Opinión y provocación · 21 de mayo de 2026 · 16 min. de lectura · Joseph Flesh, CTO & Co-Founder, Amplifa

AI en el Mittelstand: La siesta está bien

Se está ignorando la AI en el Mittelstand. Por qué esto es racional a corto plazo y qué hoja de ruta necesitan ahora los directores generales antes de que resulte muy costoso.

Hace tres semanas estuve en Gütersloh, en la zona de expedición de un proveedor de ingeniería mecánica; a mi lado estaba Thomas, director general, 58 años, jersey gris, ojos cansados. Olía a cartón, lubricante refrigerante y a ese café ligeramente quemado que solo las máquinas de oficina en polígonos industriales consiguen. Thomas señaló una pila de albaranes y dijo: "Klaus Müller, llevamos hablando de AI en el Mittelstand desde enero. Pero ayer nuestro ERP volvió a extraer mal tres precios". Me reí. Brevemente. Luego ya no.

Mi tesis es sencilla y a algunos no les gustará: el Mittelstand en Deutschland está ignorando la AI, y a corto plazo eso está bien. No es elegante. No es visionario. Pero a menudo es más sólido desde el punto de vista de la gestión empresarial que lo que algunos consultores venden ahora como un nuevo comienzo.

La frase tiene una segunda parte que duele: esta siesta no debe durar 24 meses. Quien en 2026 todavía explique con orgullo que "primero ha habilitado ChatGPT para textos", pero no tenga una estrategia de datos, ni un CRM limpio, ni responsabilidad sobre los procesos, ni un plan para casos de uso productivos de AI, ya no está durmiendo. Está cayendo en un abismo.

AI en el Mittelstand: Por qué la mayoría se equivoca

Llevo meses escuchando el mismo reproche. En ferias. En consejos asesores. En esas rondas de desayuno de la IHK donde los pretzels de mantequilla suelen ser mejores que las diapositivas. "El Mittelstand es demasiado lento". Es cierto. Bueno, casi.

Lento no significa automáticamente tonto. En las últimas dos décadas he visitado plantas de Trumpf en Ditzingen, Wittenstein en Igersheim, Festo en Esslingen y pequeños talleres de mecanizado en el Jura de Suabia. Las buenas empresas de allí tienen una virtud que en la charla sobre AI suena casi anticuada: calculan. No a nivel de presentación de ventas, sino con la tarifa horaria de la máquina, la tasa de rechazo, el nivel de existencias, el plazo de pago y la pregunta de si el cliente de Wolfsburg aceptará el aumento de precio.

Quien diga a estas personas que deben poner en marcha inmediatamente un gran programa de Gen-AI, nunca ha escuchado el ruido de un turno de tarde. Allí chirría la carretilla elevadora marcha atrás, un operario golpea un utillaje con un martillo de goma, en algún lugar sisea el aire comprimido. Y en la oficina de al lado está Andrea, Head of Sales de un Hidden Champion en Bielefeld, luchando con 4.800 duplicados en el CRM. ¿Con este material se supone que un asistente de AI construirá pronósticos de ventas fiables? Por favor.

La mayoría se equivoca porque trata la AI como una cuestión tecnológica. Pero es, ante todo, una cuestión operativa. ¿Quién tiene acceso a qué datos? ¿Quién decide cuando el modelo y el maestro se contradicen? ¿Quién es responsable si una AI en el reclutamiento descarta sistemáticamente a los candidatos? ¿Quién paga la factura de la nube si un proyecto piloto se convierte de repente en 600 usuarios?

Lo digo con claridad: el Mittelstand en Deutschland no es tonto; simplemente sabe que es peligroso escalar la tecnología más cara del mundo con basura de datos y una regulación a medio terminar.

La incómoda verdad sobre la AI en el Mittelstand

La cifra que se me ha quedado grabada proviene del "KI Readiness Check DACH 2026" de Passion4IT, que cita análisis de Gartner e IDC: alrededor del 60 por ciento de todas las iniciativas de AI fracasan debido a una base de datos deficiente, no por la tecnología en sí. Esto no es un problema de nota al pie. Es el núcleo.

