Sumar, no improvisar: cuando la IA no puede tapar lo que el negocio nunca resolvió

La inteligencia artificial no crea procesos de la nada. No conoce tu negocio si tú no lo conoces primero. Y no puede convertir una ocurrencia en una solución, por más presupuesto de nube que le pongas encima.

Sin embargo, así se está usando en cientos de empresas ahora mismo: como cortina de humo para no admitir que nadie terminó de entender el proceso, que el círculo de siempre sigue decidiendo sin que nadie le pueda decir que no, y que la estrategia real —la que integra tecnología, talento y proceso como piezas que suman, no como ocurrencias sueltas— nunca se construyó.

La tecnología no resuelve lo que la organización nunca definió. Lo hereda, lo automatiza y lo escala.

He pasado quince años trabajando en sectores donde el margen de error tiene consecuencia regulatoria, financiera y reputacional directa. Y en los últimos veinticuatro meses he visto el mismo patrón repetirse con una variación nueva: la IA como excusa. Como el "ya lo estamos resolviendo" que en realidad significa "todavía no sabemos cuál es el problema". Como el proyecto que nadie audita porque "es IA, es innovación", cuando en realidad es la misma ocurrencia de siempre, ahora con un modelo entrenado encima que la hace más rápida, más cara y más difícil de revertir.

Este artículo cruza la numeralia más dura publicada en 2025 y 2026 por Gartner, McKinsey, MIT, BCG, Gallup y tribunales reales, con dos casos que ya pasaron —uno de tecnología inmobiliaria, uno de aerolíneas— para mostrar algo que llevo años repitiendo en las salas de juntas: la ignorancia no exime la responsabilidad, las ocurrencias no son soluciones, y ninguna herramienta —por sofisticada que sea— sustituye la estrategia integral que decide hacia dónde se quiere llegar antes de mover un solo recurso.

70–85%

de las iniciativas empresariales de inteligencia artificial no entrega el valor esperado — cinco estudios independientes de Gartner, MIT, RAND, BCG y McKinsey convergen en la misma cifra (2025–2026)

Uno

El espejismo de la ocurrencia con traje de inteligencia artificial

Empecemos por el dato que debería incomodar a cualquier consejo que aprobó presupuesto de IA este año sin hacer las preguntas correctas antes. McKinsey encontró en noviembre de 2025 que 88% de las organizaciones ya usa inteligencia artificial en al menos una función — pero más del 80% no reporta ningún impacto medible en su rentabilidad. El MIT, en su estudio "The GenAI Divide" de 2025, es todavía más duro: apenas alrededor de 5% de los pilotos de IA logra acelerar ingresos de forma real.

La causa no es la tecnología. Es lo que la tecnología no puede inventar por ti. McKinsey documentó algo que conecta directo con el argumento de este artículo: las organizaciones que sí obtienen retorno financiero real de la IA son 2 veces más propensas a haber rediseñado el proceso de negocio antes de elegir la tecnología. No al revés. La IA no diseña el proceso. Lo hereda, tal cual está —roto, ambiguo o mal definido— y lo ejecuta más rápido.

Gartner es igual de específico sobre dónde se origina la falla: 60% de los proyectos de IA sin datos preparados para IA serán abandonados hacia 2026, y 63% de las organizaciones ni siquiera sabe si tiene las prácticas de gobierno de datos correctas. No es un problema de modelos. Es un problema de que nadie, antes de automatizar, se sentó a definir qué proceso se estaba resolviendo y con qué información real.

Y aquí está el dato que más debería doler en los comités de dirección: solo 15% de los empleados dice que su empresa comunicó una estrategia de IA clara (Gallup). Sin visión clara arriba, cualquier iniciativa de IA abajo es, por definición, una ocurrencia con presupuesto — no una decisión estratégica.

2×

más probabilidad de retorno financiero real de la IA cuando la organización rediseñó el proceso de negocio ANTES de elegir la tecnología — McKinsey, 2025

Dos

La ignorancia no exime la responsabilidad

Aquí hay algo que en quince años de trabajar con consejos y direcciones generales he tenido que repetir más de lo que quisiera: que una decisión la haya tomado un algoritmo no borra de quién era la responsabilidad de que esa decisión fuera correcta.

En febrero de 2024, un tribunal de Columbia Británica, Canadá, resolvió el caso Moffatt contra Air Canada. Un pasajero consultó al chatbot de la aerolínea sobre tarifas por duelo tras la muerte de su abuela. El chatbot le aseguró que podía solicitar la tarifa de forma retroactiva — información falsa que contradecía la política real, publicada en otra página del mismo sitio web. Air Canada argumentó que el chatbot debía considerarse "una entidad separada", responsable de sus propias respuestas.

El tribunal calificó ese argumento como "notable" — en el sentido menos favorable de la palabra — y determinó que Air Canada era responsable de toda la información en su sitio, viniera de una página estática o de un chatbot. La aerolínea fue obligada a pagar los daños. El monto fue pequeño. El precedente, no: quedó establecido que ninguna empresa puede usar su propia tecnología como escudo para evadir la responsabilidad de lo que esa tecnología le dice a un cliente.

Esto no es un caso aislado ni un tecnicismo legal. Es el mecanismo exacto detrás del argumento de este artículo: cuando una organización no puede o no quiere decir "esto no lo sabemos, hay que resolverlo primero", delega la ambigüedad a la tecnología — y después se sorprende cuando la tecnología, entrenada sobre esa misma ambigüedad, falla exactamente donde el negocio nunca se tomó el tiempo de estar seguro.

37%

de las personas se siente psicológicamente segura para cuestionar el statu quo en su organización — Symmetra, 2025. Solo 3 de cada 10 cree que su opinión cuenta en el trabajo (Gallup)

Tres

Proteger al cuate sale más caro que corregir el error

Esto conecta directo con algo que ya documenté en un artículo anterior sobre por qué las empresas con más potencial terminan reventando por dentro: el problema casi nunca es que falte gente capaz. Es que la gente capaz no puede hablar, porque el círculo cerrado que protege su territorio —o a su gente de confianza— no tiene ningún incentivo para escuchar a quien sabe si eso significa admitir que se equivocaron.

Cuando solo 37% de las personas siente seguridad psicológica para cuestionar una decisión, y solo 3 de cada 10 cree que su opinión cuenta, el resultado no es abstracto: es que la persona que sí entendía por qué el proceso de IA se estaba construyendo sobre datos sucios, o sobre un proceso que nadie había mapeado, se quedó callada. O lo dijo una vez, no la escucharon, y no lo volvió a decir.

Esa persona no es leal por guardar silencio. Es la organización la que decidió, sin decirlo en voz alta, que prefería la lealtad sin criterio de su círculo cercano a la honestidad incómoda de quien realmente domina el proceso. Y esa decisión —no la tecnología— es la que determina si la IA que se está implementando va a sumar o va a escalar el error a una velocidad que antes era imposible.

La pregunta nunca es si el comité se reunió. Es si alguien en esa sala podía decir "esto no va a funcionar" sin pagar un costo por decirlo.

Cuatro

Caso Zillow: cuando el algoritmo hereda la ocurrencia que nadie quiso resolver

En 2018, Zillow —el portal inmobiliario más conocido de Estados Unidos— lanzó Zillow Offers: un negocio de "iBuying" que usaba su algoritmo Zestimate para hacer ofertas automáticas de compra sobre casas, remodelarlas y revenderlas con ganancia. La meta declarada por su director ejecutivo era comprar 5,000 viviendas al mes para 2024.

