Diseñar un piloto de IA evaluable: alcance, comparación y umbral de decisión

Un piloto se diseña para poder decidir

En septiembre de 2026 el Gobierno presentó el Plan IA360, que incluye el bono empresarial de inteligencia artificial para pymes y autónomos. El diseño anunciado contempla diagnóstico previo de madurez, un caso de uso concreto, medición del impacto en productividad, pagos por hitos y formación del equipo. Si el bono acaba pagándose por hitos, la verificación pasará por el dato, no por la impresión general.

Por eso esta guía no se queda en acotar un alcance y elegir a quién prueba: se ocupa de las decisiones de diseño que hacen que un piloto se pueda evaluar. Una tarea concreta, una línea base registrada antes de empezar, una forma de comparar, un plazo con fechas cerradas, un indicador único y un umbral de decisión escrito antes de lanzar. Sin esas piezas, cuando el piloto termina solo queda la impresión, y la impresión no distingue una mejora real del efecto novedad de las primeras semanas.

Alcance: una tarea concreta y un indicador predefinido

El alcance se resume en una frase: qué tarea hace quién, con la IA y durante cuánto. Más de una tarea o más de un equipo a la vez diluye la señal: si cambian dos cosas simultáneamente, el resultado no se puede atribuir a ninguna.

Sobre ese alcance se define un único indicador principal, con fórmula, fuente de datos y responsable de registro. Ejemplos hipotéticos: minutos de trabajo por paquete de nóminas preparado, porcentaje de documentos clasificados correctamente a la primera o tiempo medio desde que entra una consulta hasta que se responde. La satisfacción del equipo puede anotarse como observación; no decide nada.

Línea base: quién registra qué, decidido antes de instalar nada

La línea base es el valor de ese indicador con el método actual, registrado por escrito antes de instalar nada. Es el punto de partida de toda comparación: sin ella, el resultado del piloto no se puede interpretar. Medir la productividad del proceso tal como funciona hoy tiene metodología propia; aquí lo que importa como decisión de diseño es fijar antes de arrancar quién registra, dónde se guarda el registro y con qué periodicidad.

Ejemplo hipotético: una asesoría de seis personas va a probar un clasificador automático de documentos de nómina. Antes de instalarlo, decide que una persona concreta anotará cada semana cuántos documentos se clasifican a la primera y cuánto tiempo consume la tarea, en una hoja compartida a la que accederá quien evalúe. Si hoy no puedes medir el indicador con el método actual, tampoco podrás medirlo mañana con IA.

Con quién comparar: grupo de control o antes y después

Dos diseños dan validez razonable a la comparación. El primero es el grupo de control: dos personas siguen con el método actual mientras otras dos usan la IA, y al cierre se comparan ambos valores. Sirve para descartar causas ajenas al piloto: temporada alta, formación recibida por otro motivo o simple presión de agenda.

En equipos muy pequeños el grupo de control no siempre es viable. La alternativa es el diseño antes y después: la misma tarea y el mismo indicador, medidos en las semanas previas y durante el uso de la IA. Exige una línea base sólida y descartar, de forma honesta, cambios simultáneos en el proceso.

En la elección de usuarios aplica un criterio editorial, no una regla verificada: quien conoce la tarea, por encima de quien tiene más ganas. Conviene mezclar grados de receptividad; dejar la prueba solo en manos de la persona más ilusionada invita a leer cualquier resultado como bueno, y lo contrario, a descartarlo todo.

Umbral escrito antes: continuar, corregir o parar

El umbral de decisión también se escribe antes, con tres salidas. Ejemplo hipotético: si el indicador mejora al menos un 20 % sobre la línea base sin aumentar los errores, se escala a más usuarios; si mejora entre el 5 % y el 20 %, se corrige una sola variable (formación, instrucciones del asistente, limpieza de datos) y se mide otra vez; si mejora menos o empeora, se para y se documenta el motivo. Los porcentajes son un ejemplo, no una recomendación oficial: el umbral lo fija cada empresa según el coste de su solución.

Con una salvaguarda: ninguna mejora de tiempo compensa degradar algo crítico, como un error en una nómina o un tratamiento inadecuado de datos personales.

Plazo y registro: quién anota qué y dónde

El plazo mínimo cubre al menos un ciclo completo de la tarea; si es mensual, seis semanas de uso real. Como orientación práctica, entre seis y diez semanas suelen dar señal sin eternizar el proyecto. Es un criterio editorial, no una regla verificada: un plazo muy corto mide sobre todo novedad y uno excesivo, cansancio. Las fechas también se cierran antes: inicio, fin y una revisión intermedia.

Para la parte del registro y la documentación hay un referente oficial: el informe del primer piloto del Sandbox de IA español. De los 12 sistemas de alto riesgo que arrancaron, 11 completaron el proceso, y la dificultad principal fue traducir obligaciones en procedimientos internos, evidencias documentales y mecanismos de gobernanza. La lección trasladable a una pyme no está en ejecutar la prueba, sino en documentarla: antes de arrancar, decide quién registra cada dato, dónde se guarda y quién lo revisa. El informe no fija duraciones de piloto; sirve de respaldo para el registro, no para el plazo.

Como contexto externo, el Plan IA360 prevé un piloto controlado del bono en el primer semestre de 2027 y una convocatoria general antes de final de ese año, y la Red NEURONA ha anunciado un primer piloto con 100 pymes en dos comunidades autónomas antes de final de 2026. Son previsiones del plan, no plazos para tu piloto ni para tu proveedor.

Qué programa es cada uno y qué no puedes hacer hoy

El Bono IA del Plan IA360 no tiene hoy bases reguladoras, convocatoria, organismo gestor ni requisitos publicados: ningún portal puede tramitar una solicitud, y esta web es una iniciativa privada de Nextmedia, no una sede oficial. Los 600 millones de euros anunciados, con un objetivo de 25.000 empresas, equivalen a una referencia de hasta 24.000 euros por empresa; el importe final lo fijarán las bases.

El diseño anunciado del bono pide diagnóstico previo, caso de uso concreto y medición del impacto en productividad. Un piloto con línea base, comparación y umbral escrito produce datos y hábitos de medición coherentes con ese enfoque; qué documentación exigirá en el futuro la convocatoria no está publicado y no se puede anticipar desde aquí.

Tampoco conviene mezclar programas. La invitación de Red.es de 40 millones de euros para modelos de IA es un programa distinto, ya publicado en sede electrónica; IA360 de Galicia es una ayuda autonómica del IGAPE; y el Kit Digital es otro programa, con sus convocatorias ya cerradas. Si llega la convocatoria del Bono IA, tu piloto servirá para decidir en tu empresa; lo que la ayuda exija, lo dirán sus bases.