En marzo de 2025, en una empresa de automatización cerca de Heilbronn, miré dentro de una sala de datos. No era una demostración impecable. Era una sala de servidores real, demasiado caliente, ventiladores como un secador de pelo al arrancar, en la puerta una pegatina amarillenta de 2016. Markus, director de IT, me mostró tres archivos de exportación de ERP, MES y sistema de servicio. Tres lógicas de números de artículo. Dos formatos de hora. Un cliente con cuatro formas de escritura. "Y ahora ventas quiere una AI para Next-Best-Offer", dijo Markus. Lo dijo sin ira. Eso fue peor.

McKinsey informó en la Global AI Survey 2023/24 que solo entre el 11 y el 15 por ciento de las empresas en todo el mundo logran aumentos significativos y medibles del EBIT con AI. BCG llegó a una conclusión igualmente sobria para Industrial Goods en 2024: solo entre el 20 y el 25 por ciento de los proyectos piloto de AI alcanzan el impacto empresarial deseado. ¿El resto? Diapositivas, demostraciones, frustración. A veces también un panel de control bonito que muestra cada mañana cifras en las que nadie confía.

Ahora tomemos al típico Mittelständler alemán con 180 empleados, 72 millones de euros de facturación, margen EBIT entre el cinco y el ocho por ciento, dos grandes clientes, un sistema SAP-B1 o Proalpha, una plantilla que envejece y un director de ventas que todavía sigue su pipeline en Excel porque el CRM "no encaja del todo". Para esta empresa, un gran proyecto de AI fallido no es un dolor de innovación molesto. Puede devorar el margen de un año.

El Mittelstand no ignora la AI, sino la calidad de los datos

Esta es la frase que más me gustaría clavar en la pared de los directores generales. No con ira. Con una pequeña placa de acero inoxidable, como las que se encuentran en el centro de visitantes de Kärcher o Phoenix Contact. La AI rara vez es el primer problema en el Mittelstand. El primer problema se llama maestro de artículos, proceso de oferta, historial de máquinas, duplicados, concepto de derechos, disciplina de procesos.

Habilitar ChatGPT para correos electrónicos no hace que una empresa esté lista para la AI. Hace que los correos sean quizás un poco más fluidos. A veces también más largos. En una empresa en Augsburg, Sabine, directora financiera, me contó en abril de 2025 que su equipo produce más texto desde la habilitación de Gen-AI, pero no tiene menos trabajo. "La gente ahora redacta mejor, pero la aprobación sigue dependiendo de mí", dijo. En su escritorio había tres carpetas de contratos, una manzana a medio comer y una impresión del EU AI Act con marcas amarillas.

Ahí reside el problema. La AI sin decisión de proceso es cosmética. La AI sin datos limpios es un juego de azar. La AI sin responsables es teatro.

Prefiero tener un año de datos maestros limpios que tres meses de circo de AI. Nuestros clientes no pagan por experimentos, sino por instalaciones que funcionen.

— Jens, COO de un fabricante de maquinaria especial de Pforzheim

Por qué esperar con la AI en el Mittelstand puede ser racional

Hay una verdad dura que no gusta escuchar en los paneles de Berlín: no todas las empresas tienen que ir a la vanguardia en cada ola tecnológica. Precisamente las empresas familiares a menudo han aprendido que el segundo comprador obtiene la mejor máquina. El primero paga el aprendizaje. El segundo compra la versión revisada, con software estable y menos problemas iniciales.

Con la AI no es diferente. Las grandes corporaciones, las casas de software y las startups están asumiendo ahora parte de los costes de experimentación. SAP introduce Joule en su mundo de productos, Microsoft empuja Copilot en M365, Dynamics y Power Platform, Intershop de Jena habla en la junta general de 2025 de Agentic-B2B-Commerce basado en AI para el Mittelstand. Suena elegante. Pero en muchas empresas todavía se alegran si la tienda web no desbarata los precios específicos del cliente tras la actualización.

