MIT NANDA · Usar mucha IA no significa transformar una empresa

Autores del informe: Aditya Challapally, Chris Pease, Ramesh Raskar y Pradyumna Chari
Proyecto: MIT NANDA
Referencia: The GenAI Divide: State of AI in Business 2025 · hallazgos preliminares · 2025

Hay una cifra de este informe que ha recorrido el mundo: el 95 %.

Se ha repetido como si MIT hubiera demostrado que «el 95 % de los proyectos de IA fracasa».

Esa frase es demasiado fuerte. El documento se presenta como hallazgos preliminares, mezcla distintas fuentes de evidencia y el alcance exacto del porcentaje ha sido discutido. No deberíamos utilizarlo como una estadística universal.

Pero eliminar la cifra no elimina lo importante.

El informe describe una brecha real y reconocible: muchas empresas están haciendo muchísimas cosas con IA sin conseguir todavía que cambie de manera medible su negocio.

Pilotos, licencias y actividad pueden dar una falsa sensación de avance

Una organización puede comprar herramientas, lanzar decenas de pruebas, organizar formaciones y anunciar una estrategia de IA.

Todo eso es actividad.

No necesariamente es transformación.

El informe estudió iniciativas públicas, entrevistas organizativas y respuestas de directivos. Su diagnóstico pone el foco en algo más concreto que la calidad de los modelos: muchas soluciones empresariales no encajan suficientemente bien en el trabajo real, no conservan contexto, no aprenden del uso y no llegan a integrarse de manera sostenida.

Eso explica una paradoja que veremos repetirse: empleados que obtienen utilidad inmediata de herramientas generales mientras programas corporativos mucho más caros se quedan atascados en pruebas.

La pregunta correcta no es «¿usamos IA?»

La pregunta útil es otra:

¿qué ha cambiado realmente porque la usamos?

¿Decidimos antes? ¿Ha bajado un coste? ¿Ha mejorado un servicio? ¿Podemos hacer algo que antes no podíamos? ¿Lo aprendido por un equipo queda disponible para el siguiente? ¿El sistema mejora al recibir correcciones? ¿El proceso completo es mejor o solo una tarea aislada es más rápida?

Cuando una empresa no puede responder a esas preguntas, contar usuarios o licencias puede convertirse en una manera cómoda de evitar la cuestión económica.

El problema no es que la IA sea insuficiente

Ésta es una pieza adversarial precisamente porque frena una conclusión fácil.

La capacidad técnica puede ser impresionante y, aun así, producir poco valor dentro de una organización concreta.

Un asistente puede redactar en segundos, pero si el documento sigue pasando por el mismo circuito de diez aprobaciones, el proceso no se ha vuelto diez veces mejor.

Un sistema puede encontrar información, pero si no conoce qué versión es válida o no recuerda las correcciones del equipo, cada uso vuelve a empezar desde un contexto incompleto.

Una empresa puede automatizar tareas y mantener intacto el cuello de botella que determina el resultado.

La IA no corrige automáticamente una mala manera de trabajar.

La cifra del 95 % también enseña algo sobre cómo leemos la información

Hay otra lección importante.

Una estadística espectacular puede circular mucho más deprisa que sus límites metodológicos.

Eso ocurre precisamente en el mundo que estamos estudiando: información producida, resumida y difundida a gran velocidad, mientras la comprobación necesita más tiempo.

Por eso esta pieza debe conservar su carácter incómodo en dos direcciones.

Cuestiona el optimismo empresarial sobre la IA y también nos obliga a cuestionar una cifra que parece confirmar demasiado bien nuestra propia tesis.

Oportunidades que abre la brecha entre uso e impacto

Si muchas empresas tienen herramientas pero no consiguen integrarlas bien, ahí aparece un mercado enorme.

No para vender necesariamente otra herramienta.

Para cerrar la distancia entre capacidad técnica y resultado.

Especialistas en procesos pueden identificar dónde está el verdadero cuello de botella antes de automatizar.

Profesionales de gestión del conocimiento pueden construir contexto y memoria que no desaparezcan entre usos.

Formadores pueden trabajar sobre actividades reales y no sobre demostraciones genéricas.

Consultores pueden medir resultados de negocio en vez de número de pilotos.

Expertos sectoriales pueden adaptar sistemas generales a una profesión concreta.

Responsables de producto, operaciones, datos y tecnología pueden diseñar mecanismos de feedback para que una solución mejore con el uso.

Y pequeñas firmas especializadas pueden tener una ventaja frente a grandes programas internos si conocen profundamente un workflow y son capaces de responder por un resultado concreto.

Una oportunidad también para cerrar lo que no funciona

El nuevo mercado no consiste únicamente en abrir proyectos.

También habrá valor en ayudar a detenerlos.

A medida que aumenten los experimentos, las empresas necesitarán distinguir qué merece escalar y qué solo consume presupuesto, atención y prestigio interno.

Saber cerrar pronto una iniciativa sin valor puede ser una capacidad tan importante como lanzar una nueva.

Qué nos dice esta pieza sobre Lo que viene

El dato del 95 % debe seguir marcado como provisional y discutible. No lo necesitamos para sostener la pieza.

La señal más robusta es la brecha entre usar IA y convertirla en una manera mejor de operar.

Eso favorece con fuerza una de nuestras hipótesis: el acceso a una nueva capacidad no basta. Hay que integrarla en trabajo, memoria, aprendizaje, decisión y responsabilidad.

Y donde muchas organizaciones no sepan hacerlo aparecerán oportunidades para quienes sí sepan.

La gran pregunta empresarial ya no será cuánta IA tenemos.

Será mucho más incómoda: ¿qué somos capaces de hacer mejor ahora que antes y podemos demostrarlo?