El Media Lab del MIT, a través del Proyecto NANDA, publicó un informe que prende las alarmas. A pesar de que las empresas invirtieron entre US$ 30.000 y US$ 40.000 millones en inteligencia artificial generativa, la mayoría de los proyectos piloto terminaron en fracaso: el 95% de las iniciativas no dieron ningún tipo de retorno.
El estudio, titulado "Estado de la IA en los Negocios 2025", analizó más de 300 proyectos presentados públicamente, incluyó 52 entrevistas con organizaciones y sumó 153 encuestas a ejecutivos durante cuatro conferencias importantes del sector.
El dato que más impacta es que solo el 5% de los pilotos llegaron a producción con resultados medibles. Y no se trata de un problema técnico ni legal. La clave está en cómo se encara el desarrollo.
Seguimiento de modas vs. estrategia: una de las claves del fracaso en los pilotos de IA
Las empresas acumulan décadas de entusiasmo desmedido por "la próxima gran novedad". Pasó con el blockchain, el metaverso y la Web3: todas prometieron mucho, pero devolvieron poco en términos de retorno de inversión.
La inteligencia artificial está repitiendo esa historia. Muchos ejecutivos aprueban proyectos sin tener claro qué problema buscan resolver. Lo hacen porque sienten que "hay que tener una iniciativa de IA", como si fuera una obligación o una etiqueta que no puede faltar.
El informe del MIT muestra que entre el 50% y el 70% de los presupuestos en inteligencia artificial se concentraron en proyectos piloto enfocados en ventas y marketing. Son los más fáciles de presentar internamente. Muchos de quienes toman decisiones no entienden del todo cómo funciona la tecnología, y por eso, cuando se trata de usos más abstractos en áreas como operaciones o finanzas, cuesta mucho más justificar las iniciativas.
En cambio, las herramientas de ventas y marketing —que prometen escribir por vos, generar respuestas automáticas o armar chatbots para atender consultas de clientes— resultan más fáciles de visualizar. Pero ahí también aparece un problema: refuerzan una idea equivocada de que el valor real del vínculo con el cliente está en responder rápido o corregir errores de ortografía, cuando en realidad lo esencial pasa por escuchar, entender y construir interacciones que valgan la pena.
La seducción de la IA en ventas y marketing: donde más plata se pone... y más fallos se notan
Los proyectos piloto de ventas y marketing suelen ser los primeros en implementarse con inteligencia artificial. Son fáciles de imaginar, de vender internamente y de medir. Pero también son el escenario de los errores más evidentes.
Basta pensar en chatbots que sacan de quicio a los clientes, textos automatizados que hacen perder la identidad de la marca, mails que terminan ofendiendo a posibles compradores o estrategias de venta que agobian sin generar interés real.
El estudio del MIT lo deja claro: mientras ventas y marketing se llevan la mayor parte del presupuesto en IA, los verdaderos ahorros están en las tareas administrativas, donde los procesos se pueden automatizar sin poner en riesgo la relación con el cliente.
Las empresas están poniendo la plata en lo superficial y dejando de lado las verdaderas fuentes de valor. Y el informe del MIT lo confirma. Los mayores beneficios llegaron desde áreas que no llaman tanto la atención: automatización administrativa, compras, finanzas y operaciones. Es decir, la obsesión por seguir modas está tapando oportunidades más inteligentes y silenciosas.
La alineación es más importante que los algoritmos para prevenir fallos en los pilotos de IA
La alineación interna pesa más que los algoritmos cuando se trata de evitar fracasos en los pilotos de inteligencia artificial. Muchas compañías ni siquiera logran avanzar en una misma dirección. La estrategia queda encerrada en un PowerPoint, mientras el marketing va por un lado, las ventas por otro y operaciones toma un camino completamente distinto.
La tecnología no soluciona los desajustes: los amplifica
Automatizar un proceso que ya está mal diseñado solo sirve para hacer las cosas mal, pero más rápido. Y si encima se le suma inteligencia artificial, el riesgo es que el daño escale sin que nadie lo note a tiempo.
El estudio del MIT lo respalda: la mayoría de las herramientas empresariales fracasan no por fallas en los modelos, sino porque no se adaptan, no incorporan la retroalimentación y no encajan en la rutina diaria del trabajo.
La única barrera real es una estrategia clara
Sin una estrategia firme, medible y compartida por todas las áreas, la inteligencia artificial no soluciona el desorden: lo acelera. Si cada división, departamento e incluso cada persona empuja para su lado, la IA solo va a potenciar esa falta de coordinación.
