Masterclass DKM · Antes de gastar en IA, invierte en capacidades
¿DKM funciona? Pruébalo ya, recibe en menos de un minuto consultoría sobre tus iniciativas →
DKM

Masterclass · 1 de septiembre de 2026

Antes de gastar en IA,
invierte en personas y capacidades

Por qué las PyMEs están perdiendo dinero en IA y cómo construir la base de conocimiento que realmente necesitan.

Inscríbete al programa DKM → Beca del 50% disponible
Memoria del evento · DKM — Democratizando la Gestión del Conocimiento

El diagnóstico

El 95% de las inversiones en IA no generan retorno

Estudio del MIT NANDA 2025 · The GenAI Divide: State of AI in Business 2025

Gráfico del estudio MIT NANDA 2025 sobre la caída de adopción de IA
Fuente: MIT NANDA · The GenAI Divide, julio 2025
95%
de los proyectos de IA generativa no generan retorno medible
MIT NANDA 2025
$30-40B
invertidos a nivel global en IA generativa
MIT NANDA 2025
5%
logran implementación en producción con impacto real
MIT NANDA 2025

El estudio del MIT también encontró que más del 80% de las organizaciones han explorado herramientas como ChatGPT, y casi el 40% las ha implementado. Pero solo el 20% llegó a la fase de prueba piloto, y apenas el 5% logró implementarlas en producción.

Causa raíz: "Brecha de aprendizaje" (learning gap). Los sistemas no retienen feedback, no se adaptan al contexto ni mejoran con el tiempo. No es un problema de infraestructura, regulación o talento. Es un problema de integración.

Fuente: MIT NANDA, julio 2025

El fenómeno es global

No es un problema de las PyMEs. Es un problema de todas las organizaciones.

MIT Sloan (2026) — AI Gravity

El concepto de "gravedad de la IA" describe cómo las organizaciones tienden a caer en la dependencia de proveedores externos al adoptar IA.

La recomendación central: invertir en capacidades internas antes que en herramientas externas, para no quedar atrapado en la órbita de un solo proveedor.

Horváth (2025) — PyMEs alemanas

56% de las PyMEs alemanas espera un debilitamiento significativo del sector.

Las PyMEs invierten solo el 0.4% de sus ingresos en IA, frente al 0.5% de las grandes corporaciones. La subinversión es crítica, pero también lo es la falta de enfoque.

Microsoft (2025) — PyMEs en América

54% de las PyMEs en América ya usa IA. 70% planea seguir invirtiendo.

Sin embargo, el 73% no tiene una estrategia de IA definida y el 57% no mide el impacto de sus inversiones.

Linux Foundation / Meta (2025)

65% de las empresas en LATAM ya implementa soluciones de IA. El costo de modelos open-source es 5 a 7 veces menor que las alternativas propietarias.

Valor estimado actual: $12.700 millones; proyección 2038: $1 billón.

UNAD (2026) — Barreras en PyMEs latinoamericanas

Calidad y disponibilidad de datos, falta de talento capacitado, infraestructura insuficiente y costos elevados son las principales barreras identificadas para la adopción de IA en PyMEs de la región.

El modelo de negocio de la IA

Consumir tokens no implica resolver problemas

Infografía sobre el costo de los tokens en IA y el modelo de negocio de las herramientas
Fuente: DKM · Imagen generada con Gemini

Cuando una organización invierte en IA, la mayoría de las veces no está comprando una solución a un problema. Está comprando la promesa de una solución, envuelta en una facturación por consumo.

El token —ese fragmento mínimo de texto que los modelos procesan y generan— se ha convertido en la unidad de cuenta del negocio de la IA. OpenAI, Anthropic, Microsoft y el resto de los grandes laboratorios han estructurado su modelo de negocio alrededor de un principio simple: cobrar por cada interacción, no por el resultado que esa interacción produce.

El problema es que el token no es una unidad de negocio. Es una métrica técnica que las áreas de compras, finanzas y gobernanza no terminan de entender, y que hace impredecible cualquier presupuesto.

El caso de Uber es el ejemplo más claro. La empresa quemó su presupuesto anual de IA en solo cuatro meses. Ingenieros individuales gastaban entre $500 y $2.000 al mes en Claude Code, y una presentación interna de dos horas consumió $1.200 en tokens.

