Puntos clave:
La IA ha penetrado en el 88 % de las organizaciones a nivel mundial, pero el impacto de la tecnología en la productividad y las ganancias sigue siendo obstinadamente difícil de medir — una brecha que amenaza con ampliarse a medida que las empresas invierten más dinero en su implementación.
Han pasado aproximadamente 1200 días desde que OpenAI lanzó ChatGPT, y la tecnología se ha extendido más rápido que casi cualquier herramienta empresarial en la historia. La investigación de McKinsey muestra que el 88 % de las organizaciones ahora reporta un uso regular de IA en al menos una función empresarial, frente al 78 % del año anterior. El CIO Playbook 2026 de Lenovo, basado en una encuesta a 920 ejecutivos de toda Asia Pacífico, encontró que el 95 % de las empresas en Australia y Nueva Zelanda planea aumentar la inversión en IA este año, con un retorno esperado promedio de 2,85 dólares por cada dólar gastado.
Sin embargo, la brecha entre la adopción y el valor medible es amplia. Un estudio de Wharton entre 801 ejecutivos encontró que el 75 % reportó retornos positivos en sus inversiones de IA, pero la Encuesta GenAI de la C-suite 2025 de EY mostró que solo el 8 % de las organizaciones puede medir y asignar completamente los costos relacionados con la IA. Aproximadamente la mitad de todas las pruebas de concepto de IA llegan a producción, según datos de Lenovo, lo que significa que miles de millones en gastos de experimentación no generan ningún resultado operativo.
"Decir que estamos atrapados en modo piloto es una idea obsoleta que está equivocada", dijo Ethan Mollick, profesor de gestión en la Escuela Wharton que estudia la adopción empresarial de IA. "Hablo con empresas todo el tiempo que obtienen valor real de la IA".
El problema de la 'frontera irregular'
Los investigadores han acuñado el término "frontera irregular" para describir las capacidades desiguales de la IA. Los modelos sobresalen en tareas estructuradas como programación, revisión de documentos legales y análisis financiero, pero tienen dificultades con trabajos contextuales que requieren juicios, reglas no escritas y conocimiento institucional que nunca llega a los datos de entrenamiento.
Ese techo limita lo que la IA actual puede hacer en toda la economía. Daron Acemoglu, economista del MIT y premio Nobel, dijo que cree que las herramientas de IA actuales tendrán impacto solo en una fracción de los trabajos. "Ya sea que seas CEO, gerente, periodista, profesor o trabajador de la construcción, veo tus habilidades más allá de lo que la IA puede realizar", señaló.
Los obstáculos estructurales van más allá de las limitaciones del modelo. Los sistemas y flujos de trabajo de cada empresa son diferentes, lo que significa que la arquitectura de datos, permisos, salvaguardas y supervisión humana necesarios para implementar la IA de manera útil deben construirse desde cero. Benedict Evans, analista independiente que sigue la adopción empresarial de IA, dijo que la frontera irregular hace casi imposible predecir qué casos de uso funcionarán hasta que la empresa ya haya comprometido recursos.
El factor humano ralentiza la curva
Los obstáculos tecnológicos podrían resultar más fáciles de superar que la resistencia organizacional. Los ejecutivos enfrentan ciclos de planificación de cinco años, programas de depreciación de sistemas adquiridos recientemente y juntas directivas que exigen retornos. Los trabajadores que creen que están formando a sus propios reemplazos tienen pocos incentivos para cooperar.
"Lo que se vende es esta idea de productividad y eficiencia", dijo Kate Brennan, directora asociada del AI Now Institute, un centro de investigación de políticas de IA. "Lo que eso significa para las personas que realizan el trabajo real rara vez es parte de la conversación".
El instinto en la mayoría de las empresas es usar IA para automatizar partes de procesos existentes en lugar de rediseñar los procesos en sí. Una aseguradora que maneja un reclamo por un choque menor podría usar IA para agilizar el papeleo mientras mantiene las mismas capas de revisión, en lugar de permitir que la IA evalúe los daños a partir de fotos del cliente y active el pago en segundos. Ese tipo de reinvención amenaza jerarquías y rutinas establecidas.
El precedente histórico sugiere que la transformación profunda lleva tiempo. La electricidad recableó la civilización pero tardó cuatro décadas en manifestarse significativamente en los datos de productividad. Internet necesitó entre 10 y 15 años para remodelar los cimientos de la economía. James Landay, codirector del Stanford Institute for Human-Centered Artificial Intelligence, dijo que la IA probablemente seguirá un arco similar. "Mi sensación es más de cinco a diez años — no los próximos dos o tres", afirmó.
Para los inversores, el cronograma importa. Las empresas que venden infraestructura de IA — Nvidia, Microsoft, Amazon — han visto sus valoraciones reflejar expectativas de implementación empresarial rápida. Nvidia cotiza aproximadamente a 35 veces las ganancias futuras, descontando años de crecimiento sostenido en centros de datos. Si la adopción empresarial sigue el camino de cinco a diez años que describe Landay, la brecha entre las valoraciones actuales y la realización real de ingresos podría ampliarse antes de reducirse. Los optimistas tienen razón en cuanto a hacia dónde se dirige la IA. Los escépticos probablemente tienen razón en cuanto al tiempo que llevará.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