Por qué los proyectos 100% internos fallan más en los pilotos de IA
Uno de los datos más contundentes del MIT es que los proyectos con alianzas externas llegan al despliegue casi el doble de veces (alrededor del 67%) que aquellos desarrollados únicamente de forma interna (33%).
Esto no es nuevo. Ya pasó con sistemas ERP, CRM y herramientas de automatización de marketing. Los equipos internos pueden conocer muy bien el negocio, pero casi nunca tienen la experiencia práctica que se gana después de haber participado en decenas de implementaciones en distintos rubros.
No se trata de inteligencia. Se trata de experiencia
Los expertos externos acumulan miles de horas en implementación real: abastecimiento, mapeo de procesos, integración, capacitación y ajuste fino de software. Los gerentes internos pueden tener muy claro qué necesitan, pero no siempre saben cómo llegar a ese resultado.
Las implementaciones más efectivas mezclan lo mejor de los dos mundos: el conocimiento del negocio que tiene el equipo interno, con la experiencia aplicada de quienes ya pasaron por ese tipo de desafíos en otros contextos.
El cambio tecnológico siempre viene acompañado de un cambio cultural
El informe del MIT también llama la atención sobre un fenómeno cada vez más común: la IA en la sombra. Más del 90% de las empresas encuestadas tiene empleados que ya usan herramientas personales como ChatGPT en el trabajo, pero apenas el 40% cuenta con licencias oficiales.
Esa brecha marca una cosa: muchas iniciativas formales están totalmente desconectadas del trabajo real que hacen las personas todos los días.
La fricción cultural suele ser lo que termina hundiendo los proyectos tecnológicos. TI se enfoca en el riesgo y el rendimiento. Recursos Humanos piensa en la cultura, pero no sabe integrar procesos. Los mandos medios quedan atrapados en el medio. Si no hay una atención consciente a la cultura interna, ninguna herramienta va a funcionar bien, por más potente que sea.
La propiedad mal entendida puede arruinar el retorno
La cultura también impacta en cómo se maneja la propiedad de los proyectos. En uno de nuestros trabajos actuales, un directivo de alto rango está llevando adelante la implementación global de un software bajo sus propias reglas. No es que deje afuera a propósito a otras áreas, pero su desconocimiento del trabajo real, sumado a una necesidad de control absoluto, deja poco espacio para adaptar el sistema a los requerimientos del resto.
El software ya está en funcionamiento y, en los papeles, se considera una implementación exitosa. Pero en la práctica, aprovecha solo el 65% del potencial real. Esa diferencia representa un retorno fallido que se disfraza de éxito, pero que oculta una pérdida enorme. Y deja en evidencia lo difícil que es sortear ese impulso humano de querer controlar lo que no se termina de entender.
Las entrevistas del MIT refuerzan este punto: los proyectos funcionan mejor cuando se descentraliza la autoridad, pero se mantiene la responsabilidad. Es decir, cuando los equipos y gerentes de primera línea participan activamente en la adopción, en lugar de que todo dependa de un comité central o, peor aún, de una sola persona que actúa como guardián del sistema.
Primero el problema, después el software
Muchas veces, las empresas arrancan por el final: piensan en la herramienta antes de entender qué necesitan resolver. "Necesitamos IA para la comunicación comercial", dicen. Pero cuando se analiza el proceso, se descubre que el verdadero problema está en los datos desordenados o en metodologías que cambian todo el tiempo.
El informe del MIT lo confirma: las empresas que logran cruzar la 'brecha GenAI' son las que exigen soluciones personalizadas para cada proceso y miden resultados reales, no presentaciones bonitas.
Hasta que no se entienda bien el caso de uso, hablar de software es adelantarse sin sentido. A veces, la solución correcta no tiene nada que ver con lo que se imaginaba en un principio.
Integración o fracaso: no hay término medio
La inteligencia artificial no puede sumarse a la pila de software como si fuera un complemento más. Si no se integra con los sistemas que manejan el negocio —ERP, CRM, cadena de suministro, finanzas—, se transforma en un punto de falla.
El informe es contundente: herramientas genéricas como ChatGPT ya fueron exploradas por cerca del 80% de las empresas y un 40% llegó a implementarlas, pero las herramientas realmente integradas en flujos de trabajo apenas alcanzan un 5% de adopción.
La integración no es solo enchufar sistemas entre sí. Es la línea que separa la teoría del impacto real. Si la IA queda desconectada de los sistemas centrales, no puede influir en decisiones clave ni generar valor sustentable. Peor aún: agrega nuevos puntos de fallo, fragmenta datos, genera señales contradictorias y sobrecarga procesos que ya venían tambaleando.
