IA aplicada a pymes en Catalunya: qué automatizar, qué no, y cuánto ahorras de verdad
"Hay que meter IA" es lo que más estamos oyendo a directivos de pymes en Lleida, Tarragona y el resto de Catalunya. La frase, tal cual, suele acabar mal. La IA aplicada a una pyme tiene sentido en procesos muy concretos, con números encima de la mesa y cumpliendo RGPD. Te contamos cuáles, con qué herramienta y cuánto ahorra cada uno en horas/mes.
El error de querer "meter IA" sin diagnóstico previo
La conversación sobre IA para pymes en Catalunya ha pasado de curiosidad a urgencia en menos de dos años, y el patrón se repite cada semana: directivo de pyme catalana lee un artículo en LinkedIn, escucha un podcast en el coche o vuelve de una feria sectorial convencido de que "necesitamos IA". Llama a la persona técnica de la empresa o a un proveedor externo pidiendo "una solución de inteligencia artificial". Seis meses después, el equipo tiene una licencia de ChatGPT Team pagada, tres plugins de IA en Office que casi nadie usa y la sensación de haber tirado entre 5.000 y 12.000€ sin haber cambiado nada del negocio. El error no es la IA: es haber empezado por la herramienta en vez de empezar por el proceso.
Hay tres errores frecuentes que vemos cuando una pyme se lanza sin diagnóstico. El primero es confundir ChatGPT público con IA empresarial: copiar el patrón de uso individual (preguntar cosas, pedir resúmenes sueltos) y trasladarlo al equipo sin más infraestructura. Eso no es transformación digital, es una suscripción mensual cara. El segundo es automatizar procesos rotos: si tu proceso de facturación tarda diez días porque el comercial no sube los albaranes a tiempo, meter IA encima no lo arregla; sólo añade una capa más al desorden y reparte la culpa entre humanos y modelo. El tercero es ignorar el RGPD hasta que la AEPD —o un cliente importante con auditoría de proveedores— pregunta dónde están los datos personales que has mandado al LLM.
Antes de elegir herramienta hay cuatro preguntas que te separan de los 5.000€ tirados. Una: madurez digital real —¿tienes ya CRM, ERP o gestor documental con datos limpios, o sigues operando con Excel sueltos y carpetas compartidas? Si la base no existe, la IA no tiene de dónde leer. Dos: datos estructurados —¿están las fichas de cliente con campos consistentes, las propuestas comerciales con plantilla común, los documentos legales tipificados? Sin eso, ningún modelo generará valor reutilizable. Tres: equipo capaz de integrar —¿hay al menos una persona interna o un partner externo que sepa conectar API, montar prompts versionados y medir resultados? Cuatro: ROI esperado claro —¿qué proceso concreto vas a tocar, cuántas horas humanas consume hoy, y a partir de qué porcentaje de ahorro la inversión sale rentable a 12 meses?
Si las cuatro respuestas son honestas y favorables, la conversación de IA tiene sentido. Si alguna no lo es, probablemente el proyecto que necesitas no es de IA, sino de ordenar datos, montar un CRM o digitalizar un proceso que sigue en papel o en correo. Lo decimos sin medias tintas porque hemos visto demasiadas pymes catalanas pagar implementaciones de IA que no podían digerir.
Comparativa real ChatGPT vs Claude vs Copilot vs Gemini para empresa
Los cuatro grandes proveedores de LLM tienen oferta empresarial seria y diferenciada. La pregunta "¿cuál es mejor?" no tiene respuesta única: depende de tu stack actual, de qué quieres automatizar, de tu sensibilidad RGPD y del idioma de trabajo interno. Antes de la tabla, una nota rápida sobre cuándo encaja cada uno.
ChatGPT (OpenAI) — Team y Enterprise
Es el generalista más extendido. Con el plan Team (a partir de 25€/usuario/mes), tus datos no se usan para entrenar el modelo y dispones de carpetas compartidas, GPTs personalizados y conexión a archivos internos. Enterprise sube el nivel con SSO, residencia de datos en UE opcional y SLA. Encaja bien en pymes con equipo mixto comercial-marketing-soporte que ya tiene costumbre de usar la versión gratuita.