El algoritmo estaba entrenado sobre un mercado relativamente estable. No sobre lo que realmente iba a pasar: un mercado inmobiliario que se calentó de forma errática durante la pandemia y luego se enfrió con la misma velocidad. Zestimate siguió sobrevalorando propiedades mientras el mercado ya se movía en la dirección contraria. Zillow terminó pagando de más por miles de casas, sin la capacidad operativa de remodelarlas al ritmo que su propio algoritmo prometía.

En noviembre de 2021, la compañía anunció el cierre total de Zillow Offers. Según su propio reporte 10-K ante la SEC, la operación se liquidó durante 2022 con una reducción del 25% de la plantilla global de Zillow. Distintas fuentes financieras documentaron una pérdida total superior a los 500 millones de dólares y un inventario de cerca de 7,000 viviendas que la empresa tuvo que malvender, muchas por debajo de lo que había pagado.

El algoritmo no fue el problema de origen. El problema de origen fue construir un negocio completo sobre la suposición no verificada de que un modelo entrenado en condiciones estables podía predecir un mercado que ya estaba dejando de serlo — y seguir operando a máxima velocidad incluso cuando la evidencia interna ya mostraba que los números no cuadraban. Eso no es un fallo técnico. Es una decisión de negocio que nadie quiso frenar a tiempo, con una IA ejecutándola cada vez más rápido.

$500M+

en pérdidas y 25% de la plantilla despedida cuando Zillow cerró su negocio de compra automatizada de casas — Zillow Group, Form 10-K, SEC, 2021–2022

Cinco

Las que ganan: cuando cada pieza suma, nada improvisa

Aquí está el contraste que sostiene todo este artículo. Las organizaciones que sí ganan con tecnología no son las que corren más rápido. Son las que ya sabían, con claridad, hacia dónde iban antes de tocar una sola herramienta — y donde cada proceso, cada sistema y cada persona tiene un papel definido dentro de esa dirección, no una función aislada que alguien improvisó para parecer innovador.

Gallup lo demuestra con el mayor meta-análisis de compromiso laboral jamás hecho: 339 estudios, 230 organizaciones, 49 sectores, 73 países. Los equipos con mayor compromiso y con voz real dentro de su organización son 23% más rentables, 18% más productivos en ventas y tienen 78% menos ausentismo que los de menor compromiso. Esa diferencia no viene de tener mejor tecnología. Viene de que el talento con criterio puede hablar, es escuchado, y su conocimiento del negocio se convierte en la base sobre la que después se decide qué automatizar y cómo.

El desenganche global, en contraste, le cuesta a la economía mundial cerca de 9% del PIB (Gallup, 2025). Ese es el costo exacto de organizaciones donde el talento que sabe se queda callado, mientras el círculo que no sabe —pero es leal— sigue decidiendo, ahora con IA de por medio para verse más sofisticado.

La estrategia integral no es un documento de PowerPoint que se archiva después del kickoff. Es la disciplina de definir, antes de mover un solo recurso, qué problema se resuelve, con qué proceso, con qué datos, con quién en la sala y bajo qué definición de éxito — para que la tecnología, cuando llegue, tenga un lugar exacto que ocupar. Cuando eso existe, lo que sigue es, casi siempre, más simple de lo que parecía: flexible, capaz de adaptarse cuando cambie la regulación, el mercado o la crisis, porque nunca dependió de una sola ocurrencia sosteniendo todo el edificio.

La ventaja nunca fue la herramienta. Fue tener, antes de la herramienta, a la gente correcta con permiso real para decir la verdad.

Seis

Para quien tiene el poder de decidir

Si estás por aprobar presupuesto de IA, o ya lo aprobaste y nadie te ha dado un resultado medible, esta numeralia no es para que canceles el proyecto. Es para que hagas las preguntas que deberían haberse hecho antes de empezar.

• La IA no resuelve lo que la organización nunca definió. Rediseñar el proceso antes de elegir la tecnología duplica la probabilidad de retorno real, según McKinsey. Si nadie en tu equipo puede explicar el proceso completo sin la IA, tampoco va a poder explicarlo con ella.
• La responsabilidad no se delega a un modelo. Air Canada lo aprendió frente a un tribunal: la empresa responde por lo que su tecnología le dice a un cliente, sin importar quién —o qué— lo dijo primero.
• Si nadie puede decir "esto no va a funcionar" sin costo, ya tienes el problema antes de escribir una sola línea de código. Solo 37% de las personas se siente segura para cuestionar el statu quo. Esa cifra predice más fracasos de IA que cualquier limitación técnica.
• Zillow no perdió 500 millones de dólares por un mal algoritmo. Los perdió por sostener una suposición de negocio no verificada mucho después de que la evidencia mostrara lo contrario, con una máquina ejecutándola cada vez más rápido.
• Cada proceso, cada herramienta y cada persona tiene un papel — o no debería estar ahí. Las organizaciones 23% más rentables no tienen más tecnología. Tienen más claridad sobre qué pieza cumple qué función, y talento con permiso real de decir la verdad sobre si esa pieza está funcionando.

La ocurrencia nunca fue gratis. Antes costaba tiempo y confianza. Ahora, con inteligencia artificial de por medio, cuesta lo mismo — pero más rápido, más caro, y con menos posibilidad de dar marcha atrás antes de que el daño sea público.

Fuentes: Gartner · Predicciones de proyectos de IA 2024–2026 y encuesta de datos listos para IA · McKinsey & Company · The State of AI, noviembre 2025, y Problem-Solving Research 2025 · MIT NANDA Initiative · "The GenAI Divide", 2025 · BCG y RAND Corporation, estudios de fracaso de IA empresarial 2025–2026 · Gallup · State of the Global Workplace 2025 y meta-análisis Q12 (339 estudios, 230 organizaciones, 49 sectores, 73 países) · Symmetra, investigación de seguridad psicológica 2025 · Moffatt v. Air Canada, 2024 BCCRT 149, British Columbia Civil Resolution Tribunal · Zillow Group Inc., Form 10-K, U.S. Securities and Exchange Commission, ejercicio fiscal 2023 (operaciones discontinuadas de Zillow Offers) · Reportes financieros contemporáneos sobre el cierre de Zillow Offers, 2021–2022.

Jorge Mercado · #JMCoach

 

Cuando el potencial se quema por dentro

Empresas con mercado real, capital dispuesto y talento de sobra terminan reventando. Casi nunca las mata la competencia: las mata un área, un dueño o un círculo cerrado que decidió que su territorio importaba más que la empresa completa.

El 53% de las empresas mexicanas enfrentó un delito económico en los últimos 24 meses. El fraude más recurrente que reporta KPMG en México no es el robo ni el hackeo: es el conflicto de interés. Y cuando el Audit Reform Lab de la Universidad de Sheffield revisó los 250 colapsos corporativos más grandes del Reino Unido, encontró que en tres de cada cuatro casos el auditor no había levantado ninguna alarma el año previo. El sistema que debería avisarnos antes del reventón casi nunca lo hace a tiempo.

He pasado buena parte de mi carrera moviéndome entre mundos distintos: negocios, personas, procesos, números y —sobre todo— entre las conversaciones que casi nadie se atreve a tener dentro de una empresa. Hay una escena que he visto repetirse tantas veces, en tantos sectores, que dejé de verla como coincidencia. Es un patrón. Y como todo patrón, se puede nombrar, medir y, con suerte, romper.

