# Diagnóstico de Preparación para IA

> Autoevaluación gratuita de preparación para IA en cinco dimensiones: datos, tecnología, estrategia, personas y cultura, gobernanza y procesos. Quince afirmaciones, cuatro minutos.

URL: https://preview2.snowfox-ai.com/es/diagnostico-ia
Última actualización: 2026-11-20

## Qué revisa el diagnóstico

### Datos

Qué existe, dónde está y si es fiable.

- Sabemos qué fuentes de datos alimentan nuestras decisiones más importantes y quién es responsable de cada una.
- Los datos que necesitaría un modelo están accesibles en un solo lugar, sin exportaciones manuales.
- Medimos la calidad de los datos y las personas confían en las cifras de nuestros informes.

### Tecnología

Sistemas en uso, cómo se conectan y qué no pueden hacer.

- Nuestros sistemas centrales (ERP, CRM, data warehouse) exponen datos y acciones mediante API o integraciones.
- Contamos con un entorno donde un modelo o una automatización se puede desplegar, supervisar y revertir.
- Podemos incorporar una nueva herramienta o servicio sin un proyecto de infraestructura de varios meses.

### Estrategia

En qué resultados de negocio debe incidir el trabajo.

- Podemos indicar la métrica de negocio en la que debe incidir cada iniciativa propuesta de IA o datos.
- Los casos de uso se priorizan por valor y viabilidad, no según quién los pidió con más insistencia.
- Hay presupuesto y un patrocinador ejecutivo al menos para la primera iniciativa.

### Personas y cultura

Competencias, responsabilidad y disposición a cambiar la forma de trabajar.

- Alguien dentro de la empresa es responsable de cada iniciativa de IA o datos de principio a fin.
- Tenemos, o podemos conseguir, las competencias para construir y operar modelos en producción.
- Los equipos están dispuestos a cambiar un proceso cuando los datos indican que deben hacerlo.

### Gobernanza y procesos

Quién decide, riesgos y cómo se aprueban los cambios.

- Tenemos reglas claras de seguridad, retención y privacidad de los datos, y se cumplen.
- Está claro quién puede aprobar la puesta en producción de un modelo o una automatización.
- Revisamos el riesgo de las decisiones automatizadas antes y después de su puesta en producción.
