A pesar de que se han invertido entre 30 y 40 mil millones de dólares por parte de las empresas en GenAI, un informe del
Proyecto MIT NANDA
revela un dato sorprendente:
el 95% de las organizaciones no obtienen ningún retorno (lo mismo señala uno de los fundadores de Globan en Argentina).
Los resultados muestran una clara división entre los compradores (empresas, medianas empresas, pymes) y los desarrolladores (startups, proveedores, consultoras), lo que se denomina la
Brecha GenAI: solo el 5% de los pilotos de IA integrada generan un valor significativo, mientras que la mayor parte permanece sin un impacto medible en ganancias o pérdidas. Esta brecha no se debe a la calidad del modelo o a la regulación, sino más bien al enfoque adoptado.
NOTA: El
Proyecto NANDA
(Agentes de IA en Arquitectura Descentralizada) se originó en el MIT y tiene como objetivo desmantelar cuatro puntos críticos en la infraestructura de este ecosistema, enfocándose en la innovación impulsada por el consenso y la IA: DNS, CA, Orquestación y Atestación.
Resumen
A continuación, se presentan los puntos clave de la investigación
«Estado de IA en las empresas», que se llevó a cabo entre enero y junio de 2025 y fue publicada en julio.
- Se entrevistaron a 52 organizaciones y se recopilaron encuestas de 153 líderes senior durante 4 conferencias importantes de la industria.
- La mayoría de las implementaciones de sistemas GenAI en empresas fracasan debido a flujos de trabajo inestables, falta de aprendizaje contextual y desalineación con las operaciones diarias.
- La principal barrera para escalar los sistemas GenAI es el aprendizaje, ya que no retienen la retroalimentación, no se adaptan al contexto y no mejoran con el tiempo.
- Los sistemas con capacidad de aprendizaje pueden generar un valor real si se enfocan en procesos específicos, incluso sin necesidad de una reestructuración organizacional significativa.
Herramientas como ChatGPT y Copilot han sido ampliamente adoptadas. Más del 80% de las organizaciones las han explorado o probado, y casi el 40% informa haberlas implementado.
Sin embargo, estas herramientas tienden a mejorar la productividad individual, no el rendimiento financiero. Mientras tanto, los sistemas empresariales, tanto personalizados como ofrecidos por proveedores, están siendo rechazados. El 60% de las organizaciones evaluó estas herramientas, pero solo el 20% pasó a la fase piloto y solo el 5% llegó a producción. La mayoría fracasa por flujos de trabajo frágiles, falta de aprendizaje contextual y desalineación con las operaciones diarias.
De entrevistas, encuestas y análisis de 300 implementaciones públicas, se han identificado cuatro patrones que definen la Brecha GenAI:
- Interrupción limitada: solo 2 de los 8 sectores principales han mostrado un cambio estructural significativo.
- Paradoja empresarial: las grandes empresas lideran en el número de pilotos, pero son superadas en la escalabilidad.
- Sesgo de inversión: los presupuestos priorizan funciones visibles de alto nivel sobre el back office, que podrían ofrecer un mayor retorno de inversión.
- Ventaja de implementación: las colaboraciones externas duplican la tasa de éxito en las implementaciones en comparación con las internas.
La principal barrera para la escalabilidad no es la infraestructura, la regulación ni el talento, sino el aprendizaje. La mayoría de los sistemas GenAI no retienen la retroalimentación, no se adaptan al contexto y no mejoran con el tiempo.
Un pequeño grupo de proveedores y compradores está logrando un progreso más rápido al abordar estas limitaciones directamente. Los compradores exitosos exigen personalización específica para cada proceso y evalúan las herramientas según los resultados empresariales, en lugar de utilizando métricas estándar de software.
Se requieren sistemas que se integren con los procesos existentes y mejoren con el tiempo. Los proveedores que cumplen con estas expectativas están logrando implementaciones multimillonarias en pocos meses.
Aunque la mayoría de las implementaciones no implican reducción de personal, las organizaciones que han superado la Brecha GenAI están comenzando a experimentar impactos selectivos en áreas como atención al cliente, ingeniería de software y funciones administrativas. Además, las organizaciones con alto rendimiento reportan ahorros mensurables gracias a la reducción de gastos en
Business Process Outsourcing (BPO) y el uso de agencias externas, especialmente en operaciones administrativas.
NOTA: Business Process Outsourcing es la práctica de delegar funciones o procesos no esenciales de un negocio a un proveedor externo especializado, con el fin de reducir costos, mejorar la eficiencia y acceder a tecnología y experiencia especializadas, permitiendo a la empresa centrarse en su core business.
Otras organizaciones informan sobre una mejor retención de clientes y un aumento en la conversión de ventas gracias a la comunicación automatizada y sistemas de seguimiento inteligentes. Estos primeros resultados indican que los sistemas con capacidad de aprendizaje, cuando están enfocados en procesos específicos, pueden generar un valor real, incluso sin un cambio organizacional significativo.
Integración en las Empresas
Las organizaciones que han tenido éxito al implementar GenAI presentan las siguientes características:
- Optan por adquirir en lugar de contribuir.
- Empoderan a los gerentes de línea en lugar de a los laboratorios centrales.
- Seleccionan herramientas que se integran profundamente y evolucionan con el tiempo.
- Las empresas están experimentando con herramientas GenAI, pero pocas las implementan en su totalidad.
- Las empresas que realmente evolucionan muestran escasos cambios estructurales.
La brecha de GenAI se manifiesta claramente a nivel industrial, y solamente dos sectores presentan signos claros de disrupción estructural: tecnología y medios de comunicación y telecomunicaciones.