Estuve en junio de 2025 en un proveedor en la zona de Nürnberg. La tienda B2B estaba conectada limpiamente, tras cuatro años de proyecto, no tras cuatro sprints. En el almacén, un escáner pitaba cada pocos segundos, en el suelo de hormigón había marcas azules pegadas para las rutas. Stefan, director de E-Commerce, me dijo: "¿Agentes? Klaus Müller, seríamos felices si cada cliente encontrara correctamente su número de contrato marco". Suena pequeño. No lo es. Es asegurar la facturación.

Quien en esa situación dice que todavía esperamos con los agentes de AI autónomos, no actúa de forma retrógrada. Protege la capacidad de entrega. Y la capacidad de entrega vence a casi cualquier palabra de moda en el B2B.

La trampa regulatoria: EU AI Act, AGG y responsabilidad

El EU AI Act se aprobó definitivamente en 2024, las obligaciones se aplican de forma escalonada hasta 2026 y 2027. La AI de alto riesgo en RR. HH., inspección de calidad o procesos de producción críticos para la seguridad conlleva obligaciones de documentación y auditoría. Las corporaciones digieren esto con departamentos legales, equipos de cumplimiento y bufetes externos. El Mittelstand a menudo responde con un reflejo simple: "Mejor lo dejamos por ahora".

No considero que este reflejo sea cobarde. En RR. HH. es incluso saludable. La plataforma anymize advierte sobre un problema especial: si todos los datos de cohorte están presentes en la empresa, la inversión de la carga de la prueba de la AGG puede ser especialmente demostrable, o especialmente peligrosa. Traducido al lenguaje de comedor de fábrica: si su AI produce puntuaciones de promoción y al final se hace visible un patrón por género, edad u origen, entonces ya no basta con encogerse de hombros.

En septiembre de 2024 estuve en Düsseldorf con Claudia, jefa de RR. HH. de un proveedor de automoción, en una mesa redonda de madera clara. Fuera pasaba el tren, dentro tintineaban las tazas de café. "No probamos la AI en el reclutamiento de forma productiva", dijo. "No antes de saber quién explicará ante un tribunal por qué el candidato A fue descartado". No me pareció contrario a la innovación. Me pareció maduro.

Pero: El argumento más fuerte contra mi siesta

Ahora viene la parte en la que algunos directores generales se me vuelven demasiado cómodos. El argumento más fuerte es: a corto plazo, esperar puede ser racional; económica y estratégicamente, puede ser ruinoso. No hay vuelta de hoja.

El McKinsey Global Institute describió en 2023 y 2024 aumentos anuales adicionales de productividad por AI de 0,2 a 3,3 puntos porcentuales, según el sector. La OECD y la Comisión Europea llevan años advirtiendo sobre brechas competitivas estructurales si los países adaptan la AI con demasiada lentitud. Deutschland ya lucha con altos costes energéticos, burocracia, demanda débil y un cansancio inversor que casi se puede oler en algunas naves industriales. Si además se deja de lado la palanca de productividad de la AI, la precaución se convertirá en algún momento en autolesión.

Y no, el Mittelstand no es lento en todas partes. Trumpf utiliza AI en sistemas láser, Predictive Maintenance y aplicaciones de Smart-Factory. Krones trabaja en la optimización de instalaciones, el aseguramiento de la calidad y la planificación del servicio. DMG Mori impulsa el Condition Monitoring y los gemelos digitales. Festo lleva años demostrando que la AI en sistemas de aprendizaje, Condition Monitoring y aseguramiento de la calidad no tiene por qué sonar a ciencia ficción. Schaeffler utiliza AI para Predictive Maintenance, producción y logística. Estas empresas a veces hablan menos alto que las tecnológicas de EE. UU., pero trabajan.

Quien en ingeniería mecánica, construcción de instalaciones o fabricación de componentes ignore ahora el negocio de servicios, más tarde no solo perderá un poco de margen. Perderá el contacto con el cliente. Los análisis de VDMA, BCG y Accenture de 2023/2024 muestran en proyectos relacionados con el servicio, los repuestos y el Remote Monitoring efectos como un cinco a diez por ciento más de facturación por servicios o un 20 a 40 por ciento menos de paradas no planificadas. Eso no son "likes" en LinkedIn. Eso es dinero.

