Inteligencia Artificial generativa: por qué el 95% de las empresas no logran resultados
Según el MIT, el 95% de las empresas falla al aplicar Inteligencia Artificial generativa por la ausencia de objetivos definidos y capacidades técnicas.
La inteligencia artificial generativa no fracasa por sus límites tecnológicos, sino por el desajuste entre lo que las empresas esperan de ella y lo que realmente puede ofrecer.
Archivo MDZLa inteligencia artificial generativa irrumpió en los últimos años como el gran motor de cambio en las empresas. Prometía transformar la manera de trabajar, crear contenido y automatizar procesos con una versatilidad inédita. Sin embargo, el entusiasmo inicial está dando paso a un escenario más complejo y en el que hay que ser más cauteloso.
El reciente informe del MIT, titulado The GenAI Divide: State of AI in Business 2025, revela una paradoja llamativa: mientras que el 90% de los empleados dice utilizar con éxito herramientas como ChatGPT a nivel personal, el 95% de los proyectos empresariales en torno a esta tecnología terminan fracasando.
Te Podría Interesar
La cifra sorprende porque contrasta con la historia de la inteligencia artificial tradicional, la de los modelos predictivos que hace décadas funcionan en bancos, aseguradoras o empresas de salud. Allí los resultados fueron sostenidos, con mejoras claras en eficiencia y rentabilidad. El problema radica en que se trata de dos paradigmas tecnológicos diferentes. La IA que podemos llamar “clásica”, basada en modelos predictivos, utiliza algoritmos de aprendizaje automático que procesan grandes volúmenes de datos históricos para detectar patrones y anticipar tendencias, calcular riesgos o clasificar a los clientes en función de su perfil y experiencia de usuario al consumir los bienes o servicios provistos por la empresa. Esta tecnología es reactiva, predecible y se integra con relativa facilidad en los procesos ya existentes, siendo ampliamente utilizada para prever comportamientos, calcular riesgos crediticios, detectar fraudes o estimar demandas en distintas industrias, aportando resultados cuantificables y robustos.
La Inteligencia Artificial generativa, juega otro partido
No se limita a procesar información previa sino que produce algo nuevo, desde un texto hasta una imagen o una estrategia, y lo hace con una variabilidad que descoloca a las organizaciones acostumbradas a sistemas más acotados. El problema central que detecta el MIT es lo que denomina learning gap: una brecha entre la experiencia individual y la corporativa. A un usuario aislado, ChatGPT le resuelve tareas puntuales con sorprendente eficacia: redactar un mail, resumir un documento o traducir un texto. Pero dentro de una empresa las limitaciones se hacen evidentes. Los modelos no retienen el aprendizaje de cada organización, no se adaptan de manera natural a los flujos de trabajo específicos y, sin personalización, no mejoran con el tiempo. En ese choque entre expectativas y realidad se explica buena parte del fracaso.
En este punto conviene despejar un malentendido: no es que la IA generativa esté fallando por deficiencias técnicas. La tecnología funciona y lo demuestra a diario en cientos de millones de usuarios. Lo que está fallando es la manera en que las compañías intentan adoptarla, aplicando las mismas lógicas que antes funcionaron con la IA tradicional basada en modelos predictivos. Y es ahí de dónde proviene el conflicto. Pretender que un modelo generativo se comporte como un algoritmo predictivo es desconocer su esencia.
El estudio también sugiere que muchas empresas están invirtiendo en áreas poco estratégicas. Más de la mitad del gasto actual en IA generativa, la llamada GenAI, se concentra en marketing y ventas, cuando los mayores retornos aparecen en funciones administrativas, legales o de soporte interno, donde la automatización puede liberar horas de trabajo y reducir costos de manera directa. Al mismo tiempo, los especialistas remarcan que la adopción requiere un cambio cultural profundo: aceptar que estos sistemas no se incorporan como un software más, sino que obligan a repensar procesos y roles de manera continua.
El mensaje final es claro: la inteligencia artificial generativa no fracasa por sus límites tecnológicos, sino por el desajuste entre lo que las empresas esperan de ella y lo que realmente puede ofrecer. Quienes logren comprender esa diferencia y adapten sus estrategias estarán en mejores condiciones de transformar la inversión en resultados tangibles. El resto, por ahora, seguirá atrapado en la brecha que separa la fascinación tecnológica de la integración real.
* Carlos Arana. Profesor de UCEMA y Consultor
