Probar la IA con tus datos antes de desplegarla
La Red NEURONA del Plan IA360 describe una prueba de concepto: ver, probar, decidir. Cómo se hace ese mismo proceso hoy, sin esperar a que abra un centro.
Estado a 22 de septiembre de 2026. La Red NEURONA es un proyecto anunciado dentro del Plan IA360, presentado el 21 de septiembre de 2026. Todavía no existe ningún centro abierto: el primer hito es un piloto con 100 pymes en dos comunidades autónomas antes de final de 2026, y el plan no dice todavía cuáles. No hay forma de inscribirse ni de reservar acceso.
Dentro de los catorce proyectos tractores del Plan IA360, hay uno que describe, sin usar esas palabras, el proceso exacto de una prueba de concepto bien planteada. El plan dice que en estos centros la empresa «ve la inteligencia artificial funcionar en su sector, la prueba con sus datos y la despliega por suscripción». Ver, probar, decidir. Es el orden correcto para evaluar cualquier proyecto de IA, tenga o no tenga detrás un centro físico con ese nombre.
Lo que anuncia el plan: centros de prueba a menos de 50 km (aún sin abrir)
Es el décimo proyecto tractor del plan: una red público-privada y territorial de centros de demostración y despliegue de inteligencia artificial, apoyada en supercomputación avanzada y pensada para acercar la prueba a menos de 50 kilómetros de la empresa, aprovechando capacidades ya existentes como AI Factories, la Red Española de Supercomputación, RETECH, espacios de datos, centros tecnológicos y Acelera Pyme. El objetivo declarado es pasar del 21,1 % al 55 % de empresas con IA en 2030, con un primer piloto de 100 pymes en dos comunidades autónomas antes de que acabe 2026 y réplica a 10 comunidades y 5.000 empresas en 2027.
El plan dice que ese proceso «puede ser particularmente relevante para la pyme, que tiene una barrera de entrada más alta y, al mismo tiempo, una ganancia relativa mayor» al adoptar esta tecnología. Tiene sentido: una empresa grande puede permitirse un piloto que no sale bien y absorberlo en el presupuesto del año; para una pyme, cada intento fallido pesa más, muchas veces porque compromete al único responsable de tecnología que tiene, y por eso la posibilidad de ver algo funcionar antes de comprometerse importa más cuanto más pequeña es la empresa.
Lo que todavía no hay es un centro abierto, una lista de ubicaciones ni un procedimiento para apuntarse.
Conviene distinguir dos preguntas que suelen mezclarse: cuándo podrá una empresa concreta pisar un centro NEURONA, que hoy nadie puede responder porque no hay calendario de aperturas por territorio, y qué proceso va a seguir esa empresa cuando lo haga, que el plan sí describe con bastante precisión. La segunda pregunta es la que importa para decidir qué hacer mientras tanto, porque ese proceso —ver, probar, decidir— no necesita esperar a la primera.
Lo que describe es, literalmente, una prueba de concepto
Quitando el edificio y la subvención, lo que el plan describe es el proceso que cualquier equipo técnico serio recomienda antes de comprometer presupuesto en un proyecto de IA: no se firma un contrato a partir de una demo con datos de otro. Se comprueba primero cómo se comporta el sistema con los datos propios, en las condiciones propias, y solo entonces se decide si se despliega.
Ese proceso no depende de que exista un centro NEURONA para poder aplicarse. Un diagnóstico de madurez empieza justamente por ahí: identificar qué caso de uso tiene más probabilidad de funcionar antes de construir nada a gran escala, y diseñar el primer piloto como una evaluación, no como un lanzamiento. Si el piloto no demuestra el resultado esperado, se descarta sin haber comprometido el proyecto entero; si lo demuestra, se escala con datos reales detrás, no con una intuición.
Cómo se hace un piloto arriesgando lo mínimo
Antes de nada, conviene saber si los datos que van a alimentar la prueba aguantan el proyecto: en qué estado están, qué proceso van a soportar y quién los va a mantener durante el piloto. Revisar eso y marcar los bloqueantes antes de que nadie escriba una línea de código es justo el primer paso del diagnóstico de madurez descrito más arriba.