La escena es esta: una empresa nace con potencial genuino. Buena idea, mercado real, capital dispuesto a apostar por ella. Crece rápido. Los números emocionan a los inversionistas. Y en algún punto, algo se tuerce por dentro. No falla el mercado. No falla la competencia. Falla la propia empresa, que se vuelve rehén de un área, de un dueño, de un grupo pequeño que protege su territorio con una lealtad mal entendida, incluso cuando eso significa ocultar información o ignorar cada señal de alarma.

Lo que más me inquieta no es que pase una vez. Es que las mismas personas —directores, fundadores, consejeros— salen de una empresa reventada y meses después aparecen en cargos altos de otra, repitiendo el mismo camino. Como si el problema nunca hubiera sido de ellos.

Este artículo cruza la numeralia dura de fuentes verificables —PwC, KPMG, CNBV, Banxico, Harvard, McKinsey, el Departamento del Tesoro de Estados Unidos, la prensa financiera de investigación— con los casos que hemos visto pasar frente a nuestros ojos en los últimos quince años en México: financieras, vivienderas, unicornios y aerolíneas. No es un ejercicio de señalar con el dedo. Es un espejo con datos, para que a quien tiene el poder real de decidir le caiga el veinte antes de que sea tarde.

53%de las empresas mexicanas enfrentó algún delito económico o financiero en los últimos 24 mesesPwC · Encuesta Global de Delitos Económicos 2024, capítulo México (n=34 directivos MX; 2,446 global)

55%señala el conflicto de interés como el fraude más recurrente del año: el territorio protegido, no el ladrón externoKPMG · Impacto de los delitos financieros en México 2024

75%de los 250 mayores colapsos corporativos del Reino Unido no recibió advertencia de su auditor el año previoAudit Reform Lab · Universidad de Sheffield · “Reward for Failure”, 2024

80%de los altos ejecutivos reconoce que los silos internos dañan la toma de decisiones y la colaboraciónMcKinsey · The State of Organizations 2023

$193,161millones de pesos de cartera vencida en la banca mexicana a junio de 2026: el nivel más alto en 26 añosCNBV · +14.16% real anual · IMOR del sector: 2.30%

Uno

No es percepción: la mitad de las empresas mexicanas ya lo vivió

Empecemos por el dato que debería quitarle el sueño a cualquier consejo de administración. La Encuesta Global de Delitos Económicos 2024 de PwC, capítulo México, encontró que 53% de las empresas mexicanas enfrentó algún delito económico o financiero en los últimos 24 meses. Y algo más revelador sobre cómo se decide: solo el 47% analiza las transacciones antes de cerrarlas; el 56% lo hace después. Es decir, la mayoría revisa cuando ya firmó.

PwC México · Encuesta Global de Delitos Económicos 2024. Base global 2,446 empresas en 63 territorios; base México, 34 directivos. Muestra pequeña, señal consistente con el resto de la evidencia.

KPMG aporta el ángulo que más me interesa. En su estudio de 2024, 45% de las empresas en México reportó el intento o la materialización de un fraude —35% externo, 32% interno, 33% de ambos tipos—. Pero el hallazgo importante no es el porcentaje: es qué tipo de fraude encabeza la lista. No es el robo de activos ni el ciberataque. Es el conflicto de interés, con 55%, seguido del robo de identidad con 44%.

Deténgase ahí un segundo. El fraude más frecuente en las empresas mexicanas no lo comete un extraño: lo comete alguien que estaba adentro, con acceso, decidiendo sobre algo en lo que tenía un interés propio. Eso no es un problema de seguridad. Es un problema de quién tiene poder de decisión y quién lo vigila. Es exactamente el mecanismo del que trata este artículo.

El fraude que más aparece en las empresas mexicanas no es el que entra por la puerta. Es el que ya estaba sentado en la mesa donde se decide.

Y las auditorías, ¿dónde estaban?

Esto convive perfectamente con auditorías, consejos de administración y certificaciones. El Audit Reform Lab de la Universidad de Sheffield analizó en su reporte Reward for Failure los informes de auditoría de las 250 empresas cotizadas más grandes del Reino Unido que colapsaron entre 2010 y 2022. Los auditores no emitieron advertencia de negocio en marcha en tres de cada cuatro casos el año previo al colapso.

El desglose por firma es igual de incómodo: EY advirtió en una de cada cinco empresas que auditó y que después quebró; PwC en 23%; KPMG en 30%; Deloitte en 36%. De las 250 empresas liquidadas, 38 decretaron dividendos en su último estado financiero —diez de ellas reportando pérdidas—. Y las multas por mala práctica impuestas a las Big Four entre 2015 y 2022 promediaron 0.16% de sus ingresos: demasiado pequeñas para cambiar comportamiento.

No hace falta trasladar el dato al pie de la letra a México para entender la lección: el control formal existe, se cumple en el papel, y aun así no alcanza a ver lo que ya está pasando adentro.

Dos

El mecanismo humano: silos, feudos y protagonismo

Si la numeralia de fraude nos dice qué tan seguido pasa, la investigación sobre cultura organizacional nos explica por qué. Y aquí conecto lo técnico con lo humano, que es donde más tiempo he trabajado: no es que falte talento o visión. Es que áreas y minigrupos acaparan poder y bloquean cualquier cosa que amenace su control.

Una encuesta de Harvard Business Review Analytics Services de 2017 encontró que 67% de los fracasos de colaboración dentro de las organizaciones se deben a silos internos. Una encuesta de Salesforce ubicó la mentalidad de silo como el mayor obstáculo para la experiencia del cliente según el 70% de los profesionales del área. Y McKinsey, en The State of Organizations 2023, reportó que 80% de los altos ejecutivos considera que los silos dañan la toma de decisiones y la colaboración.

Que este problema es viejo y conocido lo confirma un dato con fecha: ya en 2002, una encuesta de la American Management Association encontró que 83% de los ejecutivos reconocía la existencia de silos en su empresa y 97% admitía que tenían impacto negativo en el negocio. Veinticuatro años después, seguimos citando esa cifra porque sigue describiendo la realidad. Lo saben. Lo reconocen. Y casi nadie los desmantela.

El costo aparece antes de que empiece la ejecución

McKinsey documentó que alrededor del 70% de las transformaciones organizacionales no alcanza sus objetivos, y que una de las causas principales es la falta de claridad sobre estructura y roles: ese territorio mal definido que cada área termina llenando con su propio proteccionismo. Más duro todavía: las transformaciones empiezan a perder valor antes de arrancar. Cuando los líderes no se ponen de acuerdo sobre qué están tratando de lograr, una parte considerable del beneficio financiero se evapora durante la fijación de objetivos, antes de ejecutar una sola acción.

Este es, en esencia, el secuestro irracional del que hablamos quienes trabajamos de cerca con equipos directivos: no hace falta mala fe generalizada. Basta con que un área, un dueño o un círculo pequeño decida que su territorio vale más que el resultado colectivo, y toda la organización paga el precio.

Tres

México ya lo vivió: financieras que revientan, la misma historia otra vez

2014 · Sofipo · Ahorro popular

Ficrea: el ahorro popular convertido en fraude

La Sofipo Ficrea colapsó después de que su accionista mayoritario desviara alrededor de 2,700 millones de pesos mediante una triangulación de empresas relacionadas. Cerca de 6,000 ahorradores perdieron su dinero. El regulador estaba ahí. Llegó tarde.

