Qué proyecto de IA financiará el Plan IA360, y cómo se monta
Las cinco piezas del proyecto de IA que describe el Plan IA360 (diagnóstico, caso de uso, formación, proceso y medición) y cómo se monta cada una.
Estado a 22 de septiembre de 2026. El Plan IA360 se presentó el 21 de septiembre de 2026. No hay convocatoria publicada, ni bases reguladoras, ni plazo de solicitud. La convocatoria general del bono, dotada con 600 millones de euros, no llegará hasta «antes de final de 2027», después de un piloto controlado previsto para el «primer semestre de 2027». Nada de lo que sigue es un trámite: es la descripción de un proyecto, con o sin bono de por medio.
El Gobierno presentó el Plan IA360 el 21 de septiembre de 2026, organizado en ocho ámbitos de actuación y catorce proyectos tractores; la comunicación oficial lo resume además en cuatro grandes objetivos —músculo tecnológico, adopción económica, gobernanza y contrato social—, que son un nivel de lectura distinto y no contradictorio con los ocho ámbitos del documento técnico. Puedes consultar el detalle completo en el documento oficial del plan; aquí no los vamos a resumir uno por uno, porque no es lo interesante para una empresa que no gestiona infraestructura de cómputo ni política de talento.
Lo interesante está escondido dentro del proyecto tractor número 11, el bono empresarial de inteligencia artificial. El plan no se limita a anunciar una partida de 600 millones de euros: describe, con bastante más detalle del habitual en un documento de este tipo, cómo tiene que ser el proyecto que reciba ese dinero. Dice, literalmente, que «la implantación incorporará diagnóstico previo de madurez, identificación de un caso de uso concreto y medición posterior del impacto en productividad, con una primera fase que permita validar el modelo antes de su escalado». Añade que el diseño del bono «incluiría pagos por hitos y condiciones acerca de formación en IA de los trabajadores e incorporación de la IA a los procesos internos de los beneficiarios».
Léelo sin el filtro administrativo y dice otra cosa: diagnóstico, caso de uso, piloto, formación, integración en el día a día, medición del resultado. Eso no es un requisito burocrático nuevo: es, casi palabra por palabra, cómo se monta un proyecto de IA que no acaba abandonado a los tres meses. El plan es el pretexto de este artículo; el tema es tu proyecto, tenga bono detrás o no lo tenga nunca.
Fase 1 — Saber qué automatizar antes de automatizar nada
El error más caro en un proyecto de IA no es elegir mal el modelo. Es empezar a construir antes de saber qué problema se está resolviendo. Una empresa que teclea a mano cada factura de proveedor porque nadie se paró a mirar cuántas entran al mes, o un equipo que responde el mismo tipo de consulta al servicio técnico quince veces por semana sin que nadie lo haya contado nunca, no necesitan primero un modelo: necesitan primero un diagnóstico.
Un diagnóstico de madurez mira tres cosas: qué datos tiene la empresa y en qué estado están, qué procesos podrían beneficiarse de verdad y quién los va a mantener cuando el proyecto deje de ser una novedad. Y a veces —más de las que un cliente espera oír— la conclusión honesta es que ese problema concreto no lo resuelve la IA, lo resuelve reorganizar un proceso o formar a una persona. Vender un proyecto de IA donde no hace falta es la forma más rápida de que la palabra deje de significar nada dentro de una empresa. Es el trabajo de un diagnóstico de madurez y hoja de ruta.
Fase 2 — El caso de uso concreto: qué cambia y para quién
El plan es explícito sobre qué tipo de proyecto tiene valor: servicios que usen los modelos fundacionales «como insumo», incorporando «valor añadido propio mediante desarrollo, integración, conocimiento sectorial, tratamiento de datos o rediseño de procesos». Y es igual de explícito sobre lo que no cuenta: «el bono no financiará la mera suscripción a licencias».
