Cuando un proyecto de IA se traba, casi nunca es la tecnología. Es quién hace qué.
Nina Brenes··6 min de lectura
- Todo proyecto de IA tiene cinco roles: AI Visionary, AI Operator, AI Implementer, Experto en la materia y Usuarios finales.
- Mezclar los roles, no la tecnología, es la razón más común por la que fracasan los proyectos de IA.
- El AI Operator traduce los procesos en playbooks e impulsa la adopción. No es técnico, y es el rol que la mayoría de los consultores debería jugar.
- El modelo de cinco roles es del programa de AMP (runonamp.com). En The Harmony Labs, Governance se suma como una sexta disciplina.
Cinco roles. Un proyecto. Cada rol con un trabajo distinto. Cuando alguien juega el rol equivocado, todo el proyecto se traba. Y esa, más que la tecnología, es la razón número uno de que los proyectos de IA fracasen.
Y que un proyecto fracase no es raro. RAND encontró que más del 80% de los proyectos de IA fracasan, cerca del doble que los proyectos de tecnología comunes (RAND Corporation, 2024), y S&P Global reportó que el porcentaje de empresas que abandona la mayoría de sus iniciativas de IA saltó del 17% en 2024 al 42% en 2025 (S&P Global Market Intelligence, 2025). Este modelo de cinco roles viene del programa de AMP (antes The AI Exchange), donde me certifiqué como AI Operator. No es teoría: mezclar estos roles es el error más común que veo detrás de esos números.
Los cinco roles
1. AI Visionary
Define el porqué, las prioridades y el presupuesto. Su trabajo es definir cómo se ve el éxito y luego mantenerse fuera del detalle. No participa en la construcción.
2. AI Operator
Traduce los procesos del negocio en playbooks, prueba el sistema y asegura la adopción. Es el rol que la mayoría de los coaches y consultores debería jugar. No es técnico. Es esencial.
3. AI Implementer
Construye el sistema técnico: escribe código, configura herramientas, conecta integraciones. Trabaja desde el playbook que le da el Operator, y no debería estar diseñando el proceso, solo construyendo lo que ya se diseñó.
4. Experto en la materia (SME)
Define cómo se ve lo bueno. Aporta la experiencia que hace que el resultado tenga nivel. Si estás automatizando reportes de clientes, el SME es la persona que sabe qué contiene un gran reporte de cliente.
5. Usuarios finales
Las personas que de verdad usan el sistema todos los días. Si no lo adoptan, nada más importa. La adopción es la única métrica que cuenta al final.
Cómo se rompe: jugar el rol equivocado
Equivocarse de rol es casi siempre lo que traba un proyecto de IA. Los mismos cuatro errores aparecen una y otra vez:
- El Visionary intenta hacer el trabajo del Operator, y todo se traba y nada se construye.
- El Implementer se adueña del mapeo del proceso, y construye lo equivocado.
- El SME ajusta prompts en vez de definir estándares, y el resultado sigue siendo inconsistente.
- Demasiados usuarios finales dan forma al sistema, y queda inflado e inservible.
Dónde entra Governance
El modelo de cinco roles es de AMP (runonamp.com), el programa donde me certifiqué. En The Harmony Labs sumo una sexta disciplina, Governance: protección de datos, límites de uso responsable, y una persona en el proceso donde importa, con dueño desde el primer día. Sabé qué rol estás jugando en cada proyecto, y quedate en él.
Preguntas frecuentes
¿Cuáles son los roles en un proyecto de IA?
Cinco: el AI Visionary (define el porqué y el presupuesto), el AI Operator (escribe los playbooks e impulsa la adopción), el AI Implementer (construye el sistema), el Experto en la materia (define cómo se ve lo bueno) y los Usuarios finales (cuya adopción es la métrica real). Es un modelo del programa de AMP.
¿Qué hace un AI Operator?
El AI Operator traduce los procesos del negocio en playbooks, prueba el sistema e impulsa la adopción. A propósito no es un rol técnico, y es el rol que la mayoría de los consultores y coaches debería jugar en un proyecto de IA.
¿Por qué fracasan los proyectos de IA por culpa de los roles?
Porque la gente juega el rol equivocado. Un Visionary haciendo trabajo de Operator traba la construcción, un Implementer mapeando el proceso construye lo equivocado, un SME ajustando prompts deja el resultado inconsistente, y demasiados usuarios finales lo inflan. La tecnología casi nunca es el problema.
¿Quién debería liderar un proyecto de IA en una empresa?
El AI Operator lleva el proyecto en el día a día, mientras el AI Visionary es dueño del porqué y del presupuesto desde arriba. El Operator es el rol pivote, y no es técnico, por lo que muchas veces un operator externo es quien mejor lo ocupa.
- AMP (formerly The AI Exchange), Certified AI Operator program — AMP
- The Root Causes of Failure for Artificial Intelligence Projects (RRA2680-1): over 80% of AI projects fail — RAND Corporation
- Generative AI shows rapid growth but yields mixed results (Voice of the Enterprise: AI & ML 2025): abandonment rose from 17% to 42% — S&P Global Market Intelligence
Nina Brenes
Socia de IA para fundadoras con propósito
Certified AI Operator (The AI Exchange) y Claude Partner de Anthropic. Nina invierte su propio tiempo en conferencias de IA y práctica diaria para que las fundadoras con las que trabaja no tengan que hacerlo.
Certified AI Operator · Anthropic Claude Partner
Conectar en LinkedIn