2021–2022 · Crédito no bancario

Crédito Real, AlphaCredit, Unifin y Mexarrend: el poder concentrado

La caída de las grandes financieras no bancarias fue, según los análisis de las calificadoras, producto de falta de transparencia, estándares contables cuestionables y fallas de gobierno corporativo. El dato que más golpea: en Crédito Real las decisiones se concentraban prácticamente en una sola persona, con créditos a partes relacionadas de una escala enorme, y una relación con su auditor que duró más de veinte años hasta terminar entre acusaciones cruzadas.

Lo inquietante es lo siguiente: las cuatro cayeron en incumplimiento teniendo gobierno corporativo formal, auditorías independientes y calificadoras vigilándolas. La estructura existía en el papel. El poder real vivía en otro lado. Ese hueco entre el organigrama y la decisión es, en mi experiencia, el lugar exacto donde se incuban estos colapsos.

2025–2026 · Sanción extraterritorial

CIBanco, Intercam y Vector: cuando la corrección llega desde afuera

El 25 de junio de 2025, la unidad FinCEN del Departamento del Tesoro de Estados Unidos señaló a estas tres instituciones mexicanas como fuentes de preocupación principal en materia de lavado de dinero, con operaciones vinculadas a organizaciones criminales por al menos 46.6 millones de dólares. La CNBV publicó multas por 185.7 millones de pesos derivadas de visitas de inspección de 2023 y 2024 —la mayoría por prevención de lavado de dinero—, y Hacienda las caracterizó como faltas administrativas, muy por debajo de la gravedad de lo señalado por Estados Unidos.

El desenlace fue definitivo y rápido. Hacienda asumió la gestión temporal de las tres entidades y escindió el negocio fiduciario. CIBanco solicitó voluntariamente la revocación de su licencia bancaria y el 10 de octubre de 2025 entró en liquidación con el IPAB como liquidador, que garantizó el pago al 99.4% de los ahorradores. Multiva compró el negocio fiduciario; BanCoppel, la cartera automotriz; Kapital avanzó sobre parte de Intercam; Vector transfirió activos y clientes a Finamex y su autorización fue revocada en diciembre de 2025. En marzo de 2026, la UIF y la CNBV firmaron un convenio para reforzar la coordinación antilavado.

Un año después, las tres instituciones ya no operan. El punto no es la sanción: es que la advertencia correctiva no vino del consejo, ni del auditor, ni del regulador local. Vino de una autoridad extranjera.

Y sin fraude alguno: el costo de la mala gestión del riesgo

No hace falta un delito para quemar dinero. La cartera vencida de la banca comercial mexicana alcanzó un récord de 193,161 millones de pesos a junio de 2026, un incremento real de 14.16% anual y el nivel más alto en al menos 26 años, según la CNBV. En julio de 2026, el saldo vencido del financiamiento directo al sector privado llegó a 194,565 millones, de acuerdo con Banxico. En el crédito a hogares —consumo y vivienda— la cartera vencida sumó 114,111 millones en julio, 23.2% más que un año antes.

El matiz importa y hay que decirlo con honestidad: la cartera total de la banca creció a 8.4 billones de pesos y el índice de morosidad del sector se ubicó en 2.30%, un nivel manejable. Banxico atribuye parte del deterioro a prácticas de selección más riesgosas en algunas instituciones y aclara que no representa un deterioro sistemático. Es decir: el sistema aguanta, pero hay instituciones específicas que relajaron su criterio de originación. Esa decisión también se toma en una sala de juntas, también la defiende alguien, y también tiene un dueño con nombre.

Cuatro

Las vivienderas: el mismo guion, una década antes

Antes de las fintech, fueron las vivienderas. Homex, Urbi y Geo dominaron el desarrollo de vivienda social durante los años 2000, sobreendeudándose año con año para sostener el crecimiento de ventas. Cuando la deuda se volvió incosteable, cayeron en concurso mercantil. Geo pasó de vender decenas de miles de viviendas al año a unos cientos en su último trimestre antes de la quiebra. Sus tres fundadores perdieron el control accionario de las empresas que habían construido durante casi treinta años.

El director del Infonavit lo resumió sin rodeos en su momento: estas empresas “fallaron totalmente a México”, generando un quebranto no solo al patrimonio de los trabajadores sino también en materia fiscal, por los subsidios públicos involucrados. El propio Infonavit ha documentado que el modelo expansionista de la década de 2000 —casas lejos, sin desarrollo urbano alrededor— derivó en abandono masivo de vivienda, con la curva alcanzando su punto más alto entre 2009 y 2010.

La diferencia entre este caso y los anteriores

En las financieras, el daño se midió en ahorradores y acreedores. Aquí se midió en familias que compraron una casa que nunca se terminó, y en dinero público. Cuando la disfunción interna de una empresa se cruza con un subsidio del Estado, el costo deja de ser privado. Ese es el argumento más fuerte que existe a favor del gobierno corporativo real, y sigue siendo el menos escuchado.

Cinco

Los unicornios: el mismo círculo cerrado, ahora con capital de riesgo

2020–2026 · Primer unicornio mexicano

Kavak: “la hermandad”, la caída y la corrección

Kavak alcanzó una valuación de 8,700 millones de dólares en 2021, el segundo unicornio más valioso de América Latina. En abril de 2025, tras una ronda de 127 millones liderada por SoftBank y General Atlantic, Bloomberg reportó que su valuación se ajustó a 2,200 millones: una caída del 75%, unos 6,500 millones de dólares de valor de mercado. La empresa había llegado a operar en ocho países con 7,000 empleados y 75 sitios sin haber consolidado operaciones; el 1 de enero de 2024 cerró Perú y Colombia y redujo su plantilla a la mitad.

Una investigación de EL CEO publicada en 2026 documentó lo que conecta este caso con todo lo anterior: existía un grupo de directivos —familiares y amigos del fundador— conocido internamente como “la hermandad”, y según los testimonios recogidos, fuera de ese círculo el CEO no solía hacer caso a nadie más. El propio fundador describe “el no escuchar” como uno de sus atributos, al que llama “audición participativa: escuchar a quien tú quieres”. La misma investigación documentó gasto sin control —el fundador reconoció públicamente en un podcast que su “laboratorio” de expansión costaba un millón de dólares diarios— y quejas recurrentes de clientes por unidades con problemas legales o mecánicos.

La empresa respondió a esos señalamientos: sostiene que cuenta con estructura corporativa formal y equipos directivos definidos, que cada vehículo pasa por inspección mecánica, estética y legal, y que sus decisiones de expansión responden a análisis estructurados. También reconoció dos cosas que habría hecho distinto: esperar a tener una operación consolidada antes de expandirse, y entender mejor cada mercado antes de entrar.

Y aquí viene la parte que no se puede omitir: Kavak cerró después una ronda de 300 millones de dólares —200 de ellos de Andreessen Horowitz, su mayor inversión en una sola compañía en América Latina— y su fundador declara que la empresa es rentable por primera vez, más disciplinada y enfocada, con unas 120,000 transacciones al cierre de 2025. No fue un área operativa la que secuestró a esta empresa; fue el círculo íntimo del propio dueño, la versión más difícil de desmontar porque nadie adentro tiene incentivo para señalarlo. Que la corrección sea posible no borra el costo de haber tardado tanto en aceptarla.

