A pesar de la inversión empresarial de entre 30 y 40 mil millones de dólares
en GenAI, este informe del
Proyecto MIT NANDA
revela un resultado sorprendente:
el 95% de las organizaciones no obtienen ningún retorno (lo mismo afirma uno de los fundadores de Globan en Argentina).
Los resultados están tan claramente divididos entre compradores (empresas,
medianas empresas, pymes) y desarrolladores (startups, proveedores,
consultoras) y se la denomina Brecha GenAI: solo el 5% de los
pilotos de IA integrada generan millones en valor, mientras que la gran
mayoría permanece estancada sin un impacto medible en las ganancias y
pérdidas. Esta brecha no parece estar impulsada por la calidad del modelo ni
por la regulación, sino por el enfoque.
NOTA: El Proyecto NANDA (Networked AI Agents in Decentralized Architecture) se originó
en el MIT y tiene como objetivo desmantelar los cuatro puntos críticos
dentro de la infraestructura de este ecosistema centrándose en la innovación
impulsada por el consenso e IA: DNS, CA, Orquestación y Atestación.
Resumen
A continuación, se resumen los principales puntos de la investigación «Estado de IA en las empresas» realizada entre enero y junio 2025 y publicada en julio.
-
Se entrevistaron a 52 organizaciones y se obtuvieron encuestas de 153
líderes senior, recopiladas en 4 conferencias importantes de la industria. -
La mayoría de la implementación de sistemas GenAI a nivel empresarial
fracasan debido a flujos de trabajo inestables, falta de aprendizaje
contextual y desalineación con las operaciones diarias. -
La principal barrera para la escalabilidad de sistemas GenAI es el
aprendizaje, ya que estos no retienen la retroalimentación, no se adaptan al
contexto ni mejoran con el tiempo. -
Los sistemas con capacidad de aprendizaje, cuando se enfocan en procesos
específicos, pueden generar un valor real, incluso sin una reestructuración
organizacional importante.
Herramientas como ChatGPT y Copilot se han adoptado ampliamente. Más del 80%
de las organizaciones las han explorado o probado, y casi el 40% informa de su
implementación.
Sin embargo, estas herramientas mejoran principalmente la productividad
individual, no el rendimiento de las ganancias y pérdidas.
Mientras tanto, los sistemas empresariales, ya sean personalizados o vendidos
por proveedores, están siendo rechazados discretamente. El 60% de las
organizaciones evaluaron estas herramientas, pero solo el 20% alcanzó la fase
piloto y solo el 5% llegó a producción. La mayoría fracasa debido a flujos de
trabajo frágiles, falta de aprendizaje contextual y desalineación con las
operaciones diarias.
De las entrevistas, encuestas y análisis de 300 implementaciones públicas,
surgieron cuatro patrones que definen la Brecha GenAI:
-
Interrupción limitada: solo 2 de los 8 sectores principales muestran un
cambio estructural significativo. -
Paradoja empresarial: las grandes empresas lideran el volumen de pilotos,
pero se quedan atrás en la ampliación. -
Sesgo de inversión: los presupuestos priorizan las funciones visibles de
alto nivel sobre el back office con alto retorno de la inversión. -
Ventaja de implementación: las colaboraciones externas duplican la tasa de
éxito de las implementaciones internas.
La principal barrera para la ampliación no es la infraestructura, la
regulación ni el talento. Es el aprendizaje.
La mayoría de los sistemas GenAI no retienen la retroalimentación, no se
adaptan al contexto ni mejoran con el tiempo.
Un pequeño grupo de proveedores y compradores está logrando un progreso más
rápido al abordar estas limitaciones directamente. Los compradores que tienen
éxito exigen una personalización específica para cada proceso y evalúan las
herramientas en función de los resultados empresariales, en lugar de los
parámetros de referencia del software.
Sistemas que se integran con los procesos existentes y mejoran con el tiempo.
Los proveedores que cumplen estas expectativas están logrando implementaciones
multimillonarias en cuestión de meses.
Si bien la mayoría de las implementaciones no implican una reducción de
personal, las organizaciones que han superado la brecha GenAI están comenzando
a ver impactos selectivos en la fuerza laboral en atención al cliente,
ingeniería de software y funciones administrativas. Además, las organizaciones
con mayor rendimiento reportan ahorros mensurables gracias a la reducción del
gasto 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 objetivo de reducir costos, mejorar la eficiencia,
acceder a tecnología y experiencia especializada, permitiendo a la empresa
enfocarse en su core business.
Otras mencionan una mejor retención de clientes y una mayor conversión de
ventas mediante la comunicación automatizada y sistemas de seguimiento
inteligentes. Estos primeros resultados sugieren que los sistemas con
capacidad de aprendizaje, cuando se enfocan en procesos específicos, pueden
generar un valor real, incluso sin una reestructuración organizacional
importante.
Integración en las empresas
Las organizaciones que tiene existo al implementar GenIA, tiene esta
características:
- Compran en lugar de contribuir.
- Empoderan a los gerentes de linea en lugar de a los laboratorios centrales.
-
Seleccionan herramientas que se integran profundamente y adaptan con el
tiempo. -
Las empresas están probando herramientas GenAI, pero muy pocas llegan a
implementarlas. -
Las empresas que realmente evolucionan, muestran pocos cambios
estructurales.