La estrategia de seguidor tiene fecha de caducidad

Solo defiendo la espera si es una espera activa. La espera pasiva es peligrosa. Espera activa significa: limpiar datos, fijar procesos, priorizar casos de uso, formar empleados, observar proveedores, iniciar pequeños despliegues productivos. Espera pasiva significa: decir "lo estamos mirando" y esperar a que pase el temporal.

El temporal no pasará. Microsoft Copilot no desaparecerá de las oficinas. SAP Joule no preguntará amablemente si el Mittelstand está preparado psicológicamente. Intershop, Salesforce, HubSpot, ServiceNow y numerosos proveedores especializados están integrando la AI en el software de procesos. Quien entonces no tenga sus propias reglas de datos, roles ni una idea de la utilidad, recibirá la AI de todos modos. Solo que como un proceso en la sombra.

Lo que veo en la práctica

Veo dos tipos de Mittelstand. Uno habla poco y trabaja con sobriedad. En Heilbronn, un director de ventas me mostró en mayo de 2025 cómo su equipo, con la ayuda de un Lead-Scoring basado en AI, había filtrado 620 cuentas objetivo de entre 18.000 contactos existentes y de ferias. Sin fuegos artificiales. Pero después de nueve meses, había el triple de primeras citas cualificadas en el calendario, sin un nuevo empleado de ventas. El hombre se llamaba Ralf, venía de Ludwigsburg, llevaba calzado de seguridad y tenía más orden en su ThinkPad que algunas estrategias corporativas.

El otro Mittelstand hace teatro. Allí hay un grupo de trabajo de AI, una presentación de lanzamiento con la imagen de un robot y tres personas que usan ChatGPT a escondidas para ofertas porque la herramienta oficial aún está retenida por protección de datos. En el pasillo cuelga un póster sobre la transformación digital; debajo hay una impresora que lleva dos días informando de un atasco de papel. ¿Exagero? Lamentablemente, solo un poco.

En ventas, la situación es especialmente absurda. Muchos directores generales creen que la AI en ventas es una cuestión de generación de texto. Error. Las palancas fuertes están en el ICP, la priorización de cuentas, la detección de disparadores (triggers), el seguimiento de ofertas, las indicaciones de precios y el traspaso limpio entre marketing, Sales y servicio. Un correo frío bonito no salva una mala lista de clientes objetivo.

Amplifa ICP Playbook — Un manual práctico para definir limpiamente los clientes objetivo, agudizar los datos y no lanzar la AI en ventas contra cuentas equivocadas.

Precisamente por eso considero que el tema del ICP está subestimado. Quien no tenga una respuesta clara sobre qué clientes son realmente rentables, qué disparadores muestran disposición de compra y qué sectores solo ocupan al servicio externo, no debería aplicar AI a la generación de leads. De lo contrario, automatizará el desperdicio. Empezando la casa por el tejado, solo que con una suscripción a la nube.

AI en ventas: Donde el Mittelstand no debe esperar

En ventas, mi paciencia se agota más rápido que en producción. Una AI en la inspección de calidad puede aumentar el rechazo o dar una falsa seguridad si los datos son malos. Una AI para la investigación de cuentas, la higiene del CRM y la priorización de ofertas es menos arriesgada si se acota limpiamente. Allí se puede aprender sin poner en peligro una línea de producción de inmediato.

Un CSO de Nürnberg, llamémosle Martin, me dijo en febrero de 2025 tras una velada de la VDMA en Frankfurt: "Si espero un año más, conoceré a mis clientes peor que mi competidor". No se refería a ninguna corporación estadounidense. Se refería a otro proveedor alemán, a 90 kilómetros de distancia, que ya evalúa informes de visitas, escanea historiales de repuestos y deriva señales de ventas de los casos de servicio.

Ese es el punto. La AI no tiene por qué controlar la fabricación de inmediato. Puede, en primer lugar, evitar que ventas pierda tiempo con las cuentas equivocadas. Puede hacer visibles las ofertas muertas. Puede detectar que un cliente lleva seis meses pidiendo menos, aunque su sector esté creciendo. Puede decir al servicio externo qué cinco visitas de la próxima semana probablemente moverán facturación, y cuáles solo costarán café.