Claude (Anthropic) — Pro y Team
El mejor en escritura larga, razonamiento legal y código. Ventana de contexto enorme (hasta 200.000 tokens en Sonnet), ideal para resumir contratos largos, analizar pliegos técnicos o trabajar con documentos extensos. Plan Team desde 30$/usuario/mes. Su política de no entrenamiento por defecto y los servidores en infraestructura controlada lo hacen atractivo en sectores con sensibilidad de datos.
Microsoft Copilot — incluido en Microsoft 365
Si tu pyme ya trabaja sobre Microsoft 365 (Outlook, Word, Excel, Teams), Copilot encaja sin fricción: lee tus correos, resume reuniones de Teams en tiempo real, ayuda a redactar en Word y a montar fórmulas en Excel. Precio: a partir de 28€/usuario/mes sobre tu plan M365. Su gran ventaja es la integración nativa; su limitación, que fuera del ecosistema Microsoft pierde gran parte del valor.
Gemini (Google) — para Workspace
La opción para pymes que viven en Google Workspace (Gmail, Docs, Sheets, Meet). Asistente en cada herramienta, resúmenes de hilos en Gmail, generación de imágenes y ayuda al redactar en Docs. Precio a partir de 22€/usuario/mes sobre Workspace. Calidad en castellano correcta y mejorando trimestre a trimestre.
| Atributo | ChatGPT Team | Claude Team | Copilot M365 | Gemini Workspace |
|---|---|---|---|---|
| Precio €/usuario/mes | 25€ | 30$ (~27€) | 28€ (+ M365) | 22€ (+ Workspace) |
| Ventana de contexto | 128k tokens | 200k tokens | ~64k tokens | ~128k tokens |
| Calidad escritura ES | Alta | Muy alta | Media-alta | Media-alta |
| Calidad código | Alta | Muy alta | Media | Media |
| Datos para entrenamiento | Opt-out por defecto | No entrena | No entrena | Opt-out por defecto |
| Residencia datos UE | En Enterprise | Limitada | Sí (M365 UE) | Sí (Workspace UE) |
| Integración Office / Workspace | Plugins externos | Plugins externos | Nativa Office | Nativa Google |
La recomendación honesta tras dos años trabajando con pymes catalanas: si ya pagas Microsoft 365 para 10 o más usuarios, Copilot es la decisión obvia porque la fricción de adopción es mínima. Si tu equipo es técnico (desarrollo, ingeniería, despacho de abogados, consultoría con contratos largos), Claude rinde mejor en la unidad de trabajo real. Si quieres entrar barato y experimentar con casos de uso variados antes de comprometerte, ChatGPT Team es el generalista más versátil. Y si vives en Google Workspace, Gemini es el camino natural. No hay un ganador absoluto; hay un ganador por contexto.
7 procesos donde la IA paga sola en 90 días
Hemos seleccionado siete procesos donde el ahorro de horas es medible y la implementación cabe dentro de un trimestre. Los números de ahorro vienen de pymes catalanas de 8 a 40 empleados con las que hemos trabajado o auditado durante 2025 y 2026. No son promesas: son rangos observados.
-
Atención cliente nivel 1 con chatbot RAG. Un asistente que lee tu manual de producto, las FAQs, el histórico de tickets y los emails de soporte resueltos, y responde el 60-70% de las consultas repetitivas sin intervención humana. Ahorro típico: 8-15 horas/semana en pymes con 80-300 tickets/mes. Inversión: 2.500-5.500€ implementación. Break-even mes 2.
-
Borradores de propuestas comerciales. El comercial dispara un prompt con datos del lead, sector y necesidades; el modelo devuelve un borrador estructurado con propuesta, alcance y rangos de precio basados en plantillas y casos pasados. El comercial revisa y personaliza. Ahorro: 4-8 horas/semana. Coste: licencia LLM + 4-8 horas de configuración del prompt y la plantilla.
-
Resumen de reuniones con Otter, Fireflies o Tactiq. Las reuniones se transcriben automáticamente y el modelo genera resumen, decisiones tomadas, tareas asignadas y siguientes pasos en cuanto la sala vacía. Ahorro: 3-5 horas/semana en pymes con 6-10 reuniones/semana. Coste: 15-25€/usuario/mes.
-
Categorización de emails entrantes. El modelo lee la bandeja general (info@, comercial@) y clasifica por tipo —oferta, pedido, queja, factura, soporte—, asigna a la persona correcta y prepara borrador de respuesta. Ahorro: 2-4 horas/semana. Coste: 200-800€ de integración + licencia.
