Por qué fallan los presupuestos de CRM

Vale, vamos a desempacar esto. Porque a ver, ¿qué pasaría si planteamos que ese presupuesto multimillonario que la junta directiva acaba de aprobar, eh, pues que está condenado a fracasar en los primeros doce meses? Y fíjate, no por un fallo técnico. Exacto. No porque el software sea defectuoso, sino porque literalmente todas las personas en la sala de decisiones han alucinado por completo con el coste real del proyecto. Es una afirmación que suena muy dura, la verdad. Pero bueno, describe a la perfección lo que ocurre casi a diario en los comités de dirección. Los líderes empresariales suelen mirar la tecnología a través de una lente, digamos, completamente equivocada. Totalmente. Buscan la seguridad de un coste cerrado. O sea, como si estuvieran comprando el edificio de unas oficinas, ¿sabes? Firman la hipoteca y asumen que saben exactamente qué van a pagar cada mes. Pero claro, un ecosistema tecnológico no es un edificio de ladrillos, es un organismo vivo que consume recursos constantemente. Y bueno, de eso va nuestro análisis a fondo de hoy. Para quienes nos escuchan y tienen que lidiar con presupuestos de software empresarial, vamos a diseccionar esto. Sí, porque la diferencia entre el precio de etiqueta y el coste real de propiedad es abismal. Nos basamos en un artículo contundente del especialista Jesús Hoyos. El objetivo hoy es descubrir por qué esos presupuestos de CRM que parecen impecables en un Excel terminan convirtiéndose en una trampa. Y lo más importante, cómo evitar que un presupuesto aprobado sea solo, digamos, un depósito inicial encubierto. Y hay un catalizador que hace que todo este análisis sea muchísimo más urgente hoy que hace, no sé, cinco años: la llegada de la inteligencia artificial. Vaya que sí. Lo fascinante de esto es que ha roto por completo los modelos tradicionales. Lo que antes era un gasto más o menos predecible, hoy se ha convertido en un modelo de consumo dinámico que, a ver, si no se entiende bien, garantiza el desastre. Pero antes de meternos en el laberinto de la IA, creo que debemos entender la anatomía básica de un presupuesto, ¿no? Porque la creencia popular asume que el presupuesto es simplemente igual al coste de las licencias. Y ese es el origen de la ceguera estructural. Esa es solo la primera de cuatro capas. La capa uno es puramente la tecnología base. El escaparate, por así decirlo. Exacto, el escaparate. Incluye el acceso, el almacenamiento en la nube, las APIs y esos entornos de prueba o sandboxes. Como es un coste directo del proveedor, es facilísimo de poner en una hoja de cálculo. Claro, y eso da una falsa sensación de control tremenda. Porque la tecnología sola no aporta nada si no se adapta a la empresa. Y ahí es donde entra la capa dos. La implementación, que bueno, suele aprobarse, aunque casi siempre con recortes. Hablamos de la consultoría externa, la migración inicial de datos y la capacitación básica. Justo para llegar al día del lanzamiento, el famoso go live. Y mira, si me permites una analogía, aprobar solo la capa uno y parte de la dos es como comprar un coche eléctrico de lujo, un cochazo. Ajá. Pero resulta que olvidas por completo presupuestar la instalación del cargador en tu casa, el seguro a todo riesgo y el mantenimiento anual. Tienes el coche aparcado, es precioso, pero no puedes usarlo. Esa analogía captura perfectamente el problema, la verdad. Pero yo iría un paso más allá. No es solo que falte el mantenimiento, es que las capas tres y cuatro son los cimientos operativos que mantienen ese coche en la carretera. Y es ahí donde las mesas directivas sufren de amnesia selectiva. Háblanos de la capa tres. La capa tres es la operación continua. Un CRM requiere un equipo humano constante dedicado a optimizarlo. Hablamos de gestionar la calidad de los datos para que el sistema no se convierta en un vertedero digital y, muy importante, adoptar prácticas de DevOps. Vale, detengámonos un segundo en DevOps, porque es una palabra que se lanza mucho en las reuniones, pero rara vez se entiende bien. No es simplemente programar