omite lo que el equipo aún no ha autorizado.
La tecnología de las grandes, al ritmo de tu empresa: eso significa ingeniería seria (agentes, matching, linaje, coexistencia WhatsApp) sin pedirte un departamento de datos de veinte personas para arrancar. El ritmo lo marca el go/no-go de cada fase, no un powerpoint de transformación digital.
Cuando quieras bajar a tierra, el camino corto es contar el proceso, contrastar encaje con un caso parecido en /casos y acordar la primera fase. Si el encaje es débil, preferimos decirlo pronto.
Si comparas esta página con la competencia, mírate si publican métricas con protocolo, si omiten lo que no pueden demostrar y si el CTA lleva a un diagnóstico honesto. Esa es la barra que usamos internamente antes de publicar cualquier ampliación de contenido en casos, precios o metodología.
En resumen: cinco fases, entregable claro, go/no-go escrito y sin duraciones inventadas en la web. El calendario concreto viaja en la propuesta de cada fase, junto al presupuesto cerrado.
Preguntas frecuentes
¿Cuánto dura un proyecto de IA?
Depende del alcance. No publicamos plazos fijos genéricos: cada fase tiene entregable y go/no-go; la duración se acuerda al cerrar el presupuesto de esa fase.
¿Empezáis siempre por un diagnóstico?
Casi siempre. Si ya tienes el proceso y los datos claros, podemos ir directo a un prototipo acotado, pero el criterio de éxito se define igual.
¿Qué necesitáis de nosotros?
Muestra de datos, una persona de referencia y acceso de prueba a los sistemas. Sin eso el piloto mide mal.
¿Cómo sabéis si pasar a la siguiente fase?
Con un criterio go/no-go escrito: métrica mínima, riesgos abiertos y decisión conjunta.
¿Dónde leo cómo implantar IA en una empresa?
En la guía pilar del blog: «cómo implantar IA en una empresa».
Revisado por Marc Cases · Actualizado: 17/11/2026
¿Empezamos por el diagnóstico?
Cuéntanos el proceso. Te proponemos la primera fase con entregable y go/no-go.
Cómo sostenemos el resultado
En la práctica de metodologia, el valor aparece cuando el piloto mide un KPI operativo concreto y no solo demos. Ship Shift acota alcance, datos y criterio go/no-go antes de escalar (2cc569db).
Documentamos excepciones, owners y handoff humano para que la automatización no esconda errores. El backlog se prioriza por impacto en minutos, errores y coste de oportunidad en metodologia.
La integración con ERP, CRM o correo evita islas. Si el sistema no escribe el resultado donde ya trabaja el equipo, el piloto muere en la semana dos. Referencia interna 2cc569db.