Errores que hacen fracasar los proyectos de mejora

Un equipo identifica retrasos en un proceso, propone varias acciones, cambia instrucciones de trabajo y presenta una mejora inicial. Semanas después, el indicador vuelve a deteriorarse y el proyecto pierde apoyo. En situaciones como esta, el problema puede estar menos en la herramienta elegida que en la forma de definir, medir, probar y sostener el cambio.

Los proyectos de mejora pueden utilizar Kaizen, Lean, Six Sigma, DMAIC, PDCA u otros enfoques, pero todos necesitan una lógica de trabajo: entender el problema, utilizar datos confiables, involucrar a las personas adecuadas, probar las soluciones y establecer controles. Cuando se omiten esas condiciones, incluso una iniciativa con buenas ideas puede detenerse antes de producir un cambio sostenible.

Una investigación publicada por A. A. de Waal en 2026 reunió una revisión estructurada de 45 estudios académicos y el análisis comparativo de 54 casos publicados de transformación de organizaciones de alto desempeño. Entre los patrones recurrentes aparecen restricciones de capacidad, diseños demasiado complejos, brechas de habilidades, barreras de datos y baja participación. La recurrencia de estos factores no demuestra causalidad; sirve para identificar riesgos que deben comprobarse en cada organización.

1. Definir una solución antes del problema

Un proyecto empieza mal cuando el equipo recibe una solución como punto de partida: “automatizar esta tarea”, “aplicar 5S” o “cambiar el sistema”. Esa formulación condiciona el análisis y desplaza la pregunta que debería orientar el trabajo: ¿qué desempeño necesita cambiar, para quién y dentro de qué alcance?

La American Society for Quality (ASQ) describe la fase Define de DMAIC como el momento para establecer el problema, los objetivos, el alcance, los requisitos del cliente y el acta del proyecto. Una definición débil puede hacer que el equipo utilice tiempo y recursos sobre una condición que todavía no comprende.

Antes de aprobar una herramienta o una inversión, el equipo debería poder describir el problema mediante un comportamiento observable, identificar el proceso afectado y señalar qué indicador permitirá evaluar el cambio. Por ejemplo, “automatizar el registro” es una solución propuesta; “los pedidos requieren correcciones porque ciertos datos se registran de forma incompleta” describe una condición que puede investigarse.

2. Atacar síntomas y no causas

Imagina una línea que acumula producto pendiente al final del turno. Aumentar temporalmente el personal puede reducir la cola, pero no permite saber si el origen está en paros de equipo, retrabajos, una operación con mayor tiempo de ciclo o una secuencia de producción mal ajustada. Actuar sobre el síntoma puede aliviar la presión sin modificar el mecanismo que la genera.

En DMAIC, la fase Analyze descrita por ASQ busca identificar entradas críticas y causas de variación o bajo desempeño antes de avanzar hacia la mejora. Un mapa de proceso, un análisis de causa, un Pareto u otras técnicas pueden apoyar la investigación, pero una herramienta no convierte una hipótesis en causa comprobada.

Una prueba útil consiste en preguntar qué evidencia cambiaría si la causa propuesta desapareciera. Si el equipo afirma que los errores provienen de una instrucción ambigua, puede comparar registros, observar la ejecución y revisar en qué punto aparece la desviación. Si los datos no respaldan la hipótesis, debe continuar el análisis antes de diseñar la contramedida.

3. Trabajar sin una línea base confiable

Sin una referencia previa, una variación favorable puede interpretarse como efecto del proyecto aunque forme parte del comportamiento habitual del proceso. También puede ocurrir que dos personas midan el mismo indicador con criterios distintos, que cambie la fuente de datos durante el proyecto o que solo se observe el resultado final sin comprobar cómo se ejecuta el nuevo método.

El Institute for Healthcare Improvement (IHI) distingue medidas de resultado, proceso y equilibrio, y recomienda observar los datos a lo largo del tiempo. Sus ejemplos proceden del ámbito sanitario, por lo que no deben trasladarse automáticamente a producción o servicios; la lógica de distinguir qué resultado cambia, si el proceso se ejecuta según lo previsto y si aparecen efectos no deseados sí puede utilizarse como criterio de diseño de la medición.

• Definición: especificar qué se mide y bajo qué criterio.
• Fuente: identificar de dónde se obtendrá el dato y quién lo registrará.
• Frecuencia: establecer cuándo se capturará y revisará la información.
• Referencia: disponer de suficientes observaciones previas para comprender el comportamiento del proceso.

Si el sistema de medición cambia durante el proyecto, esa modificación también debe documentarse. De lo contrario, una diferencia entre el “antes” y el “después” podría proceder del método de medición y no del proceso.

4. Trabajar sin apoyo ni participación

Un estudio piloto de Antony y colaboradores sobre fallas en proyectos de mejora de procesos, realizado con 42 especialistas de manufactura en Brasil, señaló entre las causas más citadas la resistencia al cambio, la falta de compromiso y apoyo de la alta dirección y las brechas de competencia en los equipos. El tamaño de la muestra y su contexto impiden convertir esos resultados en una tasa aplicable a todas las industrias, pero permiten reconocer condiciones que conviene revisar desde el inicio de un proyecto.

