Qué es
Si alguien le entrega una puntuación de madurez, léala como una descripción de dónde está usted, y busque los resultados en otra parte. Los modelos de madurez sitúan a una empresa en una escalera, a menudo de cinco niveles, y prometen que subirla compensa. Los publican consultoras, proveedores e investigadores.
Qué muestra la evidencia
Los argumentos para no fiarse de la puntuación
- Una revisión de una década de estudios sobre modelos de madurez digital informa de que los investigadores cuestionan el valor de los modelos. Los modelos no tienen reglas objetivas de puntuación, y nadie tiene datos que relacionen un nivel de madurez con el rendimiento.
- Muchos modelos recogen sobre todo lo que piensan los altos directivos, no resultados medibles.
- Una revisión de 47 estudios encontró que la relación entre la preparación para el cambio y una implementación con éxito no está clara. Los estudios miden la preparación de formas muy distintas.
- Una revisión de los estudios publicados sobre modelos de madurez en IA encontró que 6 de 13 estudios (46 %) evalúan sobre todo la tecnología (Sadiq y otros, en las fuentes de abajo).
- Llegar más lejos no fue unido a mejores planes de contratación. El Federal Reserve Bank of New York analizó una encuesta de 2025 a pequeñas empresas de Estados Unidos con empleados. Entre las empresas que usaban IA, las que la habían integrado en sus procesos no esperaban contratar más que las que aún estaban experimentando. En los registros de nóminas analizados por Gusto, que vende software de nóminas a pequeñas empresas, las empresas que usaban la IA para tareas cotidianas sumaron personal al mismo ritmo que las que la habían integrado a fondo en sus operaciones. Las dos fuentes están en la lista de abajo.
Los argumentos a favor
- Una encuesta a 143 altos directivos encontró que las empresas con más capacidad en IA declaraban más creatividad y mejor rendimiento. En esa encuesta, los mismos directivos calificaron tanto la capacidad como el rendimiento.
- En una encuesta de la OECD a 2018 pequeñas y medianas empresas de 12 países, el 2 % de las empresas que usaban la IA para tareas aisladas declaró un efecto transformador. Entre las empresas que la usaban en todo el negocio, lo hizo el 23 %. Las propias empresas calificaron el efecto. La OECD dice que la muestra no es representativa: se llegó a las empresas a través de plataformas digitales que trabajan con la OECD, y tres cuartas partes de las respuestas sobre IA vinieron de Japón.
Nadie ha demostrado que una puntuación de madurez prediga la rentabilidad.
Cómo hacerlo
- Use una evaluación de madurez para ordenar una conversación: ¿dónde somos débiles y estamos de acuerdo en ello?
- Mire las respuestas a cada pregunta, no el nivel global.
- Compruebe quién la rellenó. Si solo lo hicieron los directivos, busque otras opiniones. Vea evalúe la preparación con varias fuentes.
- No ponga como objetivo “llegar al nivel 4”. Ponga objetivos en términos de negocio: tiempo, calidad, costo, ingresos.
- No use una puntuación para clasificar unidades de negocio ni para decidir presupuestos.
- Desconfíe cuando la comparación con otras empresas venga de quien vende la solución.
Qué medir
- Los resultados de proyectos de IA reales: tiempo ahorrado, calidad, costo. Vea mida frente a una medición de partida.
- Si repite una evaluación de madurez, cuánto se acercan entre sí las opiniones de los distintos grupos.
Dónde falla
- Tirar el modelo a la basura. Una lista de comprobación ordenada sigue ayudando a un equipo directivo a ver sus carencias. La advertencia se refiere a lo que la puntuación puede demostrar.
- Sectores regulados. Algunas auditorías y normas exigen una evaluación documentada. Hágala, y manténgala separada de su caso de negocio.
Según el tamaño de la empresa
- Mediana: la mayoría de los modelos publicados se crearon para grandes empresas y puede que no encajen. Basta una lista de comprobación breve.
- Gran empresa: las puntuaciones de madurez suelen acabar en los informes al consejo. Ponga al lado los resultados de los proyectos.
Evaluaciones para esta práctica
Son cuestionarios, pruebas y guías ya existentes que puede usar. Cada tarjeta indica la pregunta que responde, quién la contesta y si puede usarla libremente. Todas las evaluaciones.
- ¿Tiene la empresa lo que necesita para usar la IA? AI Capability scale Directivos, sobre su propia empresa · 46 preguntas Uso y adaptación libres
- ¿Está el personal comprometido con este cambio, y cree que se puede lograr? Organizational Readiness for Implementing Change (ORIC) El personal, sobre su organización o su equipo · 12 preguntas No establecido
- ¿Están preparados para la IA tanto un organismo público como su personal? Dual-level model of AI readiness in the public sector Directivos y personal, en una conversación · 4 grupos de criterios. El número de preguntas no está establecido Uso y adaptación libres
Fuentes
- Thordsen and Bick (2023). A decade of digital maturity models: much ado about nothing?. Information Systems and e-Business Management, 21(4), 947–976. Qué hizo y qué encontró este estudio
- Silva, São Mamede and Santos (2024). A new proposed model to assess the digital organizational readiness to maximize the results of the digital transformation in SMEs. Journal of Innovation & Knowledge, 10(1), 100644. Qué hizo y qué encontró este estudio
- Caci, Nyantakyi, Blum, Sonpar, Schultes, Albers and Clack (2025). Organizational readiness for change: A systematic review of the healthcare literature. Implementation Research and Practice, 6. Qué hizo y qué encontró este estudio
- Mikalef and Gupta (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 103434. Limita o contradice esta práctica. Qué hizo y qué encontró este estudio
- Sadiq, Safie, Abd Rahman and Goudarzi (2021). Artificial intelligence maturity model: a systematic literature review. PeerJ Computer Science. doi.org
- Aarons and Sarkar (October 2026). AI Adoption and Employment Expectations: Evidence from a Survey of Small Business Owners. Federal Reserve Bank of New York, Liberty Street Economics. libertystreeteconomics.newyorkfed.org
- Tremper and Bowen (2026). Analysis of AI adoption and hiring at small businesses, from payroll records. Gusto, which sells payroll software to small firms. gusto.com
- Bianchini, Lasheras Sancho and others (April 2026). Empowering SMEs in the age of AI: The 2026 OECD D4SME Survey. OECD. oecd.org
Afirmaciones sobre este tema, verificadas con estos estudios:
- “La AI Maturity Matrix de BCG muestra lo madura que es una empresa” Hay que corregirla
- “Microsoft tiene un modelo de madurez para la IA responsable” Confirmada
- “Solo el 13 % de las empresas está preparado para la IA” Hay que corregirla
Prácticas relacionadas
- Evalúe la preparación con varias fuentes, no con la opinión de un solo directivo Un cuestionario de preparación que rellena un solo alto cargo refleja la opinión de esa persona. Pregunte también al personal y a los mandos, y compare las respuestas con lo que puede observar. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Mida por separado la disposición y la resistencia El personal puede estar entusiasmado con la IA y preocupado por ella a la vez. Pregunte por las dos cosas por separado. Una sola puntuación de “preparación” oculta la preocupación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Mida el tiempo ahorrado por tarea frente a una medición de partida Anote cuánto tarda una tarea y lo bueno que es el resultado antes de añadir la IA. Sin esa cifra de partida no podrá distinguir una mejora real de una esperanza. Hacer primero · Esfuerzo: bajo (días, una persona)