Contraste · Quemar caja como estrategia declarada

Nubank: cuando las pérdidas sí son un plan

Nubank acumuló pérdidas de 28.6 millones de dólares en 2018, 92.5 millones en 2019 y 171.5 millones en 2020 antes de convertirse en una de las instituciones financieras más rentables de Brasil. Su fundador ha sido transparente sobre el modelo: quemar caja deliberadamente para ganar clientes antes que rentabilidad, y le tomó ocho años lograrlo. En México, como Sofipo camino a banco, reportó pérdidas de 993 millones de pesos solo en 2023.

Incluyo este caso a propósito, porque marca la diferencia que más importa. Perder dinero no es la señal de alarma. La señal de alarma es no poder explicar por qué se está perdiendo, ante quién se responde y cuándo termina. Nubank quemó caja con una tesis pública, auditada y sostenida en el tiempo. Las empresas de este artículo quemaron caja mientras un círculo cerrado decidía qué información salía de la sala.

El patrón, a escala global

La burbuja de las puntocom borró alrededor de 5 billones de dólares de valor entre 2000 y 2002. Dos décadas después, WeWork pasó de una valuación de 47,000 millones de dólares a unos 8,000 millones tras un IPO fallido, con pérdidas de 1,900 millones solo en 2018; su fundador salió del colapso con una compensación multimillonaria, y SoftBank terminó inyectando más de 10,000 millones tratando de rescatar un modelo que nunca tuvo un plan claro de rentabilidad.

El patrón es idéntico en cada década, cada país, cada sector: potencial real, capital que apuesta con fe, y un liderazgo protegido por su propio círculo hasta que ya no hay manera de sostener la ficción.

Seis

El contraejemplo que le da esperanza a todo esto: Aeroméxico

2020–2025 · Capítulo 11 y regreso

La misma crisis, cuatro desenlaces distintos

Aeroméxico entró voluntariamente al Capítulo 11 de la Ley de Quiebras de Estados Unidos en junio de 2020, en plena pandemia, con cerca de 2,000 millones de dólares de deuda. Negoció durante casi dos años con acreedores, arrendadores y el sindicato de pilotos, salió del proceso en marzo de 2022 con un plan financiero aprobado y el respaldo de inversionistas institucionales, y se deslistó de la bolsa mexicana en junio de ese año.

El 6 de noviembre de 2025 regresó simultáneamente a la Bolsa Mexicana de Valores y a la Bolsa de Nueva York bajo la clave AERO: 27.4 millones de acciones a 35.34 pesos, ADS a 19 dólares, alrededor de 222.8 millones de dólares recaudados y una valuación cercana a 2,800 millones. Delta no participó en la oferta y firmó un convenio de no enajenación por cuatro años.

Compárese con sus pares. Mexicana de Aviación quebró en 2014 y hoy opera bajo control estatal. Interjet suspendió vuelos en 2020 y su intento de reestructura fracasó. Aeromar cerró en 2023 con miles de millones de pesos en deudas. Las cuatro enfrentaron la misma pandemia. Una sola salió fortalecida.

La diferencia no fue la crisis. Fue la calidad de la gobernanza durante la crisis: transparencia con los acreedores, asesores profesionales, un proceso legal con reglas claras y una dirección que negoció en vez de ocultar. Esto lo he visto una y otra vez trabajando con organizaciones: el problema casi nunca es el tropiezo. Es cómo se gestiona el tropiezo, y quién tiene el poder real de decidir cuando todo se está cayendo.

El gobierno corporativo no se prueba cuando la empresa va bien. Se prueba el día que alguien tiene que decir en voz alta, frente a quien manda, que el plan no está funcionando.

Jorge Mercado · #JMCoach

Siete

Las empresas que se quedan “entre paredes” y la fuga de talento que provocan

Hay un último eslabón que quiero nombrar con claridad porque lo he visto de cerca, muchas veces, en industrias distintas: hay empresas que, teniendo ya frente a los ojos la evidencia del error, deciden no aceptarla. Se cierran entre sus propias paredes. No corrigen, no escuchan, no sueltan el control. Y cuando eso pasa, el talento —que es lo primero que percibe la disfunción, mucho antes de que aparezca en un estado financiero— empieza a irse.

La evidencia aquí también es contundente. El informe Randstad Workmonitor 2025, con más de 26,000 trabajadores encuestados en 35 mercados, encontró que México e India encabezan la lista mundial de renuncias por ambiente laboral tóxico, con 58% cada uno, frente a un promedio global de 44%. Detrás vienen Chile con 55%, Brasil con 53%, Argentina y Estados Unidos con 52%, España con 41% y Japón con 26%. En México la cifra subió desde 42% el año anterior.

Y no es solo el ambiente: es específicamente el liderazgo. En el mismo estudio, un tercio de los trabajadores mexicanos declaró haber renunciado por no estar de acuerdo con las posturas de su liderazgo, y 45% renunció por falta de oportunidades de crecimiento, contra 31% del promedio global. A nivel mundial, tres de cada diez dicen no confiar en que sus líderes tengan en cuenta sus intereses. Del lado oficial mexicano, el IMSS registró en 2023 alrededor de 675 mil separaciones laborales voluntarias atribuibles a factores del empleador —cargas excesivas, estrés, mala gestión, clima organizacional negativo—, un incremento de 57% respecto al año anterior.

Este dato cierra el círculo. Las mismas empresas que se vuelven rehenes de un minigrupo o de un dueño que no acepta señalamientos, que se blindan “entre paredes” en vez de corregir, son exactamente las que después ven salir a su mejor gente: la que tenía el criterio, la experiencia y la honestidad para haber evitado el reventón, si alguien la hubiera escuchado a tiempo. La fuga de talento no es una consecuencia lateral de la mala gobernanza. Es, muchas veces, la primera alarma que la organización decidió ignorar.

Ocho

Para quien tiene el poder de decidir

Si diriges una empresa, te sientas en un consejo o eres un fondo a punto de invertir, esta numeralia no es para asustarte. Es para que reconozcas el patrón antes de que se repita en tu organización.

• El gobierno corporativo de papel no basta. Crédito Real, Unifin, AlphaCredit y Mexarrend tenían consejos, auditorías y calificadoras. Ninguna de esas estructuras evitó el colapso, porque el poder real vivía concentrado en una persona o en un círculo cerrado. La pregunta útil no es si existe el consejo, sino si alguien en él puede contradecir al dueño sin costo.
• El fraude que más te va a doler es el conflicto de interés. Es el más reportado en México según KPMG, y es el único que ninguna herramienta de ciberseguridad detecta. Se previene definiendo quién decide, quién revisa y quién no puede hacer ambas cosas.
• Los silos no son un mal menor. Ochenta por ciento de los altos ejecutivos ya reconoce que dañan las decisiones. Que casi todos lo sepan y casi nadie lo desmantele es el dato más grave de todos.
• Revisa la transacción antes, no después. Solo 47% de las empresas mexicanas analiza las operaciones antes de cerrarlas. La mayoría descubre el problema cuando ya firmó, y para entonces el análisis solo sirve para documentar la pérdida.
• Las mismas personas repiten el patrón porque casi nunca hay una consecuencia real que rompa el ciclo. El ejecutivo que hundió una empresa aparece meses después dirigiendo otra, con el mismo estilo, el mismo círculo cerrado y la misma sordera ante las señales.
• Cuando una empresa se cierra “entre paredes”, pierde primero a la gente que más necesita. Y en México esa fuga es la más alta del mundo junto con India. Es tu última advertencia, no tu problema de recursos humanos.
• Sí se puede hacer diferente. Aeroméxico lo demuestra en una crisis que también enfrentaron tres competidores que ya no existen. Kavak lo demuestra corrigiendo tarde y a un costo altísimo, pero corrigiendo. La transparencia, la negociación honesta y la disposición a escuchar a quienes tienen algo que perder son la diferencia entre reinventarse y desaparecer.

