Todo el mundo habla de IA, pero la mayoría de las empresas todavía no consigue ponerla a trabajar. En julio de 2025, un equipo del MIT publicó uno de los retratos más completos de este problema. Combinó el análisis de más de 300 iniciativas públicas de IA, entrevistas estructuradas en 52 organizaciones y una encuesta a 153 altos directivos (Challapally et al., 2025).
El 95 % de las organizaciones estudiadas no había obtenido un retorno medible de la IA generativa en sus resultados.
La frase dio la vuelta al mundo, a menudo deformada como “el 95 % de los pilotos fracasa”. Lo que dice el estudio es más útil: el problema está sobre todo en cómo se eligen, se diseñan y se integran los proyectos.
El purgatorio de los pilotos
De las herramientas de IA diseñadas para tareas específicas, el 60 % de las organizaciones las evaluó, el 20 % llegó a piloto y solo el 5 % llegó a producción. Muchos proyectos se diseñaron para producir una demostración. Impresionan en una reunión y mueren en silencio, porque nadie planificó el acceso a los datos, la integración con los sistemas que usa la gente o quién sería el responsable de la herramienta después del lanzamiento.
Los autores identifican un factor central: la mayoría de las herramientas no aprende ni se adapta al contexto de la empresa. Una herramienta que no retiene lo que el equipo le enseña obliga a repetir el mismo trabajo cada día, y acaba abandonada.
Socios y equipos internos
Uno de los resultados más citados compara dos caminos. Las herramientas desarrolladas con socios externos llegaron a un uso real en torno al 67 % de los casos; las construidas internamente, en torno al 33 %. El uso por parte de la plantilla también fue casi el doble en las herramientas externas.
Los propios autores piden cautela: los datos proceden de 52 entrevistas, son declarados por las empresas y la diferencia puede reflejar las capacidades de las organizaciones y no solo el camino elegido. Pero la dirección es coherente con lo que vemos sobre el terreno.
Tres señales de que un proyecto va a llegar
Un proceso que duele. Los mejores proyectos parten de un problema que aparece cada semana: informes que tardan días, solicitudes que se tramitan dos veces, previsiones hechas a ojo.
Datos que existen. Pueden ser imperfectos, siempre que existan. Un número sorprendente de iniciativas se diseña en torno a información que la empresa piensa recoger algún día.
Un responsable dentro de la casa. Las herramientas sobreviven cuando alguien en la operación quiere que sobrevivan, y por eso la adopción tiene que planificarse como una fase del proyecto.
Cuando llega a producción, el retorno aparece
Un estudio de IDC encargado por Microsoft, con más de 4.000 directivos, indica que cada dólar invertido en IA generativa devuelve de media 3,7 dólares, y 10,3 en las organizaciones más avanzadas (IDC, 2024). Es una cifra declarada por las empresas y financiada por un proveedor, así que debe leerse como un indicio y no como una garantía. Pero apunta en la misma dirección que el MIT: la brecha entre quien gana y quien no gana está en la disciplina de construir solo lo que se puede lanzar, y de ponerlo en manos del equipo que lo va a usar.
Por eso medimos nuestro trabajo por lo que se queda en producción: que tus cifras se muevan y que el equipo siga usando el sistema.
Fuentes
- Challapally, A., Pease, C., Raskar, R., Chari, P. (MIT NANDA) (2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA (resultados preliminares).
- IDC, estudio encargado por Microsoft (2024). The Business Opportunity of AI (IDC InfoBrief US52699124), resumido en IDC's 2024 AI opportunity study. Microsoft.