-
Generación de contenido marketing (drafts). Borradores de posts en LinkedIn, newsletters, descripciones de producto y entradas de blog a partir de un brief corto y referencias de marca. La pieza final la pule un humano. Ahorro: 5-10 horas/semana en equipos con publicación constante. Coste: licencia + plantillas de prompt.
-
Transcripción y traducción de documentos técnicos o legales. Pliegos, contratos, manuales, fichas técnicas: transcripción de PDF escaneado a texto editable y traducción profesional ES↔EN/FR/DE en minutos en lugar de días. Ahorro: 4-7 horas/semana en empresas con volumen internacional. Coste: 30-90€/usuario/mes + revisión humana cuando aplique.
-
Análisis de grandes volúmenes de facturas o proveedores. Subir las últimas 12 facturas de luz, gas o suministros y pedir resumen comparativo, anomalías de consumo, recomendaciones de cambio de tarifa. Igual con cartera de proveedores: precios pactados, descuentos no aplicados, retrasos. Ahorro: 6-12 horas/mes. Coste: una herramienta de OCR + LLM, desde 50€/mes.
| Proceso | Herramienta tipo | Ahorro horas/mes | Inversión inicial | Break-even |
|---|---|---|---|---|
| Chatbot atención nivel 1 | RAG sobre Claude o GPT-4 | 32-60h | 2.500-5.500€ | Mes 2 |
| Borradores propuestas | ChatGPT Team / Claude Team | 16-32h | 800-1.500€ | Mes 1 |
| Resumen reuniones | Otter, Fireflies, Tactiq | 12-20h | 0€ (suscripción) | Mes 1 |
| Categorización emails | n8n + LLM + Outlook/Gmail | 8-16h | 200-800€ | Mes 1 |
| Contenido marketing drafts | Copilot, Gemini, ChatGPT | 20-40h | 200-600€ | Mes 1 |
| Traducción documentos | DeepL Pro + Claude | 16-28h | 0€ (suscripción) | Mes 1 |
| Análisis facturas y proveedores | OCR + LLM + hoja Excel | 6-12h | 50-300€ | Mes 2 |
Una pyme catalana de 15 empleados que implemente tres de estos siete procesos recupera entre 60 y 110 horas de equipo al mes, equivalentes a 25.000-45.000€/año a coste medio de 35€/hora cargada. Frente a una inversión inicial de 3.000-8.000€ y un coste mensual de 200-500€ en licencias, el ROI a 12 meses está fuera de discusión. La parte difícil no es la matemática: es elegir los tres procesos correctos y no empezar por los que se ven más vistosos.
Si quieres profundizar en cómo conectar estos procesos entre sí —chatbot que dispara webhooks, formularios que crean tareas, emails que abren tickets— combinamos lo de aquí con automatización con n8n y WhatsApp, que es la capa de plomería que hace que el conjunto funcione sin intervención humana entre paso y paso.
4 procesos donde NO la metas todavía
No todo proceso aguanta una capa de IA en 2026. Hay categorías donde la responsabilidad legal, la sensibilidad del dato o la naturaleza del trabajo hacen que la mejor decisión sea seguir con humano y volver a evaluar en 12-18 meses. Cuatro casos claros.
Decisiones legales o contractuales finales. Que el modelo te ayude a redactar un borrador de contrato, revisar cláusulas o detectar inconsistencias está bien. Que firme por ti, decida si aceptas un pliego de licitación o interprete un convenio colectivo, no. La responsabilidad por error es delegada al humano que firma; si firmas lo que sale sin revisar, el modelo no te cubre. En pymes catalanas con volumen contractual alto vemos un patrón sano: IA como asistente de redacción + revisión humana obligatoria antes de cualquier firma.
Diagnóstico clínico o financiero crítico. Esto cae directamente bajo el Reglamento Europeo de IA como sistema de alto riesgo (Anexo III). Una clínica veterinaria, un despacho de auditoría o una asesoría financiera no pueden sustituir el diagnóstico humano por la salida de un LLM, ni siquiera como apoyo "no vinculante", sin pasar por trazabilidad, documentación de modelo y supervisión cualificada. Mejor no entrar todavía.