Esa frontera, traducida a procesos reales, separa dos cosas muy distintas. Activar un asistente genérico y esperar que el equipo cambie de hábitos por sí solo es una licencia. Construir un agente que lee la factura del proveedor, la coteja contra el pedido y solo pide confirmación humana cuando algo no cuadra es un rediseño de proceso con valor añadido propio. La diferencia no está en qué modelo hay detrás: está en si alguien se sentó a rediseñar el proceso alrededor de él. Entramos en más detalle, con más ejemplos de qué tipo de proyecto encaja y cuál no según el criterio literal del plan, en qué proyectos de IA encajan en el bono IA360.
Cuando el proceso depende de encontrar información repartida entre contratos, manuales o correos antiguos, el caso de uso suele ser distinto: un sistema de búsqueda documental que cita la fuente exacta de cada respuesta, en vez de obligar a alguien a releer un PDF de sesenta páginas cada vez que surge una duda.
Fase 3 — Formar a quien lo va a usar, no solo a quien lo compró
El plan prevé, en condicional, «formación en IA de los trabajadores», y tiene sentido: un proyecto de IA que solo entiende la persona que lo encargó se muere en cuanto esa persona cambia de puesto. La formación que funciona no es una charla genérica de una tarde sobre qué es un modelo de lenguaje, sino algo distinto según quién la recibe: dirección necesita entender riesgos y gobernanza para decidir; el equipo técnico necesita entender arquitectura y operación para mantenerlo; el equipo que usa la herramienta cada día necesita entender qué puede pedirle y dónde está el límite para no fiarse de una respuesta que no toca comprobar. Es el enfoque de una formación corporativa por roles, sobre los propios casos de la empresa, bonificable vía FUNDAE.
Fase 4 — Que quede dentro del proceso, no al lado de él
Aquí es donde mueren más proyectos de IA de los que nadie reconoce en público: el piloto funciona, todos aplauden en la demo, y tres meses después nadie lo usa porque sigue viviendo fuera del flujo de trabajo real. El plan lo llama «incorporación de la IA a los procesos internos de los beneficiarios», y es la parte que más se descuida porque no es la parte vistosa.
Incorporarlo de verdad significa que el sistema entra por donde entra hoy el trabajo —el correo, el CRM, el ERP, el escáner del almacén— y sale por donde ya se revisa. Una automatización que conecta las herramientas que la empresa ya usa, con el modelo como un paso más del flujo y no como una pestaña aparte que hay que acordarse de abrir, suele ser el paso que decide si el proyecto sobrevive al primer trimestre.
Un ejemplo habitual: un sistema de búsqueda documental que responde con precisión pero al que solo entra el propio responsable del proyecto, porque hay que abrir un chat aparte para preguntarle. El mismo sistema conectado al correo o al CRM, de modo que la respuesta llega donde ya se está trabajando, es el que de verdad cambia el proceso. La tecnología no varía; lo que cambia es si alguien se ocupó de coserla al flujo diario en vez de dejarla como un experimento paralelo.
Fase 5 — Medir el impacto, no solo el lanzamiento
El último elemento que enumera el plan es «medición posterior del impacto en productividad». Suena obvio hasta que se intenta hacer: medir el impacto exige haber anotado, antes de empezar, cuánto tardaba el proceso, cuánto costaba y cuántos errores tenía. Sin esa línea base, cualquier cifra que se presente después es una opinión con decimales.
No hace falta un departamento de datos para levantar esa línea base. Basta con anotar las horas que consume hoy el proceso, su coste por hora y una estimación honesta de qué parte es automatizable. Para estimar de antemano si compensa sirve la calculadora de ROI de automatización; la medición llega después, comparando la línea base con el proceso ya cambiado.