El potencial enorme que tantas empresas mexicanas tienen no se pierde por falta de mercado, de capital o de talento. Se pierde porque alguien, en algún punto, decidió que proteger su pedazo de poder era más importante que el futuro de la empresa completa. Y mientras eso no se nombre con claridad, en lenguaje humano, va a seguir pasando: otra vez, con otro nombre y otra razón social.

Fuentes: PwC México · “Encuesta Global de Delitos Económicos 2024”, capítulo México (base global 2,446; base México 34) · KPMG México · “Impacto de los delitos financieros en México 2024”, octubre 2024 · Audit Reform Lab, University of Sheffield · “Reward for Failure”, mayo 2024 · Harvard Business Review · “3 Types of Silos That Stifle Collaboration”, marzo 2025, y HBR Analytics Services 2017 · McKinsey & Company · “The State of Organizations 2023” e investigación sobre transformaciones · American Management Association, encuesta 2002 · Comisión Nacional Bancaria y de Valores (CNBV), cartera vencida a junio de 2026 y sanciones publicadas en 2025 · Banco de México, cartera vencida a julio de 2026 y Reporte de Estabilidad Financiera · FinCEN, Departamento del Tesoro de EE.UU., señalamiento del 25 de junio de 2025 · IPAB, proceso de liquidación de CIBanco · Infonavit, declaraciones y datos sobre vivienda abandonada · Bloomberg y Bloomberg Línea, valuación de Kavak, abril 2025 · EL CEO, investigación especial sobre Kavak, abril–mayo 2026 · Expansión, El Financiero e Infobae, regreso de Aeroméxico a bolsa, noviembre 2025 · Randstad Workmonitor 2025 (N=26,000+ en 35 mercados) · IMSS, separaciones laborales voluntarias 2023.

Jorge Mercado · #JMCoach

Las 7 preguntas que me hago antes de aceptar cualquier proyecto

 

Las 7 preguntas que me hago
antes de aceptar cualquier
proyecto — y por qué nunca
las negocio.No importa si el cliente tiene presupuesto, urgencia y todo el sentido de apuro del mundo. Si estas preguntas no tienen respuestas honestas, no hay proyecto que valga. Esto es lo que aprendí en 15 años y más de una docena de sectores regulados.

McKinsey documentó que los proyectos donde el problema se define correctamente antes de buscar la solución tienen 2.4 veces más probabilidad de éxito. PMI calcula que por cada $1,000 millones invertidos en proyectos, $122 millones se desperdician por ejecución deficiente — y la causa más frecuente no es la tecnología ni el presupuesto. Es que nadie hizo las preguntas correctas al inicio.

Las preguntas que hago antes de aceptar un proyecto no son un filtro de clientes. Son un diagnóstico. La diferencia entre el proyecto que produce valor real y el que produce frustración bien documentada se decide en los primeros treinta minutos de la primera conversación — no en los meses de ejecución que siguen.

Hay algo que aprendí trabajando en entornos regulados — CNBV, COFEPRIS, IATA, ASEA, SENASICA, BANXICO — que no aprendí en ningún libro: los problemas más costosos de resolver no son los técnicamente más complejos. Son los que nadie definió correctamente antes de empezar a resolverlos. He visto proyectos de arquitectura empresarial con presupuestos de millones naufragar porque el directivo que lo aprobó y el equipo que lo ejecutó nunca tuvieron la misma conversación sobre qué era lo que se estaba resolviendo. He visto implementaciones de core bancario paralizadas no por fallas técnicas sino porque nadie había mapeado el proceso de negocio que el sistema debía soportar. He visto iniciativas de IA construidas sobre datos que nadie había verificado — modelos entrenando sobre la versión incorrecta de la realidad. He visto implementaciones de ERP, CRM, SCM, entre otras que se encarecen y no solucionan lo esperado. He visto monolitos y muchos secuestros de información, procesos y tecnología. En todos esos casos, alguien aceptó el proyecto sin hacer las preguntas que habrían revelado el problema real antes de que el dinero empezara a moverse. Yo también lo hice al inicio, al inicio. Aprendí rápido de esto.

$122Mdesperdiciados por cada $1,000M invertidos en proyectos, principalmente por mala definición del problema y ejecución deficiente — no por tecnologíaPMI Pulse of the Profession 2024

85%de proyectos de IA fracasan antes de llegar a producción — la causa principal documentada es definición incorrecta del problema que la IA debía resolverGartner · 2025

2.4×más probabilidad de éxito en proyectos donde el problema se define correctamente antes de buscar la solución — consistente en múltiples industriasMcKinsey Problem-Solving Research · 2023–2024

47%de sobrecosto promedio en proyectos con definición de problema deficiente — el costo de arrancar sin hacer las preguntas correctasDeloitte Project Management Survey 2024

70%de las iniciativas de transformación digital globalmente no alcanzan sus objetivos de valor — la causa más documentada: problema mal definido, solución bien ejecutadaBCG Digital Transformation 2024 · N=850+

Por qué estas preguntas — y por qué en este orden

No son preguntas de screening. Son un diagnóstico. La diferencia importa porque un proceso de screening filtra clientes según criterios del consultor. Un diagnóstico revela la realidad del problema según lo que existe — y con frecuencia lo que revela es diferente de lo que el cliente cree que tiene. La primera conversación con un cliente potencial es la información más valiosa de todo el proyecto: el cliente habla sin filtros, sin la presión de que el proyecto ya está en marcha, sin el sesgo de haber invertido meses en una dirección. Si no sé escucharla correctamente, pierdo la única oportunidad de ver el problema sin el ruido que lo rodeará después.

Trabajo en sectores donde el margen de error tiene consecuencias regulatorias, operacionales y financieras directas. En fintech regulado bajo CNBV, un sistema de monitoreo PLD mal diseñado es una sanción. En farmacéutica bajo COFEPRIS, un proceso de trazabilidad con huecos es un riesgo de retiro de producto. En aviación bajo IATA, una falla en el sistema de operaciones es un incidente de seguridad. En esos contextos, la pregunta correcta no es un lujo metodológico. Es el primer control de riesgo del proyecto.

01

¿Cuál es el problema real — no el síntoma que lo hizo visible?

La primera cosa que el cliente describe siempre es el síntoma. La app se cae en quincena. El reporte de morosidad llega tarde. Los clientes se quejan del tiempo de atención. Los costos de cloud subieron 40% sin explicación. Eso es lo que hace que el problema sea visible. Pero el síntoma y el problema raramente son la misma cosa.

En doce años trabajando en más de quince sectores regulados, he aprendido que el problema real suele estar dos o tres niveles más abajo del síntoma inicial. La app que se cae en quincena no tiene un problema de infraestructura — tiene un problema de arquitectura de escalamiento que nadie diseñó para la carga predecible. El reporte de morosidad que llega tarde no tiene un problema de velocidad de proceso — tiene un problema de datos que no fluyen correctamente entre tres sistemas que nadie integró. Encontrar el problema real toma entre quince y cuarenta minutos de las preguntas correctas. Y cambia completamente qué se tiene que hacer.