Uso de Chatbots
Los chatbots son exitosos por su facilidad de prueba y flexibilidad, pero fallan en flujos de trabajo críticos debido a la falta de memoria y personalización. Durante las entrevistas, los usuarios empresariales reportaron experiencias consistentemente positivas con herramientas de consumo como ChatGPT y Copilot.
Estos sistemas fueron valorados por su flexibilidad, familiaridad y utilidad inmediata. Sin embargo, los mismos usuarios se mostraron escépticos respecto a las herramientas de IA personalizadas o de proveedores, describiéndolas como frágiles, sobredimensionadas o desalineadas con los flujos de trabajo reales.
Los usuarios prefieren ChatGPT para tareas simples, pero lo descartan para tareas críticas debido a su «falta de memoria».
Autorización y Shadow IA
Los empleados utilizan herramientas de IA personales a menudo sin el conocimiento o la autorización del departamento de TI, ignorando iniciativas empresariales y potenciando el uso de
Shadow IA. Muchos empleados ya emplean IA de manera independiente. Este uso no autorizado crea un ciclo de retroalimentación que les vuelve menos tolerantes hacia herramientas empresariales estáticas.
Invertir en herramientas que solo aceleran el trabajo individual resulta difícil de justificar cuando no tienen un impacto directo en ingresos o costos. Esta tendencia lleva a financiar usos visibles pero de bajo impacto, mientras se ignoran aplicaciones de GenAI con mayor retorno y un verdadero efecto transformador en la organización.
Estancamiento de los pilotos de GenAI
Faltan sistemas que se adapten, recuerden y evolucionen. El aprendizaje es el principal factor: las herramientas que no aprenden, se integran mal o no se adaptan a los flujos de trabajo son rechazadas por los usuarios. La calidad del modelo es deficiente sin contexto y la experiencia de usuario (UX) se ve perjudicada cuando los sistemas no retienen información.
La primera razón por la que fracasan los proyectos de GenAI es la falta de voluntad para adoptar nuevas herramientas. La segunda razón son las preocupaciones sobre la calidad de los resultados generados por el modelo.
Los usuarios valoran la flexibilidad y la capacidad de respuesta de las interfaces LLM para el consumidor, pero requieren persistencia y conocimiento contextual que las herramientas actuales no pueden ofrecer.
ChatGPT suele superar a las herramientas empresariales ya que ofrece una experiencia más rápida, intuitiva y familiar, incluso cuando utilizan modelos parecidos. Sin embargo, al olvidar el contexto, no aprender y no poder evolucionar,
para tareas críticas, el 90% de los usuarios prefiere a los humanos.
Los Agentes IA integran memoria persistente y aprendizaje iterativo. A diferencia de ChatGPT, que requiere contexto completo en cada ocasión, los Agentes mantienen memoria, aprenden de las interacciones y pueden orquestar flujos de trabajo complejos de manera autónoma.
¿Cómo los mejores constructores de GenAI tienen éxito?
La IA genera valor cuando aprende, se adapta e integra en los flujos de trabajo. El éxito proviene de casos de uso específicos y de alto impacto, no de herramientas genéricas.
La integración en el dominio y al contexto es más importante que la amplitud de funciones. Tienen éxito quienes abordan problemas de aprendizaje, memoria y adaptación continua, mientras que las soluciones genéricas o sin un enfoque claro suelen fracasar.
Los usuarios valoran la automatización de tareas tediosas, siempre que haya garantías de seguridad de datos y resultados medibles. Las organizaciones prefieren esperar a que los proveedores actuales incorporen IA antes de arriesgarse con nuevas startups.
Las organizaciones exitosas no ven a las startups de IA como meros proveedores de software, sino como socios de servicios, exigiendo resultados medidos con métricas similares a las utilizadas por consultoras o BPO.
Las organizaciones con éxito comparten las siguientes características:
- Actúan como clientes de BPO, no como clientes de SaaS.
- Exigen una profunda personalización.
- Impulsan la adopción desde la línea directa.
- Demandan a los proveedores rendición de cuentas según métricas empresariales.
- No esperan CU perfectos, fomentan la experimentación distribuida, alianzas con proveedores y una clara rendición de cuentas.
- Colaborar con socios externos especializados resulta más eficaz que intentar hacerlo con equipos internos.
- Otorgan autoridad real a equipos concretos, permitiendo que decidan sobre el proceso sin necesidad de constantes aprobaciones (manteniendo la responsabilidad) aumenta las probabilidades de éxito.
- Tener un responsable del proceso colaborando o trabajando con el equipo incrementa la probabilidad de éxito.
Las organizaciones que lograron el éxito descubrieron que el retorno de inversión suele ser mayor en funciones a menudo pasadas por alto, como operaciones y finanzas. Las herramientas de front-office (como ventas y marketing) captan la atención, pero las de back-office son las que generan ahorros significativos.
La próxima evolución de la IA será una red de agentes autónomos que podrán descubrirse, coordinarse y negociar entre ellos a través de Internet. Gracias a nuevos protocolos como
Model Context Protocol (MCP), Agent-to-Agent (A2A), y NANDA, estos agentes podrán interoperar, navegar por la web, crear integraciones de API en tiempo real sin conectores predefinidos, ejecutar transacciones confiables mediante contratos inteligentes en Blockchain y generar flujos de trabajo que se auto-optimizarán entre múltiples sistemas y organizaciones.
El informe completo está disponible para descarga
aquí.
Con Información de blog.segu-info.com.ar