AI en consultoras: qué procesos estandarizar antes de automatizar PS en España

España no tiene un problema de adopción. Según el informe de Deloitte sobre el estado de la AI en las empresas, el 61% de las compañías españolas ya ha implementado soluciones de inteligencia artificial en sus operaciones. El I Barómetro del Digital Enterprise Show 2026 va más lejos y sitúa en el 87,2% las empresas que ya utilizan agentes de AI, mientras que solo el 12,8% percibe un impacto directo en ingresos.

Esa distancia entre despliegue y resultado es el verdadero punto de partida. La Encuesta sobre la Actividad Empresarial del Banco de España ya anticipaba la paradoja: aunque cerca de tres cuartas partes de las grandes empresas consultadas afirmaban usar inteligencia artificial en sus operaciones, en la mayoría de ellas menos del 25% de la plantilla la utilizaba de forma regular.

En una consultora, donde el margen se define en la diferencia entre la hora vendida y la hora ejecutada, una herramienta que se usa poco y mal no es neutra. Es coste no facturable.

Este artículo ordena qué hay que estandarizar antes de automatizar, en qué secuencia y con qué criterio de validación.

Un agente que sugiere cómo asignar un equipo necesita saber quién está disponible, con qué perfil y a qué coste. Si esa disponibilidad vive en la cabeza de un gerente de proyecto y en una hoja de cálculo que se actualiza los viernes, el agente va a producir recomendaciones con información vieja, solo que más rápido y con más aparente autoridad.

El diagnóstico está medido. En el informe de Deloitte, la calidad de los datos aparece como barrera para el 45% de las empresas, que descubren que no pueden escalar sus modelos porque su información interna está fragmentada, desactualizada o es insuficiente. El estudio de SAS e IDC aporta el detalle operativo: en España, el 43,2% de las compañías gestiona todavía la calidad del dato de manera aislada, dentro de equipos o departamentos concretos, mientras que apenas el 18,5% la establece como requisito obligatorio para todos sus proyectos.

Esa misma investigación cuantifica lo que está en juego: las organizaciones con niveles más altos de gobernanza, calidad del dato y capacidad de auditoría tienen quince veces más probabilidades de declarar un retorno de inversión alto o sólido que las que menos han desarrollado esas capacidades.

Hay un segundo riesgo, menos visible: sin línea base no hay caso de negocio. El 2026 AI in Professional Services Report de Thomson Reuters encontró que solo el 18% de los profesionales afirma que su organización mide el retorno de la inversión en AI, y otro 40% no sabe si se mide. Quien no definió sus métricas antes de automatizar no podrá demostrar la mejora después.

1. La taxonomía de proyectos y servicios

Es el cimiento del que dependen todos los demás. Antes de automatizar nada, la firma tiene que poder responder sin ambigüedad qué es un proyecto, qué es una fase y qué es una tarea.

Definiciones mínimas a cerrar:

• Modelo de contratación por proyecto: venta de horas (staffing), venta de solución a precio cerrado, iguala mensual, bolsa de horas, pago contra hitos.
• Unidad de negocio, oficina y línea de servicio asociada a cada proyecto. Sin esto, ningún informe de rentabilidad se puede abrir por dimensión.
• Estados del proyecto y qué evento produce cada cambio de estado.

El error más común en firmas con varias sedes: la oficina de Madrid, la de Barcelona y la de Bilbao llamando de forma distinta al mismo tipo de trabajo. Cuando eso pasa, la consolidación queda condenada a ser manual para siempre.

2. La imputación de horas: la unidad mínima de todo

Es el dato que más cuesta y el que más rinde. Sin horas imputadas de forma consistente no hay rentabilidad por proyecto, no hay utilización real y no hay previsión posible.

Lo que hay que estandarizar:

• Granularidad: contra qué se imputa la hora (proyecto, fase, tarea) y con qué nivel de detalle.
• Frecuencia y fecha límite: diaria o semanal, con un corte claro. Una imputación mensual hecha de memoria es un dato inventado.
• Criterio facturable y no facturable: qué cuenta como cada cosa, y quién decide en los casos frontera.
• Tratamiento del retrabajo: si no se imputa aparte, el coste de rehacer queda escondido dentro del coste de hacer.