Goldman Sachs Research (2026): El consumo de tokens se multiplicará 24 veces entre 2026 y 2030, alcanzando los 120 cuatrillones de tokens por mes a medida que las empresas adopten agentes de IA.

Fuente: Goldman Sachs, mayo 2026

Un informe de la BBC (2026) lo resume así: "Trying to tie someone into a cost model for the next 12 months, two years, three years, it doesn't make any sense, honestly, because we don't know."

Este no es un problema de las PyMEs. Es un problema estructural de la industria, que las PyMEs —con menos margen para absorber costos impredecibles— sufren con mayor intensidad.

El "teatro de la IA" tiene aquí su origen. La tecnología se vende como una herramienta para resolver problemas, pero el mecanismo de cobro está desalineado con esa promesa. Mientras el proveedor gana con cada consulta, la organización sigue preguntándose si lo que obtiene vale lo que paga.

La relación estructural

IA y Gestión del Conocimiento: la base que falta

Infografía sobre fallos de IA según estudio de HiveMQ
Fuente: HiveMQ · Industrial Data, Intelligence & AI Readiness Survey 2026

La relación entre Inteligencia Artificial y Gestión del Conocimiento no es accesoria. Es estructural.

La IA no crea conocimiento; lo procesa, lo organiza y lo amplifica. Y para hacerlo bien, necesita una base.

El problema histórico de la GC: El conocimiento explícito (documentos, manuales) está fragmentado en silos. El conocimiento tácito (la experiencia en la cabeza de las personas) se pierde cuando alguien se va. Los métodos tradicionales para capturarlo requieren un esfuerzo manual enorme.

Casos reales:

  • ABB (2025): Lanzó ABB Ability™ Industrial Knowledge Vault, una solución de IA generativa para evitar que décadas de conocimiento colectivo se pierdan cuando los empleados experimentados se jubilan. 🔗 Comunicado ABB
  • Nemak (México): Desarrolló Knowledge Center, un agente de IA que permite a sus ingenieros acceder a más de 8.000 reportes metalúrgicos acumulados durante 30 años. Antes, resolver un problema podía tomar semanas. Hoy, minutos. 🔗 Microsoft Source LATAM
  • Regreso al Campo (Colombia): Un ecosistema de innovación rural que aplica el mismo principio: construir una base de conocimiento local —saberes ancestrales, prácticas agroecológicas, lecciones aprendidas— antes de intentar tecnificar o escalar. La gestión del conocimiento es el cimiento sobre el que se sostienen la tokenización, la financiación colectiva y la comercialización de productos agroecológicos.

Lecciones de fracasos reales

Los mayores fallos de IA de 2025

Casos documentados de empresas que perdieron millones por implementar IA sin la base adecuada.

Empresa Fracaso Pérdida / Impacto Lección clave
Volkswagen (Cariad) Intento de transformación "Big Bang" sin base sólida $7.500 millones No intentar modernización masiva sin metodología ágil
Taco Bell IA de autoservicio que no manejaba casos atípicos Daño reputacional No automatizar interacciones con clientes sin guardarraíles robustos
Google (AI Overviews) Alucinaciones que priorizaban fluidez sobre veracidad Crisis de confianza La verificación es el producto; la precisión es el activo principal
Arup Deepfake que suplantó al CFO por videollamada $25 millones Video y voz ya no son prueba de identidad
Replit Agente autónomo que borró base de datos en producción Pérdida de datos crítica Nunca dar acceso de escritura en producción sin aprobación humana
McDonald's / Paradox.ai Exposición de 64 millones de registros por contraseña débil Fuga masiva de datos Auditar la seguridad de los proveedores de IA
Earnest Operations Sistema de crédito con sesgo racial (proxy) $2.5 millones Probar el impacto dispar de variables aparentemente neutrales

Patrón común: Las empresas que fracasaron con IA en 2025 cometieron errores predecibles: sobreestimaron la tecnología, subestimaron la complejidad organizacional, ignoraron los casos borde y descuidaron la seguridad y la ética. La IA no es un botón mágico; es una herramienta que amplifica tanto la excelencia como la incompetencia.

El desafío de las PyMEs

Las PyMEs no pueden experimentar sin control

Las PyMEs representan el 99.5% de las empresas en América Latina y generan cerca del 60% del empleo formal en la región.

El problema no es experimentar. El problema es que experimentar cuesta caro. El reto es hacerlo rápido y lo más barato posible, para aprender sin arriesgar el negocio.