Amplifa para generación de leads — Para equipos B2B que quieren construir un pipeline sólido a partir de datos, perfiles de clientes objetivo y disparadores, sin folclore de AI.

Por qué la estrategia pura de Inbound es insuficiente en 2026

Quien en 2026 todavía apueste por una estrategia pura de Inbound, en cinco años no tendrá pipeline. De eso estoy bastante seguro. Los departamentos de compras de los OEM no descargarán tranquilamente un Whitepaper solo porque un Mittelständler escriba "innovación" en el titular. Comparan capacidad de entrega, precio, certificados, integración de datos y tiempo de reacción. Y lo hacen cada vez más de forma digital.

El Outbound no está muerto. El mal Outbound está muerto. De 1.200 correos, un fabricante de maquinaria de Westfalia Oriental recibió cuatro respuestas en otoño de 2024. Una de ellas era una queja. Tras un refinamiento del ICP, clústeres sectoriales y disparadores de anuncios de inversión, ofertas de empleo y eventos de servicio, hubo 31 conversaciones reales de 480 contactos dirigidos. No es de extrañar. Solo es oficio.

Qué debe pasar ahora

No aconsejaría a ningún director general poner en marcha mañana un programa de AI de ocho cifras solo porque el competidor publique en LinkedIn una foto del Innovation Lab. Pero le aconsejaría hacer esta semana un inventario brutal. No en un hotel de estrategia. En la empresa. Con ventas, IT, producción, control de gestión y una persona que realmente conozca los datos; a menudo no es el jefe de departamento, sino la mujer que lleva 14 años extrayendo las exportaciones.

1. Comprobar la situación de los datos: hacer visibles el maestro de artículos, el maestro de clientes, el historial de servicio, los datos de ofertas y los duplicados del CRM, sin maquillarlos.
2. Elegir dos casos de uso de bajo riesgo: por ejemplo, priorización de cuentas en ventas o búsqueda interna de conocimientos para técnicos de servicio.
3. Definir responsabilidades: un propietario del proceso, un responsable de IT, un departamento especializado, un presupuesto claro.
4. Involucrar pronto al cumplimiento (compliance): especialmente en RR. HH., inspección de calidad y procesos relevantes para la seguridad debido al EU AI Act y la AGG.
5. Medir el ROI a pequeña escala: no con visiones, sino con citas, tiempo de ciclo, rechazos, facturación por servicios o horas ahorradas.
6. Detener o escalar después de 90 días: nada de proyectos piloto eternos con comité de dirección mensual y sin resultados.

El paso más importante es el primero, y suena poco atractivo: comprobar la situación de los datos. Sé que esto se vende peor que un agente de AI con vídeo de demostración. Pero si los nombres de los clientes, los números de serie de las máquinas y los estados de las ofertas no son correctos, ninguna plataforma, por cara que sea, podrá cocinar decisiones sólidas con ellos. Entonces solo adivinará de forma más costosa.

Amplifa Pipeline-Check — Un enfoque para directores generales y directores de ventas que quieren saber si su pipeline soporta siquiera la base de datos, la lógica de clientes objetivo y el uso de AI.

FAQ: ¿Es la AI en el Mittelstand realmente demasiado cara?

Sí, si se introduce incorrectamente. No, si se comienza con casos de uso claros. Un sistema de Gen-AI que se utilice con alta frecuencia en el cálculo de ofertas, la documentación técnica o la comunicación con el cliente puede resultar caro rápidamente debido a las suscripciones a la nube, los consultores, el tiempo de proyecto interno y el trabajo de corrección. Con márgenes EBIT del cinco al diez por ciento, esto no es calderilla. Un caso de uso limitado en ventas o servicio, medido limpiamente, es otra liga.

FAQ: ¿Qué casos de uso de AI encajan primero?

En muchos Mittelständler no empezaría con el control de producción autónomo. Demasiado delicado. Demasiadas interfaces. Demasiada responsabilidad. Son mejores los casos de uso que sintetizan conocimientos y preparan decisiones: resumir tickets de servicio, detectar oportunidades de repuestos, agrupar clientes existentes por potencial, hacer localizable la documentación técnica, priorizar visitas de ventas. El humano decide, la AI clasifica previamente.