rápido. En absoluto. En este contexto, DevOps es el puente indispensable para crear algo nuevo y desplegarlo sin que el sistema colapse. Si necesitas un módulo nuevo de ventas, no puedes conectarlo y cruzar los dedos. Ya. No es enchufar y listo. Claro. Necesitas maquinaria automatizada para probar el código y verificar que no rompe nada mientras cientos de empleados están usando la plataforma. Sin DevOps en la capa tres, cada actualización es una ruleta rusa. Madre mía. Y luego nos encontramos con la capa cuatro, la gobernanza y el cumplimiento. Que, a ver, suele ser la parte más aburrida de cualquier presentación. Pero es tu red de seguridad corporativa. Engloba la seguridad de la información, el cumplimiento de normativas de privacidad, la gestión de los proveedores y las auditorías. Y el problema, según entiendo, es que las empresas ven estas dos últimas capas como costes inesperados cuando llega el segundo año. Lo fascinante de esto es que no tienen nada de inesperados. Simplemente, nunca se presupuestaron, porque la visión a corto plazo obligó a ignorarlos para que el precio inicial pareciera más atractivo. Es como hacerse trampas al solitario. Y justo cuando parece que gobernar estas cuatro capas ya estela, llega el giro de guion. La inteligencia artificial entra en escena y dinamita la única capa que creíamos tener controlada, la de las licencias. Totalmente. Y cambia las reglas del juego. Pero un momento, a ver. ¿No se supone que la IA venía a ahorrarnos dinero automatizando cosas? Si un sistema hace el trabajo de diez personas, la factura debería bajar. Aquí es donde se pone realmente interesante: cómo encarece la IA el presupuesto inicial. Si conectamos esto con el panorama general, la trampa está en la unidad de medida La IA en los CRM ya no se cobra con una cuota plana por usuario. Se cobra por consumo, por acción, por llamada a la base de datos o por resultado. O sea, pasamos de pagar un alquiler fijo mensual por vivir en la casa a tener que meter una moneda en una ranura cada vez que queremos encender la luz. Exactamente. Y aquí entra el riesgo del volumen. Imagina que automatizas la atención al cliente con IA para clasificar correos. Suena supereficiente. Lo parece. Pero si ese algoritmo realiza diez mil microacciones diarias y el proveedor te cobra una fracción de céntimo por cada una, el presupuesto anual se puede fulminar en seis semanas. Si no modelas de ese volumen previamente, estás perdido. Claro, nadie previó que el bot iba a trabajar tanto. Y supongo que la cosa empeora cuando hablamos de agentes de IA, esos que toman decisiones por su cuenta. Uf, ahí los costes son inéditos. Un agente de IA requiere un diseño sumamente especializado y pruebas rigurosas. Si un agente autónomo se equivoca y da un descuento masivo a la lista de clientes equivocada, el impacto es demoledor. Un desastre financiero y de marca. Por eso hay que presupuestar un monitoreo continuo y un reentrenamiento constante. No es algo que se programa una vez y ya está. Y todo esto asumiendo que los datos son buenos, lo cual nos lleva a la calidad de los datos. De repente, tener registros duplicados ya no es solo molesto, es un riesgo sistémico. La IA amplifica lo que tienes. Si los datos son buenos, genera un valor enorme. Pero si son basura, la IA automatizará esa basura a una velocidad increíble. Limpiar datos ya no es opcional, es un requisito absoluto. Y eso encarece muchísimo el proyecto inicial. Vale. Visto este panorama, es evidente que saltar directamente a pedir presupuestos a proveedores es caminar hacia una trampa. Y aquí es donde entra lo que el artículo llama la fase cero. La fase cero es innegociable. Es el trabajo real de calcular el coste total de propiedad a lo largo del tiempo, el TCO y el retorno de inversión. Sin fase cero, tu presupuesto es, bueno, pura ficción optimista. Es el equivalente corporativo de medir dos veces para cortar solo una. Si no haces esto, estás volando a ciegas. Y no son un par de reuniones. Hay una lista de veinte preguntas clave para los directivos. Sí, y abarcan desde cosas básicas como