El "Teatro de la IA":

  • Seguir la idea de que la suscripción premium resuelve todo.
  • Como las herramientas son de uso específico (video, codificación, creación de imágenes, redacción de documentos, automatización, etc.), hay que pagar varias de ellas.
  • Para un piloto te gastas un recurso importante.
  • Y luego, las herramientas IA no necesariamente funcionan bien para escalar.
54%
de las PyMEs en América ya usa IA
Microsoft 2025
73%
no tiene una estrategia de IA definida
Microsoft 2025
57%
reconoce que no mide el impacto de la IA
Microsoft 2025

Conclusiones

La IA amplifica lo que ya tienes

Conclusión 1: La IA no crea valor por sí misma. Amplifica la capacidad existente. Si no hay una base de conocimiento organizada, la IA solo automatiza el caos.

Conclusión 2: Las PyMEs no necesitan más aplicaciones. Necesitan más capacidad. Y la capacidad se construye, no se compra.

Conclusión 3: Antes de gastar en IA, hay que construir la base de conocimiento que la IA necesita para realmente funcionar. La gestión del conocimiento es el cimiento; la IA es el acelerador.

Estas conclusiones se apoyan en los hallazgos del MIT NANDA 2025, el estudio de Horváth 2025, la encuesta de Microsoft 2025 y el informe de Linux Foundation/Meta 2025.

El método DKM

Un ciclo de 8 pasos que se fortalece con cada uso

1

Identificar

¿Qué conocimiento crítico existe en tu organización?

2

Adquirir

¿Cómo lo capturas antes de que se pierda?

3

Desarrollar

¿Cómo lo estructuras y enriqueces?

4

Proteger

¿Quién accede y cómo se resguarda?

5

Almacenar

¿Cómo lo organizas para que sea reutilizable?

6

Compartir

¿Cómo fluye entre personas y áreas?

7

Explotar

¿Cómo usas IA local para sacarle valor?

8

Retroalimentar

¿Cómo cierras el ciclo y mejoras con cada uso?

El ciclo no es una lista de tareas. Es un sistema que se refuerza a sí mismo. Cada paso alimenta al siguiente.

Nuestra propuesta

Ontologías, herramientas libres e IA local

DKM — Democratizando la Gestión del Conocimiento

Ontologías DKM: Hemos desarrollado un marco conceptual para transformar Conocimiento en Valor. No es teoría. Es una estructura operativa que permite identificar, clasificar y activar el conocimiento en cualquier organización.

Herramientas libres: Obsidian para captura y organización, Markdown para representación estructurada, Ollama para IA local. Nada de suscripciones. Nada de compra de tokens.

IA local: Los datos no salen de tu organización. Los modelos corren en tu propio equipo. Soberanía tecnológica y privacidad garantizadas.

El enfoque DKM: No somos gente de diagnóstico. Somos gente que resuelve. El programa se basa en aprender haciendo, con un proyecto real desde el día 1.

Metodología del programa

12 semanas · Enfoque por competencias · Aprendizaje basado en proyectos

Duración: 12 semanas, con sesiones sincrónicas y acompañamiento continuo.

Enfoque por competencias: El programa no se mide por horas de clase, sino por capacidades desarrolladas. Cada participante demuestra competencia a través de su proyecto.

Aprendizaje basado en proyectos: Cada participante trabaja sobre un caso real de su organización, consultoría o investigación. No hay casos de estudio genéricos. El proyecto es el vehículo de aprendizaje.

¿Y esto sí funciona? La metodología ha sido probada en más de 120 casos y ha demostrado su eficacia en universidades, empresas, emprendedores y organizaciones rurales como Regreso al Campo, donde el modelo DKM ha permitido estructurar proyectos de turismo ecológico-científico, guarda de semillas y financiación colectiva.

Beca del 50%

Invierte en capacidad, no en suscripciones

Valor real del programa

USD 720

Beca del 50%

USD 360

Ahorro real: USD 360

Las organizaciones no necesitan más aplicaciones.
Necesitan más capacidad.

Y la capacidad se construye, no se compra.

¿DKM funciona? Pruébalo ya → Inscríbete al programa DKM

red@dkm.lat · dkm.lat

Todos los Derechos Reservados · DKM

Este material es de libre circulación y uso, realizando la debida citación a los autores.

Título: Antes de gastar en IA, invierte en personas y capacidades

Autor: José Ramiro Bertieri Quintero, DKM

DKM