Atención cliente premium o high-touch B2B. Si tu propuesta de valor incluye "te atiende siempre la misma persona", "cuenta con un gestor dedicado" o "respuesta en una hora por tu comercial de confianza", reemplazar esa relación por un chatbot —por bueno que sea— destruye la palanca que justificaba tu precio. La IA tiene cabida en backoffice, pero no en el frontstage del cliente premium. Aquí el ahorro de horas se paga con churn.
Cualquier proceso que toque datos de menores. Por imperativo de la LOPDGDD y por el principio de minimización de la AEPD, los datos personales de menores no se mandan a LLMs alojados fuera de la UE sin garantías especiales. Si tu pyme trabaja con academias, clubes deportivos infantiles, ludotecas, centros educativos o servicios pediátricos, la regla por defecto es: estos datos no entran al modelo. Excepciones: anonimización irreversible previa o modelos on-premise auditables.
RGPD y AEPD: qué NO puedes mandar a un LLM
El RGPD no prohíbe usar IA. Lo que prohíbe es usarla mal con datos personales. La AEPD ha publicado durante 2024 y 2025 varias guías y notas técnicas que aterrizan el principio en casos prácticos. La regla operativa para una pyme es simple: antes de subir nada a un LLM, pregúntate de quién es ese dato y si tienes base legal y trazabilidad para tratarlo así.
Datos personales identificables. Nombre, DNI, email, teléfono, dirección, datos económicos individuales. Sin base legal específica del tratamiento (consentimiento, ejecución de contrato, interés legítimo documentado) y sin informar al titular de que sus datos pueden ser procesados por sistemas de IA, no entran al modelo. La sanción típica por tratamiento ilícito va de 40.000 a 300.000€ para pymes, con agravantes si hay reincidencia.
Datos sensibles (Artículo 9 RGPD). Salud, ideología, religión, orientación sexual, datos genéticos, biométricos, sindicales. Estos datos tienen protección reforzada y prácticamente nunca entran a un LLM público, ni siquiera con consentimiento, salvo en casos muy tasados con evaluación de impacto previa.
Datos de menores. Protección especial siempre. Si tu pyme da servicio a centros educativos, academias, actividades extraescolares o pediatría, asume que los datos de menores no salen del entorno controlado de tu empresa.
Información sometida a secreto profesional. Despachos de abogados, auditores, asesores fiscales, notarías: la confidencialidad de cliente es deber de la persona física que firma, no del software. Mandar documentos confidenciales a un LLM público es, en el mejor de los casos, una infracción deontológica; en el peor, una brecha indemnizable.
¿Qué alternativas tienes? Tres caminos limpios: anonimización previa de los datos antes de mandarlos al modelo (sustituir nombres por etiquetas, eliminar DNI, agregar cifras); modelos on-premise tipo Llama 3, Mistral o Qwen ejecutados en tu propia infraestructura donde los datos nunca salen de tu red; o DPA firmado con el proveedor del LLM más residencia de datos en UE y opt-out de entrenamiento contractualmente garantizado. Las tres opciones son combinables. La elección depende del volumen y la sensibilidad del proceso.
Antes de subir nada a un LLM: verifica si el proveedor firma un DPA (Data Processing Agreement), dónde se almacenan los datos (UE vs Estados Unidos vs ambos), si los datos se usan para entrenamiento (opt-out obligatorio), y si tu uso entra en el ámbito del Reglamento Europeo de IA (Artículo 6, sistemas de alto riesgo). Si dudas, llama a tu DPO o asesor legal antes.
La parte de tracking y consentimiento web es la otra pata del mismo problema: si la AEPD revisa tu web mañana, no solo se mira tu uso de IA sino también cómo recopilas datos en formularios y cookies. Si todavía no lo tienes resuelto, en cumplir con la AEPD también en tracking está la guía completa con plantilla técnica.
Caso real: pyme industrial de Catalunya (anonimizado)
Empresa industrial del corredor Lleida-Tarragona, 25 empleados, facturación 4,2 millones, sector componentes técnicos. Cliente B2B nacional e internacional. Problema diagnosticado en auditoría: el equipo comercial (4 personas) dedicaba alrededor de 12 horas semanales a responder consultas técnicas repetitivas por email —compatibilidad de producto, plazos de entrega, condiciones de descuento por volumen, disponibilidad de stock—. Esa carga rompía la concentración comercial e impedía dedicar tiempo a cuentas grandes y prospección activa.