cuál es el caso de negocio exacto hasta si se ha incluido un veinte por ciento de contingencia. E incluso temas contables, ¿verdad? Definir si es CapEx u OpEx. Claro. Lo asumes como una inversión de capital a largo plazo o como un gasto operativo recurrente. Eso impacta en cómo presentas la salud financiera de la empresa. También hay que definir si usas una metodología ágil o waterfall, en cascada Me imagino que lo ágil reparte el riesgo, pero puede ser un pozo sin fondo si no se controla. Totalmente. Requiere definir KPIs financieros muy estrictos para justificar pasar de una fase a otra y proteger el capital. Ahora, al revisar esas veinte preguntas, hay dos que casi nadie hace y me parecen la clave de todo. La primera ¿Quién implementa? Y la segunda: ¿quién lo va a operar después del go live? Y esas dos preguntas nos llevan directamente a los héroes olvidados y a los gastos ocultos. Empecemos por quién implementa. ¿El PMO, la oficina de gestión de proyectos? Que sin PMO asumo que hay caos. Caos absoluto y cambio sin control. Necesitas un equipo con dedicación exclusiva, un project manager, un analista de negocio, un líder de gestión del cambio, que esto es crítico, no es opcional, y un sponsor ejecutivo en la C-suite. Claro, alguien con peso que desbloquea recursos. Y luego llegamos a la segunda pregunta: ¿quién opera esto el día después? ¿El centro de excelencia, el COE? Esto plantea una pregunta importante. A ver, ¿por qué las empresas asumen que pagar la implementación cubre el soporte posterior? Es como si creyeran que el software se cuida solo. Y las primeras cuatro u ocho semanas son de vida o muerte. Si apruebas del presupuesto del COE después del lanzamiento, es un error carísimo. El daño en la adopción por parte de los usuarios ya es irreversible. ¿Y quiénes forman este centro de excelencia? Porque no sirve cualquiera de sistemas. No, necesitas roles especializados. Un administrador de CRM a tiempo completo, un data steward que protege la calidad de los datos, un release manager para gestionar las actualizaciones trimestrales del proveedor. Para que no rompan las automatizaciones que tanto han costado. Exacto. Y hoy en día sumamos el rol de un especialista en IA y analítica. Madre mía, es toda una plantilla nueva. ¿Y qué pasa con los gastos ocultos de los que no hemos hablado? Migración de datos, integraciones. Fíjate, la migración de datos siempre se infravalora. Limpiar sistemas legados tiene que hacerse antes, no después. Y las integraciones complejas requieren un middleware, un software intermedio que hay que pagar aparte. ¿Y las plataformas de datos como Snowflake, necesarias para la IA? Claro, son prerrequisitos técnicos que se facturan por separado. Y no olvidemos la formación continua. Con la rotación de personal, si no formas a los nuevos, el sistema se degrada en meses. Entonces, ¿qué significa todo esto para quienes nos escuchan? Significa que el día del lanzamiento no es la línea de meta, es la línea de salida. Así es. La brecha entre lo aprobado y el coste real es el problema número uno en este sector. Pero se puede evitar ejecutando la fase cero y financiando el PMO y el COE desde el inicio. Y modelando los costes de la IA. Es la diferencia entre liderar un éxito rotundo o gestionar una crisis de sobrecostes monumental. Este conocimiento es un superpoder para los líderes empresariales. Sin duda. Y me gustaría dejar una reflexión final sobre esto. Hoy hablamos de equipos humanos intentando presupuestar a agentes de IA. Pero en unos años, ¿qué pasará cuando los agentes de IA de nuestra empresa sean los encargados de negociar los presupuestos y las renovaciones con los agentes de IA de los proveedores? Guau. ¿Estaremos los humanos siquiera en la sala de decisiones de esa futura fase cero? Qué locura. O sea, el edificio negociando la hipoteca por su cuenta. Es una perspectiva fascinante y francamente, da un poco de vértigo. Ha sido un análisis superprofundo. Gracias por desgranar todo esto y a quienes nos han acompañado esperamos que esta inmersión les sirva para sus próximos proyectos. Hasta la próxima.