A pesar de las grandes apuestas por la inteligencia artificial, un nuevo informe del Instituto Tecnológico de Massachusetts (MIT) revela que el 95% de los proyectos piloto de IA generativa en las empresas tropiezan y no logran un impacto significativo. El problema no son los modelos, sino cómo se integran.
Contenido del artículo:
- Introducción: La gran apuesta y la cruda realidad
- La gran división: solo el 5% alcanza el éxito
- El problema fundamental: la «brecha de aprendizaje», no la calidad de los modelos
- Mala asignación de recursos: enfoque en ventas en lugar de operaciones internas
- Claves del éxito: comprar en lugar de construir
- Impacto en la fuerza laboral: reemplazo silencioso, no despidos masivos
- El fenómeno de la «IA en la sombra» (Shadow AI)
- Conclusión: Del revuelo al valor real
- Preguntas frecuentes
Introducción: La gran apuesta y la cruda realidad
Las empresas de todo el mundo están apostando fuerte por la inteligencia artificial y destinando inversiones masivas para intentar aprovechar su potencial. Sin embargo, un nuevo informe titulado «La división en la IA generativa: el estado de la IA en los negocios 2025», publicado por la iniciativa NANDA del Instituto Tecnológico de Massachusetts (MIT), revela que la mayoría de estos proyectos piloto se quedan estancados en la línea de salida.
La gran división: solo el 5% alcanza el éxito
A pesar de la prisa por integrar los nuevos y potentes modelos, la investigación revela que solo alrededor del 5% de los programas piloto de IA logran acelerar rápidamente los ingresos; mientras que la gran mayoría tropieza y ofrece un impacto escaso o nulo mensurable en las pérdidas y ganancias. La investigación, basada en 150 entrevistas con líderes, una encuesta a 350 empleados y el análisis de 300 aplicaciones públicas de IA, dibuja una clara división entre las historias de éxito y los proyectos estancados.
Aditya Chalapally, autor principal del informe, señaló: «Algunos proyectos piloto de grandes empresas y jóvenes startups realmente destacan en el uso de la inteligencia artificial generativa». Añadió que las startups dirigidas por jóvenes de 19 o 20 años, por ejemplo, «han experimentado un salto en sus ingresos de cero a 20 millones de dólares en un año. Esto se debe a que eligen un punto débil específico, ejecutan bien y se asocian de forma inteligente con las empresas que utilizan sus herramientas».
El problema fundamental: la «brecha de aprendizaje», no la calidad de los modelos
Para el 95% de las empresas del conjunto de datos, la aplicación de la inteligencia artificial generativa no está ofreciendo los resultados deseados. ¿El problema fundamental? No es la calidad de los modelos de inteligencia artificial, sino la «brecha de aprendizaje» tanto de las herramientas como de las organizaciones.
Mientras que los directivos suelen culpar a la regulación o al rendimiento de los modelos, la investigación del MIT apunta a una integración institucional defectuosa. Chalapally explicó que las herramientas generales como ChatGPT destacan para los particulares debido a su flexibilidad, pero flaquean en el uso corporativo porque no aprenden de los flujos de trabajo ni se adaptan a ellos. Las empresas necesitan soluciones especializadas que puedan integrarse profundamente en sus operaciones, algo de lo que carecen las herramientas generales.
Mala asignación de recursos: enfoque en ventas en lugar de operaciones internas
Los datos también revelan un desajuste en la asignación de recursos. Más de la mitad de los presupuestos de inteligencia artificial generativa se destinan a herramientas de ventas y marketing. Sin embargo, el MIT descubrió que el mayor retorno de la inversión reside en la automatización de las operaciones internas (back-office), como la eliminación de la externalización de procesos de negocio, la reducción de costes de agencias externas y la simplificación de operaciones. Las empresas parecen centrarse en la interfaz de cara al cliente, mientras que el verdadero valor radica en mejorar la eficiencia interna.
Claves del éxito: comprar en lugar de construir
La forma en que las empresas adoptan la inteligencia artificial es crucial. La compra de herramientas de inteligencia artificial a proveedores especializados y el establecimiento de asociaciones tienen éxito en aproximadamente el 67% de los casos, mientras que los procesos de desarrollo interno solo tienen éxito una de cada tres veces.
Este hallazgo es especialmente relevante en los servicios financieros y otros sectores altamente regulados, donde muchas empresas construyen sus propios sistemas de inteligencia artificial generativa. Sin embargo, la investigación del MIT indica que las empresas experimentan más fracasos cuando operan por sí solas. Chalapally afirmó: «Casi en cada lugar que visitamos, las organizaciones intentaban construir sus propias herramientas», pero los datos demostraron que las soluciones adquiridas ofrecían resultados más fiables.
Impacto en la fuerza laboral: reemplazo silencioso, no despidos masivos
La disrupción en la fuerza laboral ya está en marcha, especialmente en la atención al cliente y en los puestos administrativos. En lugar de despidos masivos, las empresas están optando cada vez más por no volver a cubrir las vacantes. La mayoría de los cambios se concentran en puestos que anteriormente se habían externalizado debido a su bajo valor percibido.
El fenómeno de la «IA en la sombra» (Shadow AI)
El informe también destaca el uso generalizado de la «IA en la sombra» (herramientas no autorizadas como ChatGPT utilizadas por los empleados por cuenta propia) y el desafío constante que supone medir el impacto de la inteligencia artificial en la productividad y los beneficios.
Conclusión: Del revuelo al valor real
El informe del MIT demuestra que la mera adopción de la inteligencia artificial generativa no garantiza el éxito. La brecha entre las empresas que generan valor real y las que tropiezan no es tecnológica, sino estratégica y de ejecución. El éxito radica en elegir el problema correcto, determinar la herramienta adecuada (a menudo mediante la compra), integrarla profundamente en el flujo de trabajo y capacitar a los empleados para que la utilicen con eficacia. Para la gran mayoría de las empresas, aún queda un largo camino por recorrer para pasar de la fase de experimentación a la obtención de beneficios tangibles.
Preguntas frecuentes
P1: ¿Cuál es el porcentaje de proyectos de inteligencia artificial generativa que fracasan en las empresas?
R: Según el informe del MIT, alrededor del 95% de los proyectos piloto fracasan o se estancan, mientras que solo el 5% logra un éxito rápido en el aumento de los ingresos.
P2: ¿Cuál es la principal causa de este fracaso?
R: La causa principal no es la calidad de los modelos de inteligencia artificial, sino la «brecha de aprendizaje» dentro de las organizaciones y la deficiente integración de las herramientas en los flujos de trabajo actuales.
P3: ¿Cuál es el enfoque más exitoso para adoptar la inteligencia artificial?
R: El informe demostró que la compra de herramientas especializadas a proveedores y el establecimiento de asociaciones tienen éxito en dos tercios de los casos, mientras que la construcción interna de herramientas solo funciona en un tercio de las ocasiones.