Quién hace cada fase, en corto
No hace falta un departamento de IA propio para recorrer las cinco fases; hace falta saber a quién le toca cada una. Así queda, de un vistazo:
| Fase del proyecto | En la práctica | Servicio relacionado |
|---|---|---|
| Diagnóstico de madurez | Qué datos hay, qué procesos priorizar, hoja de ruta | Advisory |
| Caso de uso: ejecución | Un agente que ejecuta un proceso con validación humana | Agentes |
| Caso de uso: conocimiento | Búsqueda sobre documentación propia, con cita a la fuente | RAG |
| Formación de la plantilla | Programa por roles, in-company, bonificable | Formación |
| Incorporación al proceso | El modelo dentro del flujo de trabajo existente | Automatización |
| Medición del impacto | Estimación previa del retorno | Calculadora de ROI |
Ninguna de estas fases exige esperar a una convocatoria: son el orden en el que conviene hacer las cosas tenga o no tenga bono detrás el proyecto.
El resto del plan, en una frase
Los otros trece proyectos tractores cubren ámbitos como infraestructura, seguridad, educación o Administración: desde la gigafactoría de cómputo hasta el Instituto de Seguridad de la IA dentro de la AESIA. Si te interesa esa parte —centros de datos, talento, ciberseguridad poscuántica—, está descrita completa en el documento oficial del Plan IA360. Aquí seguimos con lo que afecta directamente a tu proyecto.
El bono, en corto: qué financia y qué no
El bono empresarial de inteligencia artificial tiene una dotación de 600 millones de euros y se dirige a servicios prestados por empresas tecnológicas europeas, no a la compra suelta de una licencia. El plan prevé un piloto controlado en el primer semestre de 2027 y la convocatoria general, con esos 600 millones, «antes de final de 2027». El desglose completo de qué tipo de proyecto encaja, con ejemplos de proceso concretos frente al criterio literal del documento, está en qué proyectos de IA encajan en el bono IA360 (y cuáles no).
Una precisión antes de seguir: no tramitamos el bono IA360, porque hoy no hay ningún trámite que gestionar, ni prometemos que un proyecto vaya a conseguirlo o cuánto cobraría. Lo que hacemos es el trabajo de las cinco fases anteriores, exista o no exista algún día la convocatoria.
Ver la IA funcionar en tu sector antes de decidir
Dentro del mismo ámbito, el plan prevé una red de centros donde probarla, y lo cuenta así: «la empresa ve la inteligencia artificial funcionar en su sector, la prueba con sus datos y la despliega por suscripción». Es, en esencia, la definición de una prueba de concepto bien hecha: primero se ve funcionar, después se prueba con datos propios, y solo entonces se decide si se contrata. Ese orden (ver, probar, decidir) es el que evita comprarse un proyecto de IA a ciegas, y no hace falta esperar a que abra un centro físico para aplicarlo. Cómo se hace hoy, arriesgando lo mínimo, en probar la IA con tus datos antes de desplegarla.
Qué puedes hacer ya, sin esperar a la convocatoria
El método que describe el plan (diagnóstico, caso de uso, piloto, formación, medición) no depende de que exista una convocatoria. Se puede empezar hoy: el diagnóstico y la línea base sirven para decidir mejor, haya o no convocatoria. Qué exigirán las bases, y si contará lo hecho antes, aún no se sabe. La hoja de ruta trimestre a trimestre está en la hoja de ruta de tu proyecto de IA, de hoy a 2027 (con o sin bono).
Preguntas frecuentes.
¿Qué datos hacen falta antes de arrancar?
Depende del caso de uso, pero casi ningún proyecto se cae por el modelo: se cae por los datos. Antes de encargar nada, conviene saber en qué estado están los tuyos, qué procesos podrían beneficiarse de verdad y quién los va a mantener, que es precisamente lo primero que mira el diagnóstico de madurez descrito más arriba.
¿Quién mide la línea base de productividad?
Tiene que hacerlo la propia empresa, con datos concretos (horas, coste, errores) antes de que empiece el piloto. Sin esa foto de partida no hay forma de demostrar después ningún impacto, tenga o no tenga bono detrás.
¿Hace falta un solo proveedor para las cinco fases, o se pueden repartir?
Se pueden repartir, y muchas empresas lo hacen: alguien lleva el diagnóstico y otro construye el caso de uso técnico. Lo que no conviene separar es el diagnóstico de la medición posterior: tienen que usar la misma línea base, porque si no, al final nadie puede demostrar qué cambió de verdad.