Así es como las empresas terminan tomando decisiones cada vez peores, amplificadas por herramientas que, en teoría, deberían haberlas mejorado.
El retorno real llega cuando la IA forma parte del sistema, no cuando se la pega por afuera
La inteligencia artificial no puede ser una capa superficial, algo que se agrega solo para mostrar que se está innovando. Tiene que integrarse al sistema operativo de la empresa, ser parte del ADN operativo, no un accesorio.
Ahí está la diferencia clave: los proyectos piloto generan actividad visible, algo que los ejecutivos pueden mostrar y aplaudir como si fuera fuegos artificiales. Pero el verdadero valor se construye abajo, en las capas que no se ven: en los procesos, en la estructura, en la toma de decisiones.
Eso es lo que da retorno a largo plazo, no las demostraciones llamativas ni las métricas de vanidad.
En números: la brecha GenAI, según el MIT (2025)
El 95% de los proyectos de inteligencia artificial en empresas no genera ningún retorno medible.
Solo el 5% de las herramientas personalizadas o bien integradas llegan a producción con impacto real.
Más del 80% de las organizaciones ya probaron programas generales con LLM (modelos de lenguaje como ChatGPT), pero solo alrededor del 40% logró implementarlos de forma efectiva.
El 67% de las implementaciones con socios externos llegan a buen puerto, frente al 33% de los intentos realizados de forma interna.
Entre el 50% y el 70% de los presupuestos de IA se van en ventas y marketing, aunque la automatización administrativa demuestra ser la que más retorno ofrece.
Resultados concretos:
- +40% de velocidad en la calificación de clientes potenciales
- +10% de retención de clientes
- US$ 2 a 10 millones anuales ahorrados en costos de BPO
- -30% en gasto de agencias
- US$ 1 millón ahorrado en controles de riesgo
- Empresas del mercado medio lo implementan en unos 90 días. Las grandes, en cambio, demoran cerca de 9 meses.
Juntando todo: lo que el MIT y la historia del software vienen repitiendo
La investigación del MIT y décadas de experiencia en implementación de tecnología señalan las mismas conclusiones:
A) La inteligencia artificial no es el problema. El problema es aplicarla mal.
Los modelos funcionan. Pero sin un enfoque adecuado, terminan siendo distracciones costosas que no empujan el negocio hacia adelante.
B) Los expertos internos son claves, pero no alcanzan.
Conocen el negocio mejor que nadie. Pero no tienen la experiencia práctica de haber participado en decenas de implementaciones reales. Y eso hace que se pasen por alto desafíos de integración, se subestime el impacto cultural, no se vean oportunidades que cruzan áreas o se calculen mal los cambios necesarios en los flujos de trabajo.
C) El asesoramiento experto se paga solo.
Por eso los proyectos con aliados externos duplican la tasa de éxito: 67% frente al 33% de los que se hacen puertas adentro. La diferencia no es solo técnica. Es saber qué preguntar, qué anticipar y cómo resolver los problemas cuando aparecen. Esa experiencia acelera tiempos, evita errores y asegura que la inversión rinda en lugar de desperdiciarse.
D) El cambio tecnológico es, ante todo, un cambio cultural.
Implementar IA no es instalar un software más. Es un proceso que atraviesa a toda la empresa: desde el análisis de procesos, limpieza de datos y planificación, hasta la integración de sistemas y el trabajo duro de capacitación y compromiso que logra una adopción real.
Una última palabra
El informe del MIT no es una advertencia para frenar el uso de inteligencia artificial. Es un llamado de atención. La brecha GenAI muestra que los problemas no son técnicos, sino estratégicos, organizativos y culturales. Las empresas no fracasan por el software, sino por estrategias flojas, por seguir modas sin sentido y por ejecutar sin coordinación.
Las compañías que de verdad van a ganar con la IA no son las que adoptan rápido, sino las que adoptan con inteligencia. Las que basan cada paso en una estrategia medible, alinean a toda la organización, combinan el saber interno con la experiencia externa y tratan el cambio cultural con la misma seriedad que al código.
La inteligencia artificial no va a salvar a ninguna empresa de sí misma. El riesgo no es solo que un piloto falle. El riesgo real es que exponga debilidades profundas y acelere la disfunción. Pero si hay liderazgo, si hay disciplina para alinear, integrar y acompañar el cambio cultural, la IA puede potenciar lo que la empresa ya tiene de bueno en su esencia.
Nota publicada por Forbes US