El camino que mejor funciona en firmas con cultura consolidada es empezar por macroetapas y solo después bajar a la granularidad. Pedir detalle fino el primer mes garantiza el abandono.

3. Tarifas y costes por jerarquía

La ecuación de la firma no ha cambiado nunca: precio de venta menos coste de las personas menos coste de estructura. Lo que cambia es si la firma puede verla en tiempo real o al cierre.

Estandarizar implica definir:

• Tarifa por jerarquía (socio, gerente, senior, junior) y por línea de servicio cuando corresponda.
• Coste real por perfil, no solo el salario bruto: incluye tiempo no asignado, formación, coste de entrada y de salida.
• Vigencia de cada tarifa: desde cuándo rige y qué proyectos se quedan con la anterior.

Sin esa tabla ordenada, cualquier cálculo de margen automatizado es una estimación con aspecto de certeza.

4. El presupuesto como línea base: planificado frente a ejecutado

Este es el dato que habilita la conversación comercial. Estandarizar la comparación entre horas presupuestadas y horas ejecutadas, por perfil, por fase y por mes, es lo que permite detectar la desviación mientras todavía se puede hacer algo, y lo que da sustento para renegociar honorarios sin que sea una discusión de percepciones.

El criterio a fijar: cada proyecto entra en el sistema con presupuesto de horas por perfil antes de arrancar. Sin excepciones, incluso en proyectos vendidos a precio cerrado.

5. Capacidad y asignación de recursos

Aquí es donde la automatización tiene el retorno más alto y donde la base suele estar más floja. El patrón comercial agrava el problema: primero se consigue la oportunidad y después se busca a la gente, con lo cual la asignación se define a contrarreloj y sin validar disponibilidad real.

La contradicción está medida. Una investigación de Dayshape entre 200 directivos de servicios profesionales encontró que el 86% afirma que el talento de su firma está plenamente utilizado, mientras que un 38% pide información en tiempo real sobre capacidad y disponibilidad para mejorar la asignación de recursos, y un 42% reconoce que el desgaste del equipo es su principal desafío de retención. Si la firma dice estar al 100% de utilización y a la vez no puede verlo, lo que tiene no es un dato: es una creencia.

Para que la capacidad sea automatizable hay que estandarizar:

• Disponibilidad real de cada persona en un eje de tiempo, no un promedio.
• Porcentaje de asignación por proyecto, con fechas de inicio y fin.
• Perfiles y competencias normalizados, para que “un consultor senior de procesos” signifique lo mismo en Madrid, en Lisboa y en Ciudad de México.

El caso típico: una persona asignada al 160% durante un mes que nadie vio a tiempo, y que presenta su baja voluntaria al mes siguiente. Ese dato estaba disponible. Simplemente no estaba estructurado.

6. El cierre y el gobierno del dato

El último cimiento es el menos vistoso y el que más discusiones evita: quién es dueño de cada campo y cuándo el dato se considera definitivo.

• Fecha de cierre de imputación y quién valida.
• Quién puede modificar una tarifa, un presupuesto o una asignación.
• Cómo se cruza con contabilidad y con qué periodicidad.

Sin esto, el mismo número da distinto según quién lo mire, y la discusión se traslada a la validez del dato en lugar de a la decisión de negocio.

Una firma que opera en España tiene una capa adicional de estandarización que las metodologías anglosajonas suelen pasar por alto.

Registro de jornada frente a imputación a proyecto. El registro diario de jornada es obligatorio para todas las empresas desde mayo de 2019, por el artículo 34.9 del Estatuto de los Trabajadores, y la reforma que pretende imponer el formato exclusivamente digital continúa en tramitación sin aprobarse. El riesgo operativo es conocido: muchas firmas tienen fichaje cumplido y ninguna imputación a proyecto, o dos sistemas en paralelo que nunca cuadran. Son dos datos distintos con dos finalidades distintas, y conviene definir desde el principio cuál es la fuente de verdad para cada decisión, cómo se concilian y qué se le pide al equipo una sola vez en lugar de dos.

