El 95% de las empresas no ha logrado transformar sus operaciones con inteligencia artificial generativa

Pese a que las empresas han invertido entre USD 30.000 y 40.000 millones en inteligencia artificial generativa (GenAI), el 95% no ha logrado transformar sus operaciones ni obtener beneficios económicos tangibles, según un estudio de MIT. Solo una minoría, el 5%, ha conseguido extraer valor real de estas tecnologías, lo que ha dado lugar a una marcada División GenAI que separa a las organizaciones que han cruzado el umbral de la transformación digital de la gran mayoría que permanece estancada en la experimentación. Esta brecha, lejos de deberse a la calidad de los modelos o a cuestiones regulatorias, responde principalmente a la forma en que las empresas abordan la integración y el aprendizaje de la IA en sus procesos.

La División GenAI se manifiesta con claridad en la alta adopción de herramientas como ChatGPT y Copilot, presentes en más del 80% de las organizaciones, y en la proliferación de pilotos de IA generativa. Sin embargo, solo el 5% de las implementaciones personalizadas alcanza la fase de producción y logra un impacto medible en los resultados financieros.

El grueso de las empresas se queda en la fase de prueba, sin lograr que la tecnología se integre en los flujos de trabajo críticos ni que aporte mejoras estructurales. Un directivo de operaciones de una empresa manufacturera resumió la situación: “El bombo en LinkedIn dice que todo ha cambiado, pero en nuestras operaciones nada fundamental ha cambiado. Procesamos algunos contratos más rápido, pero eso es todo”.

El análisis sectorial revela que solo los sectores de tecnología y medios han experimentado una transformación estructural significativa gracias a la GenAI. En estos ámbitos, han surgido nuevos actores y modelos de negocio impulsados por IA, y se han producido cambios en los comportamientos de los usuarios. En contraste, sectores como servicios profesionales, salud, consumo, finanzas, industrias avanzadas y energía muestran una adopción elevada pero escasa disrupción real. Por ejemplo, en salud y energía, la integración de la IA se limita a proyectos piloto de documentación o mantenimiento, sin alterar los modelos clínicos o las cadenas de suministro.

La principal razón del estancamiento radica en la brecha de aprendizaje. La mayoría de los sistemas de GenAI no retienen retroalimentación, no se adaptan al contexto ni mejoran con el tiempo. Los usuarios valoran la flexibilidad de herramientas como ChatGPT para tareas simples, pero las abandonan en trabajos críticos por su falta de memoria y personalización. Un abogado corporativo relató: “Nuestro proveedor habitual ya entiende nuestras políticas y procesos. Es más probable que esperemos a que añadan IA que cambiar a un proveedor desconocido”. Esta preferencia por la familiaridad y la integración profunda explica por qué los sistemas genéricos triunfan en tareas básicas, pero fracasan en procesos complejos.

Un fenómeno destacado es el de la IA en la sombra. Aunque solo el 40% de las empresas ha adquirido suscripciones oficiales a modelos de lenguaje, más del 90% de los empleados utiliza herramientas de IA de manera personal para automatizar tareas laborales, muchas veces sin conocimiento del área de TI. Esta economía paralela de IA demuestra que los trabajadores pueden cruzar la División GenAI por su cuenta cuando disponen de herramientas flexibles y útiles. Las organizaciones que analizan y aprovechan estos patrones informales están comenzando a cerrar la brecha entre la experimentación y la transformación real.

En cuanto a la inversión, la tendencia dominante es destinar la mayor parte del presupuesto de IA a ventas y marketing, con cerca del 70% de los recursos enfocados en estas áreas. Sin embargo, los mayores retornos se observan en la automatización de operaciones y finanzas, donde la IA permite eliminar gastos en externalización de procesos y reducir el uso de agencias externas.

Un vicepresidente de compras de una farmacéutica ilustró el dilema al MIT: “Si compro una herramienta para que mi equipo trabaje más rápido, ¿cómo cuantifico ese impacto? ¿Cómo lo justifico ante el CEO si no afecta directamente a los ingresos o a los costeos medibles?”.

Esta dificultad para medir el valor en funciones menos visibles perpetúa la asignación de recursos a áreas de alto perfil, aunque el verdadero potencial de la IA resida en la optimización del back office.

Las empresas que logran superar la División GenAI comparten varias prácticas diferenciadoras. Exigen personalización específica para sus procesos, evalúan las herramientas en función de resultados de negocio y buscan sistemas que se integren con sus plataformas existentes y mejoren con el uso. Los proveedores que cumplen con estas expectativas consiguen contratos millonarios en cuestión de meses.

Además, las organizaciones exitosas priorizan alianzas estratégicas con socios externos, lo que duplica la tasa de éxito respecto a los desarrollos internos. La descentralización de la toma de decisiones y la implicación de los responsables de línea, en lugar de depender de laboratorios centrales, también se asocian con una mayor adopción y retorno de la inversión.

El impacto de la GenAI en el empleo es selectivo y gradual. No se observan despidos masivos, sino una reducción de costes externos y una ligera disminución de personal en funciones tercerizadas y tareas repetitivas, especialmente en atención al cliente, ingeniería de software y administración.

En sectores como tecnología y medios, más del 80% de los ejecutivos prevé una reducción en las contrataciones en los próximos dos años, mientras que en salud, energía e industrias avanzadas no se anticipan cambios significativos en la plantilla. La demanda de nuevas habilidades, especialmente la alfabetización en IA, se convierte en un criterio clave en los procesos de selección, con una ventaja para los recién graduados frente a profesionales experimentados.

De cara al futuro, el informe anticipa la evolución hacia una Web Agéntica, una red de sistemas autónomos capaces de coordinar procesos empresariales de forma descentralizada y de aprender de manera continua. Protocolos como Model Context Protocol (MCP), Agent-to-Agent (A2A) y NANDA están sentando las bases para esta transformación, que permitirá a los agentes de IA descubrir proveedores, negociar condiciones y ejecutar integraciones sin intervención humana.

Las empresas que inviertan ahora en sistemas adaptativos y alianzas estratégicas consolidarán ventajas competitivas difíciles de revertir en los próximos 18 meses. Solo quienes apuesten por sistemas que aprenden, se integran y evolucionan lograrán posicionarse en la vanguardia de la transformación digital.