McKinsey documentó que el 85% del valor en resolución de problemas complejos está en el diagnóstico correcto — no en la solución. El consultor que llega con la solución antes de entender el problema ya decidió cuál es el problema que su solución resuelve. Eso no es diagnóstico. Es venta.

PMI: $122M desperdiciados por $1B invertido — la causa principal es empezar la solución sin el diagnóstico correcto · McKinsey: 85% del valor está en definir bien el problema

02

¿Quién tiene el ownership real de este problema — y está dispuesto a ejercerlo?

Esta pregunta tiene dos partes y ambas importan por igual. La primera: ¿quién tiene el ownership? La segunda, que casi nunca se hace: ¿está dispuesto a ejercerlo? He visto proyectos perfectamente diseñados morir porque el directivo que los aprobó no estaba dispuesto a tomar las decisiones difíciles que el diseño requería. El ownership sin disposición de ejercerlo produce exactamente lo que Gallup documenta: el 27% de los managers globalmente está comprometido con su trabajo — y ese número cayó tres puntos en un año. El proyecto cuyo dueño no está comprometido con él es un proyecto que vive de los recursos del equipo técnico hasta que ese equipo se agota.

En entornos regulados, esta pregunta tiene consecuencia directa. En una implementación de sistema de PLD bajo CNBV, el Oficial de Cumplimiento que no tiene ownership real sobre el proyecto produce un sistema que técnicamente funciona y regulatoriamente es un riesgo. Porque las decisiones de configuración de alertas, de umbrales de monitoreo, de criterios de escalación requieren a alguien que entienda tanto el marco regulatorio como el proceso de negocio — y que tenga la autoridad para decidir cuando los dos entran en tensión. Si esa persona no existe o no está comprometida, el proyecto necesita ser rediseñado antes de comenzar.

Gallup 2025: solo 27% de managers comprometidos — un proyecto sin ownership real comparte exactamente esa probabilidad de ser ejecutado con plena intención · HBR: la falta de patrocinio ejecutivo genuino es la causa #1 de fracaso en transformación

El diagnóstico correcto no siempre produce la respuesta que el cliente quería escuchar. A veces produce la respuesta que necesitaba escuchar y que nadie más le había dicho. Esa es la conversación más valiosa que se puede tener antes de firmar cualquier contrato.

03

¿Cuál es la calidad real de los datos sobre los que va a operar la solución?

Esta pregunta produce la respuesta más reveladora de las siete — y la que más frecuentemente cambia el alcance del proyecto antes de empezar. En quince años trabajando con datos en sectores regulados, he aprendido que las instituciones sobreestiman sistemáticamente la calidad de sus datos y subestiman el trabajo que requiere llevarlos a un nivel operacional.

La razón es simple: los datos malos producen resultados que parecen correctos durante mucho tiempo. El reporte que sale todos los meses con los mismos números puede estar procesando datos con errores de clasificación que nadie ha detectado porque el error es consistente. El modelo de crédito que funciona "bien" puede estar tomando decisiones sobre datos de ingreso que tienen una inconsistencia en la fuente que solo se descubre cuando se compara contra el estado de cuenta bancario real. En CNBV, en COFEPRIS, en IATA — los reguladores tienen acceso a los datos reales. La institución que lleva años reportando sobre datos incorrectos descubre el problema en la auditoría, no en la implementación.

Gartner estimó que los datos de mala calidad le cuestan a las organizaciones entre $9.7 y $15 millones anuales. Antes de proponer cualquier solución que dependa de datos — y en 2026, casi toda solución depende de datos — hago el diagnóstico de calidad. Si los datos no están en condiciones, eso cambia el alcance, el tiempo y el costo del proyecto. Y es mejor saberlo antes de firmarlo que descubrirlo tres meses después.

Gartner: mala calidad de datos cuesta $9.7–15M anuales por organización · IBM: 85% de proyectos de IA en producción tienen problemas de calidad de datos no detectados en el diseño · Bloomfire: 14% del tiempo laboral se gasta recreando información que ya existía — pero no era confiable

04

¿Qué restricciones regulatorias, de seguridad o de cumplimiento operan sobre este problema — y quién las conoce bien?

Esta pregunta es la que más diferencia mi trabajo de quien no ha operado en entornos regulados. En sectores como fintech (CNBV, Banxico, UIF), salud (COFEPRIS, NOM-024, LFPDPPP), aviación (IATA, AFAC, FAA), energía (ASEA, CRE), farmacéutica (COFEPRIS, SENASICA, FDA) o banca de desarrollo — la solución técnicamente correcta puede ser regulatoriamente inoperable. Y la solución que cumple la regulación puede ser técnicamente más compleja de lo que el cliente anticipó.

El costo de descubrir una restricción regulatoria durante la implementación es entre tres y cinco veces mayor que el costo de mapearla antes de comenzar. He trabajado en implementaciones donde una cláusula del artículo 115 de la Ley de Instituciones de Crédito cambió el diseño de un sistema que llevaba dos meses de desarrollo. He visto proyectos de trazabilidad farmacéutica rediseñarse completamente porque nadie había leído la NOM que aplica antes de definir la arquitectura de datos. Esos rediseños tardíos son costosos. Son evitables. Y la única forma de evitarlos es hacer la pregunta antes, no durante.

Deloitte: 47% de sobrecosto promedio en proyectos con requerimientos regulatorios no identificados al inicio · PCI-DSS, ISO 27001, LFPDPPP, LRITF — cada marco tiene requisitos arquitectónicos que definen la solución tanto como el requerimiento de negocio

15+

Sectores regulados con operación real · CNBV · COFEPRIS · IATA · ASEA · BANXICO · FDA · NOM

Fintech regulado, banca, aviación, farmacéutica, alimentos, retail, ecommerce, hospitalidad, electricidad, petróleo y gas, salud, seguros, manufactura, logística, sector público. En cada uno de esos sectores hay un marco regulatorio específico que define lo que la solución puede y no puede hacer. La experiencia real en entornos regulados no es un diferenciador de CV. Es la diferencia entre proponer una solución que se puede implementar y proponer una que va a colapsar en la auditoría.

Perfil comprobado · CNBV · COFEPRIS · SENASICA · IATA · ASEA · FDA · PCI-DSS · ISO 27001 · ITIL · COBIT · TOGAF · BIAN · DAMA DMBOK · ISO 42001 · ISO 31000 · NIST

05

¿Qué tiene que ser verdad para que esto funcione — y cuántas de esas cosas son verdad hoy?

Esta es la pregunta que más incomoda a los clientes que llegan con certeza sobre lo que necesitan. Porque obliga a separar las condiciones del éxito de las suposiciones del éxito. La diferencia es que las condiciones se verifican y las suposiciones se creen.

En una implementación de core bancario, para que el sistema funcione tienen que ser verdad que los procesos de originación de crédito están documentados correctamente, que el equipo que va a operar el sistema tiene la capacitación adecuada, que los datos históricos se pueden migrar en el formato que el nuevo sistema requiere, y que el área de cumplimiento tiene los criterios regulatorios mapeados contra las funcionalidades del sistema. Cuántas de esas cosas son verdad hoy — antes de firmar el contrato — define si el proyecto dura seis meses o dieciocho. En mis quince años he aprendido que en la mayoría de los proyectos que fracasan, entre el 40% y el 60% de las condiciones de éxito no eran verdad el día que comenzaron. Y nadie lo preguntó.

