El gran divorcio de la inteligencia artificial: empresas atrapadas en la “GenAI Divide”
Aunque las corporaciones han invertido más de US$ 30.000 millones en inteligencia artificial generativa, el 95% de los proyectos no produce retorno alguno. El estudio del MIT revela que la clave no está en la calidad de los modelos ni en la regulación, sino en la capacidad de aprendizaje e integración de las herramientas.
Una paradoja contemporánea
En la historia económica abundan los casos en que tecnologías prometedoras tardaron décadas en producir cambios estructurales. La electricidad, por ejemplo, no transformó la productividad fabril hasta que se reorganizaron las plantas para aprovechar su flexibilidad, reemplazando la lógica del eje central de vapor. Lo mismo sucedió con la computadora personal, cuyo impacto real en la productividad recién se percibió en los años noventa.
Hoy la inteligencia artificial generativa atraviesa una paradoja semejante. El informe “State of AI in Business 2025”, elaborado en el marco del Project NANDA del MIT, ofrece un diagnóstico contundente: de cada cien iniciativas corporativas, solo cinco logran integrar estas tecnologías en los procesos con resultados palpables. Las demás quedan varadas en la llamada GenAI Divide, una brecha entre la adopción masiva y la transformación efectiva.
La magnitud del fracaso
El estudio, basado en 300 casos públicos, entrevistas con 52 organizaciones y encuestas a 153 ejecutivos, revela un escenario inesperado. Más del 80% de las empresas ha experimentado con herramientas como ChatGPT o Copilot. Sin embargo, cuando se trata de soluciones empresariales a medida, apenas el 5% consigue pasar de los pilotos a la producción.
El problema no radica en la calidad de los modelos ni en la falta de presupuesto. La dificultad está en que la mayoría de los sistemas no aprenden, no retienen memoria contextual ni se adaptan al flujo de trabajo. Se comportan como soluciones estáticas que repiten errores y exigen a los usuarios ingresar manualmente información que debería ser procesada de manera autónoma.
El contraste es visible: mientras los consumidores individuales encuentran utilidad inmediata en interfaces simples y flexibles, las grandes corporaciones tropiezan con herramientas rígidas y poco alineadas con su operativa diaria.
Sectores con movimiento y sectores inmóviles
El NANDA Report introduce un Índice de Disrupción de Mercado para medir los cambios atribuibles a la IA generativa. El resultado es desigual.
- Tecnología y medios son los únicos sectores que muestran señales claras de transformación: aparición de firmas nativas de IA, cambios en la dinámica publicitaria y en los flujos de trabajo.
- En profesionales y servicios financieros, el impacto se reduce a automatización de back office, sin alterar la relación con los clientes.
- Salud, energía y manufactura avanzada apenas registran proyectos piloto, sin efectos estructurales.
La conclusión es que siete de los nueve grandes sectores económicos permanecen en el lado equivocado de la divide: adoptan, pero no transforman.
La economía oculta de la IA
El hallazgo más revelador del estudio es la existencia de una “shadow AI economy”. Aunque solo 40% de las compañías compró suscripciones corporativas de modelos de lenguaje, más del 90% de los empleados utiliza versiones personales —pagadas de su bolsillo— para resolver tareas cotidianas.
En esta economía sumergida, los trabajadores redactan informes, sintetizan documentos o generan correos automatizados sin esperar la aprobación de sus departamentos de IT. Paradójicamente, el retorno de la inversión es más tangible en estas prácticas informales que en las iniciativas oficiales de las empresas.
El dato plantea un dilema: ¿cómo capitalizar la creatividad de los usuarios sin comprometer la seguridad y la gobernanza de los datos?
Dónde se invierte y dónde se pierde
La distribución de las inversiones revela otro sesgo. Cerca de 70% del presupuesto de IA se destina a ventas y marketing, con herramientas para correos automatizados, scoring de leads o análisis de sentimiento en redes sociales.
Sin embargo, el informe muestra que los retornos más significativos se obtienen en áreas invisibles al directorio, como la automatización de compras, la gestión documental o la administración financiera. Allí es donde las organizaciones que cruzaron la divide lograron ahorros de entre US$ 2 y 10 millones anuales, principalmente por la reducción de gastos en tercerización y agencias externas.
