CAMBRIDGE, EE.UU. – Un reciente estudio del Instituto Tecnológico de Massachusetts (MIT) ha sacudido el mundo empresarial al revelar que el 95% de los proyectos piloto de inteligencia artificial generativa no logran generar un impacto significativo en los ingresos corporativos. Este hallazgo, parte del informe titulado The GenAI Divide: State of AI in Business 2025, sugiere que el problema no radica en los modelos de IA en sí, sino en su implementación y adopción dentro de las organizaciones.
El estudio introduce el concepto de learning gap, una brecha que abarca tanto a los modelos, que no se implementan adecuadamente para aprender y adaptarse a los flujos de trabajo, como a las personas, quienes no reciben el espacio necesario para aprender a utilizarlos de manera efectiva. Sin embargo, esta no es la única causa del fracaso de estos proyectos.
Desafíos Técnicos y Estratégicos
El informe del MIT destaca que muchas empresas intentan construir internamente aplicaciones de IA extremadamente complejas sin contar con el conocimiento técnico necesario. Este enfoque, según el estudio, es una receta para el fracaso. En muchos casos, es más efectivo y sencillo adquirir y adaptar un modelo para un caso de uso específico.
Además, el exceso de implementaciones en áreas comerciales, como marketing y ventas, ha demostrado ser menos efectivo. El MIT ha identificado que las principales oportunidades de retorno de inversión se encuentran en la automatización de operaciones y el aumento de la eficiencia.
Gobernanza y Participación de Líderes
Otro problema crítico es la falta de participación de los líderes de área en el desarrollo de soluciones de IA. Estos líderes, que comprenden mejor los procesos del negocio, a menudo no están involucrados, lo que resulta en soluciones desconectadas de las necesidades reales de la empresa. Por otro lado, el fenómeno de shadow IT ocurre cuando líderes proactivos desarrollan soluciones de manera aislada, sin integración con los sistemas centrales.
Estas son fallas comunes desde el inicio de la transformación digital en las empresas. Los errores se repiten: subestimar la inversión en aprendizaje, no partir de las necesidades reales del negocio, y seguir tecnologías de moda sin una adecuada gobernanza.
Casos de Éxito y Lecciones Aprendidas
No todas las empresas están fallando. El MIT menciona ejemplos de éxito, como una empresa especializada en análisis, inspección y certificación. Esta compañía ha implementado un programa para identificar tareas manuales y operativas, empoderando a los colaboradores a automatizarlas utilizando herramientas como Power Automate y Power Apps de Microsoft.
En el área de Laboratorio, tres colaboradores identificaron más de una docena de tareas rutinarias susceptibles de automatización, liberando miles de horas al año. Esto no solo ha empoderado tecnológicamente a los empleados, sino que también ha permitido al área de Tecnología escalar procesos automatizados alineados con las necesidades del negocio.
El resultado ha sido una mayor capacidad para analizar muestras, prevenir errores administrativos y mejorar la atención al cliente. La empresa ahora puede mostrar a sus clientes las ventajas competitivas de sus laboratorios, donde las tareas operativas están cada vez más automatizadas.
El Futuro de la IA en los Negocios
El informe del MIT subraya la necesidad de un enfoque equilibrado hacia la implementación de IA, que incluya una adecuada gobernanza, participación de líderes y una clara alineación con los objetivos del negocio. Las empresas que logren cerrar el learning gap y adoptar una estrategia de IA bien fundamentada estarán mejor posicionadas para aprovechar las oportunidades que ofrece esta tecnología.
En conclusión, mientras que el 95% de los proyectos de IA pueden estar fallando actualmente, las lecciones aprendidas de estos fracasos pueden guiar a las organizaciones hacia un futuro más exitoso y tecnológicamente avanzado.