BCG: solo 35% de transformaciones digitales alcanzan sus objetivos — el análisis post-mortem más consistente identifica supuestos no verificados como causa principal · Stanford Design Thinking: el problema más subestimado en cualquier proyecto es la brecha entre las condiciones asumidas y las condiciones reales

Las preguntas correctas antes de comenzar no alargan el proyecto. Lo acortan — porque eliminan los rediseños que ocurren cuando la realidad corrige las suposiciones que nadie verificó antes de invertir en ellas.

06

¿Cómo se verá el éxito — en números específicos, en una fecha específica?

Esta pregunta separa los proyectos de actividad de los proyectos de resultado. Un proyecto de actividad entrega: un sistema implementado, un proceso documentado, un equipo capacitado. Un proyecto de resultado entrega: cartera vencida reducida del 18% al 6% en nueve meses, tiempo de resolución de siniestros de 22 días a 5 días en seis meses, costo de nube reducido de $15,000 a $5,500 USD mensuales en doce semanas. La diferencia no es semántica. Es la diferencia entre poder evaluar si el proyecto funcionó y tener que confiar en que funcionó.

En sectores regulados, esta pregunta tiene una dimensión adicional: el regulador evalúa resultados, no actividades. A la CNBV no le importa que implementaste un sistema de monitoreo PLD — le importa que el sistema detecta las operaciones que debe detectar con la precisión que la norma requiere. A la COFEPRIS no le importa que rediseñaste el proceso de trazabilidad — le importa que cada lote tiene trazabilidad completa del insumo al paciente. Si el proyecto no puede definir el éxito en los términos que el regulador va a usar para evaluarlo, el proyecto no está bien definido.

McKinsey: proyectos con métricas de éxito definidas antes del inicio tienen 3.1× más probabilidad de entregar el valor prometido · PMI: solo 29% de organizaciones definen métricas de éxito claras antes de comenzar sus proyectos principales

07

¿Estoy hablando con quien puede tomar la decisión — o con quien tiene que convencer a quien puede tomarla?

Esta es la pregunta más directa y la que más directivos interpretan como descortesía cuando en realidad es respeto. Respeto por su tiempo y el mío. Porque he aprendido — después de proyectos donde la primera conversación con el director de tecnología fue seguida de cuatro meses de "alineación interna" antes de llegar a quien realmente decidía — que el proyecto que empieza sin el tomador de decisión real en la primera conversación frecuentemente termina siendo un proyecto diferente al que se diseñó.

En entornos regulados esto importa todavía más. La decisión de implementar un sistema de gobierno de datos que cruza todas las áreas de una institución financiera requiere a alguien con autoridad para que finanzas, tecnología, cumplimiento y negocio compartan la misma fuente de verdad. Esa autoridad rara vez vive en el director de tecnología. Vive en el CEO o en el consejo. Si el proyecto se diseña sin esa autoridad en la conversación inicial, se diseña para el nivel de poder que se tiene — que frecuentemente no es el nivel de poder que la solución requiere.

No es una pregunta sobre jerarquía. Es una pregunta sobre qué tan ambicioso puede ser el proyecto — y quién tiene que estar en la sala para que esa ambición sea ejecutable.

HBR: el patrocinio ejecutivo genuino (no nominal) es el predictor #1 de éxito en proyectos de transformación · Gartner: 74% de compras tecnológicas complejas fracasan en implementación por cambio de decisor entre la venta y la ejecución

Lo que revelan las respuestas — y qué hago con ellas

Cuando las siete preguntas tienen respuestas honestas, una de tres cosas ocurre. La primera: el proyecto es exactamente lo que parecía y está listo para comenzar — lo que ocurre aproximadamente el 30% del tiempo. La segunda: el proyecto necesita redefinición de alcance, de objetivo, de condiciones de éxito o de quién está en la sala — lo que ocurre aproximadamente el 50% del tiempo. La tercera: el problema real no es el que describió el cliente y la solución que tienen en mente no lo va a resolver — lo que ocurre aproximadamente el 20% del tiempo.

Ese 20% es el más importante. No porque sea el más frecuente — no lo es. Sino porque es el que más valor produce decir en voz alta. El cliente que escucha "el problema que describes no es el problema real, y esto es por qué" en la primera conversación no pierde tiempo, no pierde presupuesto y no pierde meses de proyecto en una dirección incorrecta. Ese cliente, con frecuencia, regresa — porque la honestidad en la primera conversación es más rara de lo que debería ser.

Lo que estas preguntas no son

No son un filtro para proyectos fáciles. Los proyectos más complejos que he ejecutado — migraciones de core bancario, implementaciones de plataformas de salud reguladas, transformaciones de sistemas de aviación, despliegues de IA en entornos de misión crítica — tienen respuestas difíciles a estas preguntas. Pero las tienen. Y tener respuestas difíciles es mejor que no tener respuestas.

No son un proceso de ventas. A veces revelan que el proyecto no necesita lo que el cliente creía que necesitaba. A veces revelan que hay una solución más simple, más barata y más rápida que la que se tenía en mente. Decir eso no es perder un contrato. Es ganarse la confianza del cliente — que vale más que el contrato.

No son rígidas. Se adaptan al sector, al contexto regulatorio, al tamaño de la organización y a la naturaleza del problema. Pero el principio que las une es invariable: el tiempo invertido en diagnosticar correctamente nunca es tiempo perdido. El tiempo invertido en ejecutar la solución incorrecta siempre lo es.

"Si tuviera una hora para resolver un problema, pasaría cincuenta y cinco minutos pensando en el problema y cinco minutos pensando en la solución."— Albert Einstein · Citado en HBR "Are You Solving the Right Problems?" · Thomas Wedell-Wedellsborg · 2017

Llevó años entender que el valor de estas preguntas no está en las respuestas que producen. Está en el proceso de buscarlas — en la conversación que generan entre el cliente y yo, en los detalles que emergen cuando alguien tiene que articular exactamente qué quiere resolver, con qué recursos, bajo qué restricciones y con cuál definición de éxito. Esa conversación es el proyecto. Todo lo que viene después es ejecución.

Y la ejecución, cuando el diagnóstico es correcto, resulta ser considerablemente más simple de lo que parecía cuando la urgencia era el único marco disponible para entender el problema.

Fuentes: PMI "Pulse of the Profession 2024" · McKinsey "Decoding Leadership" y "Problem-Solving Research" 2023–2024 · Gartner AI in Production Statistics 2025 · BCG "Flipping the Odds of Digital Transformation" 2024 · Deloitte Project Management Survey 2024 · Gallup State of the Global Workplace 2025 · HBR "Are You Solving the Right Problems?" Wedell-Wedellsborg 2017 · Harvard Business Review Knowledge Management Statistics 2026 · Gartner Data Quality Research 2024 · IBM Ponemon Cost of a Data Breach 2025 · Bloomfire Enterprise Intelligence Report 2025 · Stanford d.school Design Thinking Methodology · CNBV · COFEPRIS · IATA · ASEA · BANXICO · Marcos regulatorios: PCI-DSS · ISO 27001 · ITIL · COBIT · TOGAF · BIAN · DAMA DMBOK · ISO 42001 · NIST · ISO 31000.

Jorge Mercado · #JMCoach