Gobernanza y marco regulatorio. En el informe de Deloitte, la incertidumbre sobre la aplicación del Reglamento Europeo de Inteligencia Artificial es la barrera más citada, por el 49% de las empresas. Para una consultora esto se traduce en una pregunta concreta y anterior a cualquier automatización: qué datos de cliente pueden entrar en un sistema de AI, bajo qué base legal y con qué trazabilidad.

Explicabilidad como requisito, no como extra. El estudio de SAS e IDC detectó que en España el 35,1% de los profesionales que decide ignorar una recomendación generada por AI lo hace porque el sistema no logra explicar cómo llegó a esa conclusión. En un entorno donde el socio firma la decisión, una recomendación sin trazabilidad no se adopta.

Estructuras de contratación mixtas. Plantilla propia, autónomos, colaboradores por factura y subcontratación conviven en el mismo proyecto. Si el coste hora solo está definido para una de esas figuras, la rentabilidad del proyecto es parcial.

La resistencia al cambio no es un detalle: es el riesgo principal, y compite de tú a tú con los obstáculos técnicos. Entre los tres obstáculos más citados para adoptar AI en la encuesta del Banco de España aparecen la falta de personal cualificado, señalada por el 45,8% de las empresas, y la indisponibilidad o mala calidad de los datos propios, por el 37,8%. A eso se suma un problema de mercado laboral: la mitad de los puestos de trabajo relacionados con AI en España se quedaron sin cubrir, según el informe Perspectivas España de KPMG.

Los equipos de una consultora son senior, tienen poco tiempo y baja tolerancia a explorar herramientas nuevas. La implementación se cae por adopción, no por producto. Dos cosas cambian el resultado:

1. Cómo se comunica la imputación de horas. Si se presenta como control, el equipo la resiste. Si se presenta como el instrumento que permite discutir alcance con el cliente y evitar sobrecarga, se adopta.
2. Acompañamiento desde la etapa 1. No un onboarding, sino un interlocutor que entienda el negocio de la firma y esté presente durante la transición.

Siete preguntas. Si hay más de dos respuestas negativas, el proyecto de AI todavía no es el siguiente paso:

1. ¿Toda hora imputada se asigna a un proyecto y una fase definidos?
2. ¿Existe una tabla de tarifas por jerarquía vigente y versionada?
3. ¿Cada proyecto activo tiene presupuesto de horas por perfil cargado antes de arrancar?
4. ¿Se puede ver la asignación de cada persona en los próximos 60 días sin pedirle el dato a nadie?
5. ¿El coste del retrabajo se puede aislar?
6. ¿El registro de jornada y la imputación a proyecto están conciliados, con una fuente de verdad definida para cada uno?
7. ¿Están definidas las métricas de línea base contra las que se va a medir el retorno?

La dirección del mercado es clara. El I Barómetro del Digital Enterprise Show 2026 sitúa el uso de agentes de AI en el 87,2% de las empresas españolas, con el coste de implantación (28,7%), la seguridad (19,1%) y la falta de datos de calidad (18,1%) como principales barreras para escalarlos. En servicios profesionales a escala global, el informe de Thomson Reuters de 2026 midió por primera vez el uso de AI agéntica y encontró que un 15% de las organizaciones ya ha adoptado alguna herramienta de ese tipo.

Pero el patrón dominante en el sector no es la sustitución. Con la base ordenada, la automatización rinde en tareas de observación y anticipación: detectar desviaciones antes de que sean irreversibles, proyectar el cierre de un proyecto, sugerir asignaciones según capacidad real, conciliar horas con contabilidad. Lo que sigue siendo humano es la lectura del cliente, la decisión de precio y la negociación de honorarios.

La firma que estandariza primero no llega más tarde a la AI. Llega con una ventaja que no se compra: datos sobre los que se puede decidir.

Volver al Blog