Integrar la IA con el ERP o el CRM: lo que suele fallar

La calidad del modelo casi nunca es lo que tumba el proyecto. Cuando una pyme conecta un sistema de IA con su ERP o su CRM, lo que falla suele ser menos vistoso: quién tiene acceso a qué, qué ocurre cuando dos sistemas escriben a la vez sobre el mismo dato, quién se entera de que algo ha dejado de funcionar y quién revisa lo que la IA escribe en el sistema de gestión. Este artículo repasa esos cuatro puntos de rotura, con decisiones concretas y un ejemplo hipotético.

El Plan IA360, presentado el 21 de septiembre de 2026, contempla precisamente este trabajo en su proyecto 11, el Bono IA: financiará servicios y soluciones de IA con valor añadido propio mediante desarrollo, integración, conocimiento sectorial, tratamiento de datos o rediseño de procesos, y excluye la mera suscripción a licencias. La integración con tus sistemas es parte del trabajo que el plan quiere fomentar, y es también donde más cosas se rompen.

Dos avisos antes de empezar. El bono no tiene todavía bases reguladoras, convocatoria ni organismo gestor publicados; el calendario previsto incluye un piloto controlado en el primer semestre de 2027 y una convocatoria general antes de final de 2027. En cuanto a la cifra, los hasta 24.000 € por empresa son solo la referencia que resulta del reparto anunciado de 600 millones entre 25.000 empresas, no un importe garantizado; el importe final lo fijarán las bases y la convocatoria.

Accesos, cuenta de servicio y mínimo privilegio

Lo primero que suele fallar es lo primero que se hace: dar a la solución de IA un usuario de acceso al ERP o al CRM. Dos errores típicos:

• Darle el usuario de una persona concreta. Cuando esa persona cambia la contraseña o se va, la integración muere en silencio y nadie sabe por qué. La IA debe operar con una cuenta de servicio propia, con nombre identificable.
• Conceder permisos de administrador «para que no dé problemas». Si la IA solo necesita crear pedidos, no tiene por qué ver costes de proveedores ni borrar clientes. El mínimo privilegio limita el daño si algo falla o si la cuenta se compromete.

Sincronización y fuente de verdad de cada dato

El segundo punto de rotura es la sincronización. La Comisión Europea, en su informe de octubre de 2025 sobre IA en procesos de soporte, identifica la precisión de los datos como una de las barreras principales que citan las propias empresas, y señala que las funciones de soporte (CRM, finanzas) son el punto de entrada habitual de la IA. En la práctica, esa imprecisión suele nacer de la sincronización, no del modelo.

Antes de conectar hay que responder a una pregunta: qué sistema es la fuente de verdad de cada dato. Si el cliente maestro vive en el ERP, la IA consulta desde el CRM pero solo escribe en el ERP. Si un dato vive en ambos sistemas, hace falta una regla de conflicto explícita y documentada, porque «ya lo resuelve la herramienta» no es una respuesta: es una fecha de caducidad. Conviene, además, ajustar la cadencia al uso real; sincronizar cada cinco minutos procesos que cambian a diario solo multiplica las oportunidades de conflicto.

Como referencia de lo que los programas públicos han esperado de una integración, las guías de justificación del Kit Digital —un programa distinto, gestionado por Red.es, con sus convocatorias ya cerradas— exigían en categorías con CRM y analítica logs de acceso con fecha y usuario vinculado a la pyme, sin admitir registros elaborados a mano, y evidencias de integración mediante APIs o Web Services. No es una norma del Bono IA, cuyas bases no existen todavía, pero sí un buen estándar interno: si tu integración no puede decir quién entró, cuándo y desde qué cuenta, no puedes auditarla. Los fallos típicos, cuando nada de esto se ha decidido:

• Duplicados: la IA crea un cliente «Hnos. Martínez S.L.» y en el CRM ya existía «Hermanos Martinez SL». Dos fichas, dos historiales.
• Sobrescrituras: un comercial edita una oferta a las 10:02; la integración sincroniza a las 10:03 una versión anterior. Gana el sistema que escribe último, no el que tiene razón.
• Actualizaciones parciales: la IA escribe el cliente pero falla la línea de dirección, y nadie lo nota hasta que sale una factura sin datos fiscales.

El error silencioso es el más caro

Un error visible molesta; un error invisible corrompe. El Plan IA360 prevé pagos por hitos y medición posterior del impacto en productividad. En ese escenario, una integración que falla en silencio es doblemente cara: pierdes productividad y pierdes la forma de demostrarla. Antes del despliegue conviene un tablero mínimo: registros procesados por día, errores por día y un aviso automático cuando el contador cae a cero. Sin eso, lo que suele fallar es lo siguiente:

• Nadie monitoriza la integración: el flujo deja de crear registros, no da error en pantalla y la empresa opera con datos desactualizados sin saberlo.
• No hay colchón de errores: cuando un registro falla, hay que decidir si se reintenta, se descarta o se avisa a alguien; si no se ha hablado, los datos perdidos se acumulan en un limbo.
• Se prueba una vez y se da por bueno: los mapeos de datos hay que probarlos con casos reales (un cliente nuevo, un nombre con acentos, un pedido con nota y descuento), no con el ejemplo limpio del proveedor.