La solución implementada fue un chatbot RAG conectado al catálogo técnico, al ERP y al histórico de tickets resueltos. El asistente atiende la consulta inicial por web o por email corporativo, responde con datos reales (referencias compatibles, stock actual, condiciones), y solo escala a comercial humano cuando la pregunta requiere negociación, oferta a medida o relación de cuenta. Coste de implementación: 3.500€ de desarrollo (8 jornadas técnicas) + 220€/mes de licencias y modelo. Tiempo de puesta en marcha: 5 semanas desde kick-off hasta producción, con tres semanas de piloto interno antes del lanzamiento público.
Los resultados medidos a los 90 días: el chatbot resolvió de forma autónoma el 64% de las consultas técnicas recibidas por canal digital, escalando el 36% restante con contexto preparado al comercial correspondiente. El equipo comercial recuperó 50 horas/mes en agregado (un poco más de lo previsto), lo que a coste medio de 35€/hora cargada significa un ahorro mensual de 1.750€. Break-even: mes 2. Seis meses después, el ROI acumulado se situó en 5x sobre la inversión inicial, sin contar el valor estratégico de que el equipo comercial pudiera dedicar las horas recuperadas a tres cuentas internacionales nuevas que entraron en cartera.
La nota importante: este caso funcionó porque la empresa ya tenía el catálogo bien estructurado y un sistema de tickets con histórico utilizable. Sin esos dos prerequisitos, el proyecto habría costado tres veces más en preparación de datos y los plazos se habrían ido a 4-5 meses. Es el patrón que repetimos: la IA paga sola cuando el suelo de datos ya está limpio. Sin suelo limpio, lo que paga es preparar el suelo.
Stack mínimo viable de IA para una pyme de 5–20 personas
Tras tocar varias decenas de pymes catalanas en distintos sectores, este es el stack que funciona como punto de partida sensato sin sobreingeniería. Tres capas, coste controlado y margen para crecer cuando aparezcan casos de uso nuevos.
Capa 1 — Asistencia individual. Una licencia de Copilot M365 (si ya estás en Microsoft) o de ChatGPT Team (si no) para cada persona que dedica al menos 4 horas semanales a tareas susceptibles de delegar al modelo —comercial, marketing, soporte, dirección, operaciones—. Coste: 25-30€/usuario/mes. En una pyme de 15 personas con 8 licencias activas, son 200-240€/mes. Esta capa se amortiza sola en el primer mes con sólo dos procesos del listado anterior bien implementados.
Capa 2 — Automatización de flujos. n8n self-hosted o cloud para orquestar lo que pasa entre apps: formulario web crea ticket → LLM clasifica → asigna comercial → envía mensaje WhatsApp confirmando recepción. Coste: 0€ self-hosted o 20-50€/mes en cloud. Configuración inicial: 500-1.500€ por flujo según complejidad. Esta capa la cubrimos con detalle en automatización con n8n y WhatsApp.
Capa 3 — Integración a medida. Conexión del LLM con tu CRM o ERP propio para casos de uso específicos: generación de propuestas con datos del histórico de cliente, análisis predictivo de cartera, asistente sectorial entrenado con tu documentación. Aquí ya entra desarrollo a medida y la inversión depende del alcance. En nuestro CRM a medida con módulos IA integramos esta capa de serie cuando el cliente la pide. Si necesitas algo más vertical —portal cliente, herramienta interna específica— miramos también aplicaciones a medida que incorporen IA donde realmente aporta.
Coste mensual realista del stack completo para una pyme de 15 personas con uso activo: 200-800€/mes según número de licencias y volumen de flujos automatizados. Coste de implementación inicial: 3.000-12.000€ si se hacen los tres niveles bien y en orden. Plazo desde decisión a producción: 8-14 semanas. Este es, a día de hoy, el stack de IA para pymes en Catalunya en 2026 que vemos funcionar sin sustos en el día a día. Si quieres una segunda opinión sobre por dónde empezar en tu caso concreto, una llamada corta por contacto con un diagnóstico rápido sale gratis y dura 30 minutos.
¿Hablamos de tu proyecto?
Cuéntanos qué necesitas. Respondemos en menos de 24h laborables.