FAQ: ¿Qué pasa con los referentes como Trumpf y Festo?

Trumpf, Festo, Schaeffler, Krones o DMG Mori demuestran que la AI funciona en la industria cuando confluyen la base de datos, la cultura de ingeniería y la disciplina de procesos. Pero no refutan que muchas empresas más pequeñas aún no están en ese punto. Más bien muestran la distancia. Y precisamente esa distancia es peligrosa si se convierte en una excusa.

El precio de la siesta

El salario mínimo aumentará, según la decisión de la comisión del salario mínimo, de 12,82 euros a 13,90 euros en 2026 y a 14,60 euros en 2027. En la industria, los costes salariales relevantes están de todos modos muy por encima. El personal cualificado escasea, el trabajo administrativo no se abarata, los clientes esperan reacciones más rápidas y los bancos miran con más detalle la madurez digital en la financiación y la sucesión. Quien crea que puede operar el trabajo de oficina, la preparación de ventas y la coordinación de servicios permanentemente como en 2018, no será arrollado por la AI. Será aplastado por los costes.

La gente de Private Equity lleva tiempo preguntando por los potenciales de automatización. Los Family Offices también. En enero de 2025 estuve en München con Nora, gestora de inversiones en un Family Office, en una sala de reuniones con vistas al asfalto mojado y a la Leopoldstraße. "Si una empresa objetivo no tiene una hoja de ruta de datos y AI, la descontamos", dijo. No de forma dramática. No con una sonrisa de Silicon Valley. Más bien como alguien que valora una máquina en la que el mantenimiento está atrasado.

También los grandes clientes se vuelven más impacientes. Automoción, aeroespacial, tecnología médica, ingeniería mecánica: en todas partes crecen los requisitos de cadenas de suministro digitales, datos de calidad, trazabilidad y tiempo de reacción. Hoy el OEM pregunta amablemente por las interfaces. Mañana el proveedor queda fuera de la selección final porque un competidor entrega mejor los datos. Eso no figurará en el acta como un "problema de AI". Figurará como "falta de capacidad de proceso". Suena más inofensivo. Es más letal.

Mi verdadera provocación

El Mittelstand en Deutschland está ignorando la AI, y eso está bien si está cambiando el colchón. Es decir: si está limpiando datos, aclarando procesos, entendiendo el cumplimiento y preparando los primeros casos de uso con un ROI real. No está bien si se tapa con la manta y espera que la próxima ola tecnológica vuelva a pasar de largo.

Entiendo el cansancio. Introducciones de ERP, proyectos de MES, despliegues de CRM, migraciones a la nube, crisis energética, estrés en la cadena de suministro, cambio en los tipos de interés, escasez de personal cualificado: muchas organizaciones no son contrarias a la innovación, están agotadas. En una empresa cerca de Ulm, Peter, director de producción, me dijo en octubre de 2024: "No tenemos miedo a la AI. Tenemos miedo al próximo proyecto que se quede a medias". Esta frase es más honesta que el 80 por ciento de las ponencias que he escuchado en 2025.

Aun así: el agotamiento no es una estrategia. El Mittelstand no tiene que correr tras cada moda, pero debe saber dónde quiere estar. En 90 días. En doce meses. Sobre todo en dos años, cuando las funciones de AI ya no se vendan como un extra, sino que estén en cada software que funcione en la oficina y en la nave industrial.

Cuando me despedí de Thomas en Gütersloh y le pregunté qué haría ahora con la AI, se subió la cremallera de su chaqueta de forro polar gris y señaló los documentos de expedición. "Primero limpiaremos este desastre aquí", dijo. Luego sonrió. "Pero esta vez de modo que una máquina pueda leerlo más tarde". Fuera arrancó un camión, olor a diésel bajo la lluvia. Quizás la AI en el Mittelstand comience exactamente así. No con un robot en el escenario, sino con un director general que finalmente se toma en serio sus datos.