El sesgo de gasto en GenAI: la columna de Alejandro Urueña y María Taboada

A pesar de la enorme inversión de 30 a 40 mil millones de dólares en inteligencia artificial generativa (GenAI), un alarmante 95%, de las organizaciones, no está obteniendo un retorno de inversión (ROI) significativo. Solo un reducido 5% de los proyectos piloto integrados está generando millones en valor, mientras que el resto permanece estancado sin impacto real en las ganancias y pérdidas (P&L) de las empresas. Esta es la cruda realidad que revela el informe "La Brecha GenAI: Adopción, Transformación y Éxito Empresarial" de MIT NANDA, que está basado en una investigación multimétodo que incluyó revisiones sistemáticas, entrevistas estructuradas y encuestas a líderes senior.

El estudio destaca que el éxito no depende tanto de la calidad del modelo de IA o de la regulación, sino del enfoque adoptado por las empresas.

El lado Equivocado de la brecha: adopción sin transformación

La investigación de NANDA, realizada entre enero y junio de 2025, expone una paradoja: las empresas están adoptando rápidamente las herramientas de GenAI, pero esta adopción no se traduce en una transformación empresarial profunda.

Disrupción limitada: Aunque el "hype" es considerable, solo los sectores de Tecnología y Medios muestran señales claras de disrupción estructural. Industrias como las de energía, salud, finanzas o manufactura permanecen prácticamente sin cambios fundamentales, según el Índice de Disrupción de Mercado de IA. Un director de operaciones de manufactura lo resumió: "El hype en LinkedIn dice que todo cambió, pero en operaciones nada fundamental cambió. Procesamos contratos más rápido, pero nada más".

El abismo del piloto a la producción: La mayoría de los proyectos piloto de soluciones empresariales personalizadas se quedan en eso, proyectos piloto. Solo el 5% de estas herramientas llega a la producción, a pesar de que el 60% de las empresas las evalúa. Por otro lado, herramientas genéricas como ChatGPT y Copilot son exploradas por más del 80% de las empresas y desplegadas por el 40%, pero su impacto se limita a mejorar la productividad individual, sin generar un impacto financiero significativo. Curiosamente, las grandes empresas lanzan más pilotos, pero tienen una menor tasa de conversión a producción en comparación con el mercado medio, que escala más rápido.

La economía de la IA en la sombra: Un factor clave que evidencia la desconexión es el uso extendido de "IA en la sombra". El 90% de los empleados ya utiliza herramientas de IA personal (como ChatGPT o Claude) en su trabajo, mientras que solo el 40% de las empresas tiene suscripciones oficiales. Este uso no oficial revela lo que realmente funciona en la práctica para los usuarios.

Sesgo de inversión: Los patrones de inversión reflejan esta brecha, con el 50-70% del presupuesto de IA destinado a ventas y marketing, áreas de alta visibilidad. Sin embargo, el ROI más alto se encuentra en las funciones de back-office (finanzas, compras, procesos), que suelen ser menos visibles pero más transformadoras. "Si compro una herramienta para que mi equipo trabaje más rápido, ¿cómo se lo  justifico al CEO si no afecta ingresos directamente?", expresó un vicepresidente de Compras, destacando el desafío de justificar inversiones en áreas de ahorro de costos.

¿Por qué se estancan los pilotos? La brecha de aprendizaje detrás de la división

El informe desmiente varios mitos. La IA no está reemplazando masivamente empleos, la adopción no equivale a la transformación, las empresas no son lentas en adoptar la IA, y el freno principal no es el modelo o la regulación.

Barreras principales: Las organizaciones se quedan atrapadas debido a barreras como la gestión del cambio, la falta de patrocinio ejecutivo, una mala experiencia de usuario (UX), la calidad percibida del modelo y la resistencia cultural.

Herramientas genéricas vs. personalizadas: Los usuarios prefieren ChatGPT por su confianza, familiaridad y calidad, mientras que las herramientas empresariales personalizadas a menudo se perciben como rígidas y frágiles.

La brecha de aprendizaje: ChatGPT es excelente para borradores, pero carece de memoria persistente y aprendizaje adaptativo, lo que es crucial para tareas críticas donde el 90% de los usuarios aún prefiere a los humanos. Es precisamente aquí donde la IA Agente (Agentic AI) emerge como la solución: sistemas que recuerdan, aprenden y se adaptan, cerrando esta brecha.

Cruzando la brecha GenAI: estrategias para el éxito

El informe de MIT NANDA identifica patrones de éxito tanto para "constructores" (startups) como para "compradores" (empresas consolidadas):

Para los mejores constructores: Las startups exitosas se enfocan en personalizar casos de uso estrechos, integran profundamente sus soluciones y aprenden de la retroalimentación. Priorizan las referencias, redes y asociaciones sobre el marketing frío. Construir soluciones genéricas o internamente a menudo lleva al fracaso.

Para los mejores compradores: Las empresas que cruzan la brecha exitosamente actúan como clientes de servicios de Business Process Outsourcing (BPO), no de Software as a Service (SaaS).

Asociaciones externas: Las asociaciones externas tienen el doble de éxito (67%) que los desarrollos internos (33%).

Prácticas clave: El éxito se basa en la personalización profunda, la medición del impacto con métricas de negocio (no solo benchmarks de software) y la adopción de un enfoque "bottom-up" donde los usuarios avanzados impulsan la implementación.

ROI Real: El ROI más significativo se encuentra en el back-office, con ahorros de $2 a $10 millones al eliminar servicios de BPO, una reducción del 30% en el gasto en agencias y hasta $1 millón anual en verificaciones de riesgo. Las mejoras en el front-office, como leads un 40% más rápidos o un 10% más de retención de clientes, también son valiosas.

El impacto laboral y la emergencia de la web agente

En cuanto al impacto laboral en el desplazamiento de empleos se observa principalmente en funciones tercerizadas como soporte, administración y desarrollo repetitivo, así como en una reducción de contrataciones en los sectores de tecnología y medios. Sin embargo, en salud y energía no se ha percibido un impacto significativo en el empleo.

Mirando hacia el futuro, el informe destaca la "Web Agente" (Agent Web), una nueva infraestructura que va más allá de los agentes individuales. Se trata de sistemas autónomos y conectados que pueden descubrir proveedores, integrar APIs, negociar y ejecutar contratos inteligentes. Esta capa de agentes interconectados cambiará los procesos mediados por humanos hacia una coordinación autónoma en red, impulsada por iniciativas como MCP (Anthropic), A2A (Google/Linux Foundation) y NANDA.

Una ventana de oportunidad que se cierra

Para cruzar la Brecha GenAI, las empresas deben comprar soluciones, empoderar a los gerentes y elegir herramientas que aprendan y se adapten. El tiempo es un factor crítico; las empresas están estableciendo relaciones en los próximos 12 a 18 meses que serán difíciles de revertir. La ventana para actuar es limitada, y aquellas que no logren integrar y transformar sus operaciones con GenAI de manera efectiva corren el riesgo de quedarse atrás en la inminente Web Agente.


*Alejandro Urueña: Ética e Inteligencia Artificial (IA) - Founder & CEO Clever Hans Diseño de Arquitectura y Soluciones en Inteligencia Artificial. Magister en Inteligencia Artificial.

*María S. Taboada: Lingüista y Mg. en Psicología Social. Prof. de Lingüística General I y Política y Planificación Lingüísticas de la Fac. de Filosofía y Letras de la UNT.