Por Gerardo Guerrero
Durante los últimos dos años, la inteligencia artificial generativa se ha convertido en una presencia omnipresente en el discurso corporativo.
Consejos de administración, directores generales y líderes tecnológicos hablan de ella como el nuevo motor de productividad, eficiencia y ventaja competitiva. Sin embargo, el más reciente informe del MIT, elaborado por Project NANDA y basado en el análisis de más de 300 iniciativas públicas, entrevistas con 52 organizaciones y encuestas a 153 altos directivos, revela una realidad mucho menos triunfalista: pese a una inversión estimada de entre 30 y 40 mil millones de dólares, el 95 % de las organizaciones no ha obtenido ningún retorno económico medible por el uso de IA generativa.
El estudio denomina a esta fractura el GenAI Divide, una brecha profunda entre la adopción visible de herramientas de IA y la transformación real de los procesos empresariales. En la superficie, los números parecen alentadores: más del 80 % de las organizaciones ha explorado o piloteado herramientas como ChatGPT o Copilot, y cerca del 40 % reporta algún tipo de despliegue. Pero en el fondo, esos usos se concentran casi exclusivamente en mejoras individuales de productividad —redacción de correos, resúmenes, análisis básicos— sin impacto estructural en los flujos de trabajo ni en los estados de resultados. La paradoja es clara: la IA está en todas partes, excepto donde realmente importa. Los sistemas empresariales diseñados para integrarse en procesos críticos —finanzas, compras,cumplimiento, atención al cliente, operaciones— rara vez superan la fase piloto. De cada diez soluciones de IA a medida evaluadas por las empresas, apenas dos llegan a pruebas controladas y solo una alcanza producción. El resto fracasa por flujos de trabajo frágiles, mala integración con los sistemas existentes y, sobre todo, por una incapacidad fundamental: no aprenden, no recuerdan y no mejoran con el uso. Esta brecha se manifiesta también a nivel sectorial. Solo dos industrias —tecnología y medios— muestran signos claros de disrupción estructural, con nuevos competidores, cambios en modelos de negocio y alteraciones visibles en el comportamiento de los usuarios. En sectores como salud, energía, servicios financieros o manufactura avanzada, la IA se limita a pilotos periféricos que no alteran las dinámicas centrales del negocio. El resultado es un escenario de experimentación masiva sin transformación real, una repetición constante de pruebas que no escalan. Uno de los hallazgos más reveladores del informe es que el principal obstáculo no es la regulación, la infraestructura ni la falta de talento. Es el aprendizaje. La mayoría de las soluciones de IA implementadas en empresas son estáticas: producen resultados, pero no incorporan retroalimentación, no retienen contexto y no evolucionan con el tiempo. Esta limitación contrasta con la experiencia cotidiana de millones de empleados que, de manera informal, ya utilizan herramientas de IA en lo que el informe denomina la economía sombrade la IA. Más del 90 % de los trabajadores encuestados usa herramientas personales de IA para tareas laborales, mientras que solo el 40 % de las empresas ha contratado soluciones oficiales. Esta adopción clandestina no es un fenómeno marginal, sino una señal poderosa de lo que funciona. Los empleados prefieren interfaces flexibles, rápidas y conversacionales, incluso si carecen de memoria persistente. Paradójicamente, esa misma falta de memoria es lo que impide que estas herramientas se utilicen en tareas críticas de largo plazo. Así, la IA gana con facilidad el terreno del trabajo simple, pero pierde de forma contundente en proyectos complejos, donde nueve de cada diez usuarios siguen prefiriendo a un colega humano. El informe del MIT desmonta además varios mitos ampliamente difundidos. No es cierto que la IA esté provocando despidos masivos; su impacto laboral, por ahora, se concentra en funciones previamente externalizadas como atención al cliente o procesamiento administrativo. Tampoco es cierto que las grandes empresas sean lentas en adoptar IA: son, de hecho, las que más pilotos lanzan, aunque también las que menos logran escalar. Y, contrariamente a la narrativa dominante, construir soluciones internas no suele ser una ventaja: los desarrollos internos fracasan el doble que las implementaciones realizadas mediante alianzas externas especializadas. Las organizaciones que sí logran cruzar la brecha comparten patrones muy claros. Tratan a la IA no como software genérico, sino como un servicio operativo cercano al BPO o a la consultoría. Exigen personalización profunda, integración con herramientas existentes y métricas de negocio concretas, no benchmarks técnicos. Empiezan por procesos específicos y de alto valor, demuestran resultados rápidos y luego escalan. Y, de manera decisiva, apuestan por sistemas con memoria persistente y capacidad de aprendizaje continuo. En estos casos, el retorno no suele venir de reducir personal interno, sino de eliminar gastos externos: contratos de outsourcing, agencias creativas, servicios de back office. Algunas organizaciones reportan ahorros anuales de entre 2 y 10 millones de dólares al reemplazar proveedores externos por sistemas de IA integrados en sus operaciones. Es ahí, y no en los vistosos casos de marketing, donde el informe identifica el ROI más sólido y sostenible. Mirando hacia adelante, el estudio advierte que la ventana de oportunidad se está cerrando. Las empresas están comenzando a fijar relaciones de largo plazo con proveedores de IA capaces de aprender de sus datos y procesos, creando costos de cambio cada vez más altos. Al mismo tiempo, emergen nuevas arquitecturas —como NANDA, MCP y los sistemas de agentes— que apuntan hacia una web agéntica, donde sistemas autónomos no solo generan contenido, sino que coordinan acciones, negocian y ejecutan procesos completos. El mensaje final del MIT es tan claro como incómodo: la brecha de la IA no es tecnológica, sino estratégica y organizacional. No se cruza con más pilotos, más demos o más presupuesto, sino con decisiones distintas sobre qué construir, qué comprar y cómo integrar la inteligencia artificial en el corazón mismo del trabajo. La IA ya está aquí; la transformación, en cambio, sigue siendo una excepción. Y solo quienes entiendan esa diferencia estarán del lado correcto de la historia empresarial que se está escribiendo.