La brecha de GenAI se manifiesta claramente a nivel industrial y solo dos
industrias muestran signos claros de disrupción estructural: Tecnología y
medios y telecomunicaciones.
Uso de Chatbots
Los chatbots triunfan porque son fáciles de probar y flexibles, pero fallan
en flujos de trabajo críticos
debido a la falta de memoria y personalización. En las entrevistas, los
usuarios empresariales reportaron experiencias consistentemente positivas con
herramientas de consumo como ChatGPT y Copilot.
Estos sistemas fueron elogiados por su flexibilidad, familiaridad y utilidad
inmediata. Sin embargo, estos mismos usuarios se mostraron abrumadoramente
escépticos con 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 sencillas, pero lo abandonan para
tareas críticas debido a su «falta de memoria».
Autorización y Shadow IA
Los empleados utilizan herramientas de IA personales, a menudo sin
conocimientos ni autorización del departamento de TI, dejando de lado
iniciativas empresariales y potencia el uso de
Shadow IA. Muchos empleados ya usan IA por su cuenta. Este uso oculto crea un ciclo de
retroalimentación, los vuelve menos tolerantes con las herramientas
empresariales estáticas.
Invertir en herramientas que solo aceleran el trabajo individual es difícil de
justificar cuando no impactan directamente en ingresos o costos. Este sesgo
lleva a financiar usos visibles, pero de bajo impacto, mientras se dejan de
lado aplicaciones de GenAI con mayor retorno y verdadero efecto transformador
en la organización.
Estancamiento de los pilotos de GenAI
Faltan sistemas que se adapten, recuerden y evolucionen. El principal factor
es el aprendizaje, las herramientas que no aprenden, se integran mal o se no
adaptan a los flujos de trabajo. Los usuarios se resisten a las herramientas
que no se adaptan, la calidad del modelo falla sin contexto y la experiencia
de usuario (UX) se resiente cuando los sistemas no recuerdan.
La primera razón de porque fracasan los proyectos GenAI es la falta de
voluntad para adoptar nuevas herramientas. La segunda razón es por
preocupaciones sobre la calidad de la salida del modelo.
Los usuarios valoran la flexibilidad y la capacidad de respuesta de las
interfaces LLM para el consumidor, pero requieren la persistencia y el
conocimiento contextual que las herramientas actuales no pueden ofrecer.
ChatGPT suele superar a las herramientas empresariales porque ofrece una
experiencia más rápida, intuitiva y familiar, incluso cuando usan modelos
similares, pero olvida el contexto, no aprende y no puede evolucionar es por
ellos que,
para tareas cruciales, 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 la memoria persiste, aprenden de las interacciones y pueden
orquestar de forma autónoma flujos de trabajo complejos.
Como los mejores constructores de GenIA tienen éxito
La IA genera valor cuando aprende, se adapta y se integra en los flujos
de trabajo. El éxito viene de casos de uso específicos y de alto impacto, no
de herramientas generales.
La integración al dominio y al contexto es más importante que la amplitud
de funciones. Triunfan quienes resuelven aprendizaje, memoria y adaptación continua;
fracasan las soluciones genéricas o sin foco.
Los usuarios valoran la automatización de tareas tediosas, siempre que haya
seguridad de datos y resultados medibles. Las organizaciones prefieren esperar
a que proveedores actuales incorporen IA antes que asumir el riesgo de nuevos
startups.
Las organizaciones que tuvieron éxito no trataron a los startups de IA como
simples proveedores de software, sino como socios de servicios, exigiéndoles
resultados medidos con métricas similares a las de consultoras o BPO.
Las organizaciones que tiene éxito tiene las siguiente características:
- Actúan como clientes de BPO, no como clientes de SaaS.
- Exigen una personalización profunda.
- Impulsan la adopción desde la primera línea.
- Exigen a los proveedores que rindan cuentas según las métricas del negocio.
-
No esperan CU perfectos, se impulsan median la experimentación distribuida,
alianzas con proveedores y una clara rendición de cuentas. -
Trabajar con socios externos especializados funciona mejor que intentar
hacerlo con equipos internos. -
Dan autoridad real a equipos concretos, permitiendo decidir sobre el
proceso, sin esperar aprobaciones constantes (conservando la
responsabilidad) aumenta la probabilidad de éxito. -
Tener un dueño del proceso colaborando o trabajando con el equipo aumenta la
probabilidad de éxito.
Las organizaciones que tuvieron éxito descubrieron que el ROI suele ser mayor
en funciones ignoradas como operaciones y finanzas. Las herramientas de
front-office (ventas y el marketing, por ejemplo) captan la atención,
pero las de back-office generan ahorros.
La siguiente evolución de la IA será una red de agentes autónomos que pueden
descubrirse, coordinarse y negociar entre sí a través de Internet. Gracias a
nuevos protocolos como
Model Context Protocol (MCP), Agent-to-Agent (A2A), y NANDA,
estos agentes podrán interoperar, navegar la web, crear integraciones de API
en tiempo real sin conectores predefinidos, ejecutar transacciones confiables
mediante contratos inteligentes mediante Blockchain y generar flujos de
trabajo que se auto-optimizan entre múltiples sistemas y organizaciones.
El informe completo se puede descargar desde
aquí.