La paradoja es clara: lo medible (contactos, clics, conversiones) atrae más presupuesto que lo transformador (eficiencia de procesos internos).
Mitos que se desmoronan
El trabajo del MIT identifica cinco mitos extendidos sobre la IA en la empresa:
- “Reemplazará masivamente empleos”: los despidos directos son escasos y se concentran en tareas previamente tercerizadas.
- “Está transformando los negocios”: solo 5% de las organizaciones ha alcanzado integración real.
- “Las grandes corporaciones son reacias a innovar”: por el contrario, son las más activas en pilotos, aunque pocas escalan.
- “El freno es la calidad del modelo o la regulación”: lo central es la falta de aprendizaje y adaptación.
- “Conviene construir soluciones propias”: los desarrollos internos fallan dos veces más que las alianzas con terceros.
La ventana que se cierra
El informe advierte que la oportunidad de cruzar la divide es breve. En los próximos 18 meses, muchas compañías cerrarán contratos de largo plazo con proveedores que ofrecen sistemas con memoria persistente y capacidad de aprendizaje.
Esto dará lugar a lo que los investigadores llaman la Agentic Web: un entramado de agentes autónomos capaces de coordinarse entre sí, negociar, integrarse a través de protocolos comunes y ejecutar transacciones sin intervención humana. Una transformación de magnitud similar a la que representó la web en los años noventa, cuando descentralizó la publicación de información.
En ese escenario, las empresas que queden rezagadas tendrán dificultades para recuperar competitividad.
Los que logran cruzar
Los casos de éxito muestran patrones claros:
- Construir sobre lo pequeño: empezar en tareas adyacentes y bien definidas, como la transcripción de llamadas o la clasificación de contratos, para luego escalar.
- Asociarse con confianza: elegir socios externos con conocimiento del flujo de trabajo y capacidad de adaptación.
- Medir por resultados de negocio: no por métricas técnicas del software.
- Involucrar a los usuarios: muchos proyectos exitosos surgieron de empleados que ya utilizaban IA por su cuenta.
Un CIO de una firma financiera de US$ 5.000 millones lo sintetizó así: “El sistema que aprenda de nuestros procesos se quedará. El costo de cambiar, una vez entrenado, será demasiado alto”.
El impacto en el trabajo
El efecto sobre el empleo es más selectivo que masivo. En tecnología y medios, donde la IA ya muestra tracción, más del 80% de los ejecutivos anticipa menor contratación en los próximos dos años. En sectores como salud o energía, en cambio, no se esperan reducciones.
La tendencia más clara es la demanda de alfabetización en IA. Las compañías privilegian a candidatos capaces de manejar estas herramientas, incluso por encima de la experiencia tradicional.
El Project Iceberg del MIT estima que el potencial de automatización actual abarca apenas 2,27% del valor laboral de EE.UU., pero hay una exposición latente de US$ 2,3 billones en tareas rutinarias que podrían ser absorbidas cuando los sistemas adquieran memoria y capacidad de aprendizaje continuo.
Una lección histórica
La historia económica muestra que las tecnologías generales —desde la imprenta hasta Internet— generan un ciclo de expectativas, frustración y maduración. El estudio del MIT sugiere que la IA generativa se encuentra aún en la segunda etapa. La inversión ha sido descomunal, pero la productividad no aparece en las cuentas de resultados.
En este punto, la lección de la electricidad y de la informática es pertinente: el cambio no surge de la adopción aislada, sino de la reorganización de los procesos. Allí reside el verdadero desafío.
Conclusión: un camino de aprendizaje
El State of AI in Business 2025 concluye que la GenAI Divide no es irreversible. Las compañías atrapadas en la inercia pueden salir de ella si abandonan las herramientas estáticas, buscan socios confiables y priorizan la integración con los flujos de trabajo reales.
El dilema no es tecnológico, sino organizacional. Las empresas deben decidir si seguirán multiplicando pilotos que alimentan la retórica de la innovación, o si darán el paso hacia sistemas que aprendan, recuerden y se adapten.
La ventana de oportunidad es estrecha. En la medida en que el Agentic Web se consolide, la brecha entre quienes crucen la divide y quienes no lo hagan se convertirá en una diferencia de supervivencia.