Una revisión sistemática de Khurshid y colaboradores, centrada en programas de formación para mejora de la calidad en salud, también identificó factores como apoyo organizacional, comunicación, rendición de cuentas, liderazgo y participación del personal. El estudio analiza un sector y un tipo de intervención específicos, por lo que estos elementos funcionan como preguntas de diagnóstico, no como reglas universales para cualquier proyecto industrial.

En la práctica, involucrar personas no significa convocar a todos a todas las reuniones. Un operario puede aportar conocimiento sobre una secuencia de trabajo, un supervisor puede resolver restricciones de programación y un patrocinador puede decidir sobre recursos que el equipo no controla. Lo necesario es definir quién aporta información, quién ejecutará el cambio, quién toma decisiones y quién removerá obstáculos. Un proyecto sin esas responsabilidades puede quedarse detenido aunque el análisis técnico sea sólido.

5. Escalar cambios sin probarlos

Supón que un equipo rediseña el formato utilizado para liberar órdenes de producción. Aplicarlo el mismo día en todos los turnos dificulta separar los problemas del formato de los problemas de capacitación o de las particularidades de cada turno. Una prueba limitada permite descubrir esos efectos antes de convertir el cambio en una nueva regla de operación.

El IHI utiliza los ciclos Plan-Do-Study-Act (PDSA) para probar cambios, comenzar con un alcance pequeño, observar lo ocurrido y utilizar el aprendizaje para ajustar pruebas posteriores. El enfoque procede de un marco utilizado ampliamente en salud, pero el principio de experimentar antes de ampliar resulta aplicable cuando una organización necesita aprender cómo se comporta una solución bajo sus propias condiciones.

Una prueba debería indicar qué se modificará, dónde se realizará, qué resultado se espera y qué datos se observarán. Después, el equipo compara la predicción con lo ocurrido. El resultado puede llevar a adoptar el cambio, modificarlo o descartarlo. Esa posibilidad de aprender antes de escalar es precisamente lo que se pierde cuando la implementación comienza como una decisión irreversible.

6. Cerrar sin un sistema de control

Que un indicador mejore después de una intervención no significa que el nuevo desempeño pueda mantenerse. Si el método depende de recordatorios informales, de una persona concreta o de la atención temporal del equipo del proyecto, el proceso queda expuesto a regresar a su comportamiento anterior cuando cambien los turnos, las prioridades o la carga de trabajo.

En la descripción de ASQ sobre la fase Control de DMAIC se incluyen la medición de largo plazo, los planes de reacción, los procedimientos operativos estandarizados, los planes de control y otros mecanismos destinados a conservar el desempeño del proceso. El cierre, por tanto, necesita definir qué ocurrirá después de que el equipo deje de tratar la mejora como un proyecto.

Una revisión sistemática de Kaplan y colaboradores identificó factores de contexto como liderazgo, cultura organizacional, infraestructura de datos, sistemas de información y recursos asociados con el éxito de iniciativas de mejora. La revisión se concentra en evidencia de salud y señala variabilidad en la definición y medición de esos factores, por lo que no permite asumir que una misma condición producirá el mismo efecto en otra industria.

Cómo prevenirlo: antes de cerrar, comprueba si el nuevo método quedó incorporado al trabajo estándar, quién revisará el indicador y qué acción debe ejecutarse cuando aparezca una desviación. Si nadie puede responder esas preguntas sin recurrir al equipo que desarrolló el proyecto, el control todavía depende del proyecto y no del proceso.

Conclusión

Un proyecto de mejora necesita producir aprendizaje antes de producir estandarización. Eso implica tomar decisiones con evidencia suficiente, comprobar qué ocurre cuando se modifica el proceso y convertir lo aprendido en una forma de trabajo que pueda mantenerse sin depender permanentemente del equipo del proyecto. La utilidad de una metodología no está en completar sus etapas como una lista, sino en utilizar cada etapa para reducir incertidumbre y tomar una decisión mejor fundamentada sobre el proceso.

Fuentes consultadas

American Society for Quality (ASQ). DMAIC Process: Define, Measure, Analyze, Improve, Control.

Institute for Healthcare Improvement. Model for Improvement: establecimiento de medidas.

Institute for Healthcare Improvement. Model for Improvement: pruebas de cambios.

Antony, J., Lizarelli, F. L., Fernandes, M. M., Dempsey, M., Brennan, A. y McFarlane, J. A study into the reasons for process improvement project failures: results from a pilot survey. International Journal of Quality & Reliability Management, 2019.

Khurshid, Z., De Brún, A., Martin, J. y McAuliffe, E. A Systematic Review and Narrative Synthesis: Determinants of the Effectiveness and Sustainability of Measurement-Focused Quality Improvement Trainings. Journal of Continuing Education in the Health Professions, 2021.

Kaplan, H. C., Brady, P. W., Dritz, M. C., Hooper, D. K., Linam, W. M., Froehle, C. M. y Margolis, P. The Influence of Context on Quality Improvement Success in Health Care: A Systematic Review of the Literature. The Milbank Quarterly, 2010.

de Waal, A. A. Building the conditions for sustainable improvement: evidence from HPO transformation cases and failure research. International Journal of Quality & Reliability Management, 2026.

MayuGo. Kaizen - Mejora Continua.