Validación humana con umbrales, muestreo y retorno

El cuarto fallo es organizativo: asumir que la IA «ya funciona» y retirar la revisión humana demasiado pronto. El informe europeo citado recoge la resistencia interna como una de las barreras reales que mencionan las empresas. La validación humana es el mecanismo que convierte esa desconfianza en control útil.

Hay una lección trasladable de los programas públicos. En la categoría de gestión de procesos con IA del Kit Digital, la parametrización y la carga de datos debía realizarlas el agente digitalizador, no la empresa beneficiaria. La conclusión no es que la pyme pueda desentenderse, sino lo contrario: aunque el proveedor haga el trabajo técnico, la empresa necesita entender la parametrización lo suficiente para validarla. «Lo hizo el proveedor» no protege a la pyme cuando el registro duplicado aparece en su contabilidad.

La política mínima de validación cabe en una página:

• Umbral por importe o riesgo: todo lo que la IA escribe por encima de una cifra o de un nivel de riesgo (pedido de cliente nuevo, devolución, cambio de datos fiscales) pasa por revisión; por debajo, se publica directamente.
• Muestreo periódico: una persona revisa una muestra aleatoria de operaciones cada semana durante los primeros meses, para detectar deriva si cambian los formatos de entrada.
• Camino de corrección con retorno: cada corrección debe volver al proveedor para ajustar el mapeo o el modelo. Sin retorno, corriges síntomas para siempre.

Ejemplo hipotético: una instaladora y su asistente de visitas comerciales

Caso hipotético, sin empresa real. Una instaladora de climatización con 14 empleados y un CRM de toda la vida contrata un asistente que resume las notas de las visitas comerciales y actualiza las oportunidades en el CRM. El piloto funciona. A la tercera semana aparecen los problemas, en este orden.

Primero, los accesos. El asistente operaba con la cuenta del comercial que impulsó el proyecto; ese comercial cambia de puesto, la cuenta se desactiva y la integración se detiene. Nadie lo nota durante días: las visitas seguían anotándose, pero dejaban de convertirse en actualizaciones del CRM. Corrección: cuenta de servicio propia, con permisos limitados a crear y actualizar oportunidades.

Segundo, la sincronización. El asistente abre una oportunidad nueva por cada visita, y en el CRM ya había una en curso para ese mismo cliente. Duplicados, previsiones dobles, un pipeline que deja de ser fiable. Corrección: el asistente consulta antes de crear y solo abre oportunidad si no existe una activa para ese cliente.

Tercero, los errores. Un técnico anota una avería en el mismo campo que las visitas comerciales; el asistente la registra como oportunidad y contamina las previsiones. No hay error en pantalla, así que nadie lo ve. Corrección: el tipo de visita se valida contra una lista cerrada y los resúmenes con baja confianza van a una cola de revisión.

Cuarto, la validación. Las oportunidades por encima de 5.000 € pasan por una mirada humana de diez segundos (cliente, importe, fase); el resto entra directo. Con el muestreo semanal detectan que las visitas de mantenimiento se estaban clasificando como oportunidades y devuelven el error al proveedor para ajustar el clasificador.

Al final del segundo mes, la empresa puede responder a las preguntas que importan: cuántas visitas resume el asistente, con qué tasa de error, cuántas horas ahorra y con qué evidencias lo demuestra. Esa disciplina encaja con la medición del impacto en productividad que el Plan IA360 prevé para el bono.

Qué puedes cerrar ya y qué sigue pendiente

Pendiente del Bono IA, a fecha de este artículo: bases reguladoras, convocatoria, organismo gestor, requisitos de las empresas y lista de gastos subvencionables. El calendario anunciado prevé el piloto controlado en el primer semestre de 2027 y la convocatoria general antes de final de 2027. Nada de esto está abierto hoy, y ninguna web puede tramitar una solicitud.

Lo que sí puedes cerrar antes de hablar con cualquier proveedor: una cuenta de servicio con permisos mínimos y operaciones registradas; un mapa de fuentes de verdad con la regla de conflicto escrita; un plan de errores con responsable y aviso; y una política de validación humana con umbrales, muestreo y retorno de correcciones. Si tu proyecto tiene que demostrar su impacto —y el plan prevé medirlo en productividad—, estas cuatro piezas son también tu evidencia.