Cómo presentar un proyecto de IA al comité de dirección sin vender humo

Estás en la sala de reuniones. Llevas semanas preparando la propuesta: "Implementar inteligencia artificial para reducir la carga de atención al cliente". Suena bien. Pero en cuanto empiezas a hablar de modelos de lenguaje, aprendizaje automático y APIs, ves cómo tu CFO cruza los brazos y el director comercial mira el móvil. La reunión acaba con un "ya lo veremos" que sabes que significa no. No es que la idea fuera mala. Es que no conseguiste traducir tecnología en impacto de negocio.

Presentar un proyecto de IA al comité de dirección no es vender la tecnología. Es demostrar que resuelve un problema concreto, que el retorno justifica la inversión y que el riesgo está controlado. Y eso exige cambiar por completo el enfoque.

Empieza por el problema, no por la solución

El error más común: arrancar hablando de lo que la IA puede hacer. Chatbots, automatización, análisis predictivo… todo suena interesante hasta que alguien pregunta "¿y esto qué resuelve exactamente?".

Invierte el orden. Describe primero el coste del problema actual. Por ejemplo: "Nuestro equipo de soporte dedica 15 horas semanales a responder las mismas cinco preguntas por email. Eso son 60 horas al mes que podríamos destinar a clientes complejos o a mejorar producto". Ahora sí tienes atención. Ahora puedes presentar la solución: un sistema que filtra consultas repetitivas, responde automáticamente las sencillas y escala solo las que requieren criterio humano.

La clave: cuantifica el problema. Horas perdidas, errores evitables, clientes que abandonan porque tardan dos días en recibir respuesta. Si no puedes medir el problema, difícilmente podrás justificar la solución.

Habla en términos de retorno, no de tecnología

Tu comité de dirección no necesita saber si usas GPT-4, Claude o un modelo entrenado a medida. Necesita saber cuánto cuesta, cuánto ahorra y en cuánto tiempo se amortiza.

Presenta tres cifras claras:

Inversión inicial: desarrollo, integración con sistemas actuales, formación del equipo. Incluye contingencias (un 20% extra es realista).
Coste recurrente: mantenimiento, licencias si las hay, ajustes futuros.
Ahorro o ingresos esperados: tiempo liberado valorado en coste/hora, reducción de errores, mejora en conversión, clientes adicionales atendidos.

Ejemplo hipotético: invertir 18.000 € en automatizar la cualificación de leads con un chatbot IA en tu web que pregunta, filtra y agenda reuniones solo con contactos cualificados. Si tu equipo comercial dedica ahora 10 horas semanales a llamadas en frío que no cierran, y su coste es de 35 €/hora, estás recuperando 1.400 € al mes. Amortización: 13 meses. A partir de ahí, ganancia neta.

Esto es lo que convence: ROI tangible, no promesas difusas de "eficiencia".

Identifica riesgos reales y cómo los mitigas

Un comité de dirección experimentado sabe que toda tecnología nueva trae riesgos. Si tú no los mencionas, ellos los están pensando. Mejor anticiparte.

Riesgos comunes en proyectos de IA:

Dependencia de un proveedor externo: ¿qué pasa si la empresa que da soporte desaparece? Solución: trabajar con tecnologías estándar, código accesible, documentación clara.
Datos insuficientes o de mala calidad: la IA necesita ejemplos. Si tus registros históricos están desordenados, el sistema aprenderá mal. Solución: auditar datos antes de empezar, limpiar lo esencial, empezar con un piloto acotado.
Resistencia del equipo: si los empleados ven la IA como amenaza, boicotearán su uso. Solución: involucrarlos desde el diseño, mostrar que libera tiempo para tareas de más valor, no que les quita el puesto.

Presentar riesgos y plan de mitigación transmite seriedad. Demuestra que has pensado más allá del PowerPoint.

Propón un piloto medible, no un despliegue total

Nadie quiere apostar 50.000 € a ciegas. Propón empezar con un caso de uso concreto, limitado en tiempo y alcance. Por ejemplo: automatizar solo las consultas de horarios y disponibilidad durante tres meses. Mides cuántas resuelve el sistema, cuántas escala a humanos, satisfacción del cliente, tiempo ahorrado.

Si funciona, escalar es fácil de justificar. Si no, has limitado la pérdida y aprendido qué ajustar.

La próxima vez que presentes un proyecto de IA, lleva tres cosas: un problema medido en euros o en horas, un retorno calculado con supuestos conservadores y un plan B si algo falla. Eso no es vender humo. Es gestionar como directivo.