Con esa base, un piloto bien planteado se evalúa contra el conjunto de datos real de la empresa, no contra una referencia de comparación genérica que no dice nada del caso concreto. Es el enfoque con el que se construye un agente que ejecuta un proceso con razonamiento: primero una fase de evaluación contra los datos y los casos reales del cliente, después un piloto acotado en el tiempo con monitorización, y solo si la evaluación lo justifica, el paso a producción. La acción que cuesta dinero o expone al cliente sigue firmándola una persona hasta que el sistema demuestra estabilidad suficiente, no desde el primer día.
Qué significa «a menos de 50 kilómetros» para quien no quiere esperar
La cercanía geográfica que propone la Red NEURONA resuelve un problema real: probar algo antes de comprarlo, sin tener que confiar en una demo hecha con datos ajenos. Pero esa misma lógica, ver un caso similar funcionando y probarlo con los datos propios antes de decidir, no depende de la distancia a un centro que todavía no existe. Se puede aplicar hoy, de forma remota, con cualquier proveedor que acepte evaluar contra el conjunto de datos real de la empresa antes de proponer un despliegue completo. Esperar a que abra un centro físico puede tener un coste de oportunidad frente a un piloto acotado hecho ya.
Lo que sí aporta la cercanía física, cuando exista, es algo que un piloto remoto no sustituye del todo: ver un caso de un sector parecido funcionando en producción, no en una presentación. Esa referencia ayuda a calibrar expectativas (cuánto tarda de verdad, qué parte del proceso sigue necesitando a una persona) y es razonable esperar a que abra un centro cercano si lo que se busca es esa referencia sectorial. Lo que no compensa es esperar solo para arrancar el diagnóstico y la elección del caso de uso, que no dependen de ver nada primero.
Qué relación tiene con el bono
El plan vincula explícitamente los dos proyectos: el bono empresarial está vinculado a la Red NEURONA «al subvencionar las soluciones ofrecidas por estos centros a las pymes», de modo que la inversión pública tire de la infraestructura instalada y revierta en tecnología propia. En la práctica, eso significa que la Red NEURONA es la puerta de prueba y el bono es lo que puede financiar el paso siguiente, una vez que el caso de uso ya se ha visto funcionar. Qué tipo de proyecto encaja literalmente en ese bono, con ejemplos de proceso concretos, está en qué proyectos de IA encajan en el bono IA360 (y cuáles no). El resto de fases del proyecto que describe el plan —diagnóstico, formación, incorporación al proceso, medición— está en qué proyecto de IA financiará el Plan IA360, y cómo se monta.
Preguntas frecuentes.
¿Necesito estar cerca de un centro NEURONA para probar la IA con mis datos?
No. El principio que propone la Red NEURONA (ver, probar con datos propios, decidir) se puede aplicar hoy con cualquier proveedor dispuesto a evaluar contra tu conjunto de datos real antes de proponer un despliegue, sin depender de la ubicación de un centro que todavía no existe.
¿Qué pasa con mis datos durante una prueba piloto?
Depende de cómo se diseñe el piloto, y es una de las primeras cosas que hay que fijar por escrito: qué datos salen de la empresa, dónde se procesan y quién tiene acceso. Un piloto serio empieza por inventariar qué fuentes entran en la prueba y cuáles quedan fuera, no por conectar todo de golpe.
¿Cuánto dura un piloto antes de poder decidir si se escala?
No hay un plazo único: depende del proceso y del volumen de datos disponible para evaluar. Lo que sí es fijo es el criterio: decidir con datos, no con impresiones, si el caso de uso pasa a producción.
¿Hace falta tener ya un caso de uso definido para empezar a probar?
Ayuda, pero no es imprescindible desde el primer día: parte del trabajo de un diagnóstico previo es precisamente identificar y priorizar los casos de uso candidatos antes de decidir cuál se prueba primero.
¿Un piloto negativo cuenta como fracaso del proyecto?
No debería. Un piloto diseñado como evaluación tiene precisamente esa función: separar los casos de uso que funcionan de los que no, antes de que la empresa haya invertido en escalar ninguno. Descartar un caso de uso tras un piloto bien medido es exactamente lo que se supone que tiene que pasar en algunos de ellos; lo caro no es descartar, es escalar sin haber evaluado antes, y presentar un piloto descartado como un fracaso solo desincentiva medir con honestidad la próxima vez.