La IA que realmente impacta los negocios

En julio de 2025, el MIT publicó un informe crucial que, incluso a casi la mitad de 2026, debería estar pegado en el board de cada empresa que esté explorando la adopción de IA, e incluso en cada área que lleve esta responsabilidad dentro de una organización. El reporte se llama “The GenAI Divide: State of AI in Business 2025”, y básicamente nos dejó saber y entender que 95% de los proyectos de IA en empresas no generaron ningún impacto medible en resultados de negocio. ¡Fueron puro hype!

Esto lo he visto una y otra vez durante los últimos tres años, en empresas de todos los tamaños, de todos los sectores y en varios países en los que he tenido la oportunidad de trabajar. Y aquí solemos equivocarnos al decir que lo que falló fue la tecnología; y no, esa no es la razón. Las herramientas y desarrollos realmente funcionan operativamente, sin embargo, fracasan y se abandonan porque nadie definió realmente el problema que se debía resolver, no se creó un caso de uso, ni historias de usuario (como mínimo) que permitieran realmente generar y predecir un impacto en algún KPI u OKR.

El patrón es siempre el mismo: “Debemos ser una compañía AI-first”. Suscripciones a herramientas van y vienen, se crea un equipo de transformación de IA, se hacen demos impresionantes. Un par de meses después, el piloto sigue siendo un piloto. No ha generado impacto en un KPI puntual; en ocasiones, incluso he llegado a escuchar: “funcionaba igual en Excel”.

Lo que el MIT confirmó, y lo que Gartner, McKinsey y decenas de estudios paralelos corroboran, es que la falla rara vez es técnica. Es estratégica. Tres señales delatan a una implementación que no funcionará con el tiempo.

La primera: no hay un problema específico que resolver, solo una intención de usar IA. La herramienta se convierte en el objetivo en lugar de ser el medio. La segunda: el proyecto vive en el área de tecnología, pero el problema vive en operaciones, ventas o finanzas. Sin puentes reales entre quienes construyen y quienes usan, ninguna solución sobrevive al contacto con la realidad. La tercera: el éxito nunca fue definido. ¿El éxito es que funcione el demo? ¿Que lo use 30% del equipo? ¿Que reduzca costos 15%? Sin una métrica clara, cualquier resultado puede justificarse y ninguno puede evaluarse de verdad.

Cerca de 5% que sí funciona no tiene más presupuesto ni mejor tecnología. Tiene algo más simple y más difícil: claridad. Saben exactamente qué proceso van a mejorar, quién lo va a usar, cómo van a medir el resultado y quién toma decisiones cuando algo no funciona como se esperaba.

Implementar IA no es solo estrategia. Realmente es una capacidad. Y como toda capacidad, solo genera valor cuando está al servicio de un objetivo claro. Cuando acompaño compañías en estas implementaciones, basta con preguntar: ¿Cuál es el problema específico de negocio que esto debe resolver? ¿Qué KPI se está impactando y qué ROI va a generar? Si la respuesta no está clara, hay que tomarse el tiempo de definirlo; si no, la implementación ya está en riesgo.

Y a esto hay que añadir algo que rara vez se dice en voz alta: muchas organizaciones no fallan por falta de talento o de presupuesto, sino por exceso de entusiasmo sin estructura. La presión por “no quedarse atrás” en la carrera de la IA ha llevado a decisiones apresuradas donde lo importante no es resolver, sino anunciar. Y en ese tránsito, la tecnología termina funcionando como escaparate más que como herramienta.

También hay un elemento cultural que pesa más de lo que se reconoce. Implementar IA implica aceptar que algunos procesos deben cambiar radicalmente, y eso inevitablemente genera resistencia. No resistencia a la tecnología en sí, sino a la pérdida de control sobre cómo se hacían las cosas antes. Esa tensión, si no se gestiona, termina neutralizando incluso las mejores soluciones técnicas.