¿Prefieres que lo revisemos contigo? Escríbenos por /contacto — primera llamada sin compromiso, respuesta en menos de 24h laborables.
Lo que más nos preguntan.
¿Tengo que tener equipo técnico para meter IA en mi empresa?
No para empezar. Las dos primeras capas del stack —licencias de Copilot o ChatGPT Team y suscripciones como Otter o DeepL— funcionan sin perfil técnico: las contratas, formas al equipo en una sesión y empiezas a recuperar horas la primera semana. El perfil técnico (interno o externo) hace falta a partir de la segunda fase, cuando quieres conectar el LLM con tu CRM, montar un chatbot RAG o automatizar flujos con n8n. Hasta entonces, un equipo motivado vale más que un equipo técnico.
¿Cuánto tarda en ver retorno una pyme tras implementar IA?
Si eliges procesos del listado de los 7 con datos limpios y un proceso ya razonable, el break-even típico está entre el mes 1 y el mes 3. Los más rápidos son resúmenes de reuniones, drafts de marketing y borradores de propuestas, que recuperan horas desde la primera semana. Los más lentos son chatbot RAG y análisis predictivos, que necesitan 4-6 semanas de configuración antes de empezar a devolver tiempo. A 12 meses, un ROI 3x-5x es realista si la implementación se hizo en orden.
¿Qué pasa con mis datos confidenciales si uso ChatGPT?
Con la versión gratuita o personal, los datos pueden usarse para entrenamiento salvo opt-out manual, así que no es apta para empresa. Con ChatGPT Team o Enterprise, OpenAI declara contractualmente que tus datos no entrenan el modelo y firma DPA. Para datos personales identificables sigue siendo prudente anonimizar antes de subir y, en sectores sensibles —sanidad, jurídico, menores— pasar a modelos on-premise tipo Llama 3 o Mistral. La regla operativa: si tu DPO no firmaría, tampoco lo subas al LLM.
¿Es mejor Copilot o ChatGPT Team para una pyme?
Depende del stack. Si tu pyme ya paga Microsoft 365 para diez o más usuarios, Copilot encaja sin fricción porque vive dentro de Outlook, Word, Excel y Teams. Si no estáis en Microsoft o tu equipo es más mixto en herramientas, ChatGPT Team es más flexible y barato de probar. Para equipos técnicos con escritura larga o trabajo legal complejo, Claude Team supera a ambos en calidad de unidad de trabajo. La elección perfecta depende de cómo trabajáis hoy, no de qué marca es "la mejor en IA".
¿Necesito GPUs propias o servidores especiales?
No para la inmensa mayoría de casos de uso. Si trabajas con LLMs vía API o aplicaciones cloud —ChatGPT, Claude, Copilot, Gemini, n8n con nodos LLM— todo el cálculo pasa en infraestructura del proveedor y tú solo necesitas conexión a internet decente. Las GPUs propias solo entran en escena si vas a ejecutar un modelo on-premise tipo Llama 3 o Mistral para procesar datos sensibles que no pueden salir de tu red, y ahí hablamos de inversiones específicas y dedicadas.
¿La IA va a sustituir empleados en mi empresa?
En el horizonte de 12-24 meses, no si la usas bien. Lo que sí hace la IA en una pyme es absorber el trabajo repetitivo de bajo valor —resúmenes, clasificación, borradores, transcripciones— y devolver horas al equipo para tareas de mayor margen: cierre comercial, fidelización, desarrollo de cuenta, innovación. Las pymes catalanas que conocemos no han recortado plantilla tras implementar IA; han crecido sin contratar tanto. La sustitución llega más arriba, en cuellos de botella corporativos, no en pymes operativas.
¿Cumple el RGPD usar herramientas IA estadounidenses?
Sí, condicionalmente, gracias al EU-US Data Privacy Framework adoptado en julio de 2023. La mayoría de proveedores grandes (OpenAI, Anthropic, Microsoft, Google) están certificados, firman DPA y ofrecen residencia de datos en UE en sus planes enterprise. Lo que necesitas verificar tú: opt-out de entrenamiento activado, DPA firmado, anonimización previa para datos sensibles y, si entras en sistemas de alto riesgo del Reglamento Europeo de IA, evaluación de impacto documentada. Sin esos pasos, el riesgo de sanción es real.