IA

Por qué el 95 % de los pilotos de IA no llega a producción y cómo evitarlo

El estudio del MIT encontró que casi todos los pilotos de IA generativa no generan retorno. Las causas son de gestión, no de tecnología, y tienen solución.

Por Randall Cascante ValverdePublicado el 5 min de lectura

En agosto de 2025, la iniciativa NANDA del MIT publicó The GenAI Divide: State of AI in Business 2025. Su conclusión más citada fue contundente: cerca del 95 % de los pilotos de IA generativa en empresas no produce un impacto medible en los resultados financieros. Solo una minoría, alrededor del 5 %, logra extraer valor significativo.

La cifra generó titulares alarmistas y también críticas metodológicas razonables: «sin impacto medible» no es lo mismo que «sin ningún beneficio», y la muestra tiene límites. Pero el patrón de fondo coincide con lo que se observa en la práctica de muchas organizaciones, también en Costa Rica: mucha experimentación, poca transformación.

La buena noticia es que las causas que identifica el estudio no son tecnológicas. Son de enfoque y de gestión. Y eso significa que se pueden corregir.

Lo que encontró el estudio

Según el informe y su cobertura en medios especializados:

  • La investigación combinó la revisión de más de 300 iniciativas de IA publicadas, entrevistas con representantes de 52 organizaciones y encuestas a líderes empresariales.
  • Más del 80 % de las organizaciones exploró herramientas de uso general como ChatGPT o Copilot, pero estas mejoran sobre todo la productividad individual, no los resultados del negocio.
  • De las organizaciones que evaluaron sistemas empresariales a la medida, solo una pequeña fracción llegó a producción.
  • Las soluciones adquiridas a proveedores especializados y desarrolladas en alianza tuvieron éxito con mucha más frecuencia (alrededor de dos de cada tres) que los desarrollos puramente internos.
  • Más de la mitad de los presupuestos de IA generativa se destinaba a ventas y marketing, mientras que el mayor retorno se encontró en la automatización de procesos internos (back office).
  • Existe una «economía de la IA en la sombra»: en la gran mayoría de las empresas, las personas usan herramientas de IA personales para trabajar, aunque la organización no haya adoptado ninguna oficialmente.

El diagnóstico central de los autores es una brecha de aprendizaje: los sistemas no retienen la retroalimentación, no se adaptan al contexto y no se integran en los flujos de trabajo reales. El problema, dicen, no es la calidad de los modelos, sino cómo las organizaciones intentan usarlos.

Las cinco causas más comunes, vistas desde la práctica

1. Empezar por la tecnología y no por el problema

El piloto nace de «tenemos que hacer algo con IA» y no de un proceso concreto con un dolor medible. Sin una línea base (cuánto tiempo toma hoy, cuántos errores hay, cuánto cuesta), es imposible demostrar mejora, y sin mejora demostrada no hay presupuesto para escalar.

2. Elegir casos vistosos en lugar de casos rentables

Los asistentes para marketing o los chatbots públicos son atractivos para una demostración, pero el estudio sugiere que el retorno está más a menudo en tareas internas, repetitivas y con alto volumen: clasificar documentos, extraer datos, preparar conciliaciones, responder consultas internas, armar evidencia para auditorías.

3. Pilotos aislados del flujo de trabajo

Un piloto que vive en una herramienta aparte, que obliga a copiar y pegar, muere cuando se acaba el entusiasmo inicial. Para llegar a producción, la IA tiene que integrarse en el sistema y el momento en que la persona ya trabaja.

4. Construirlo todo en casa

Desarrollar internamente puede tener sentido para capacidades diferenciadoras, pero para la mayoría de los casos de uso comunes, adoptar soluciones probadas y adaptarlas es más rápido y, según el estudio, más exitoso. La clave es elegir bien y con criterios explícitos, no por moda o por la relación con un proveedor.

5. Ausencia de gobierno

Sin reglas claras, ocurren dos cosas a la vez: el área de riesgo frena todo por precaución y, en paralelo, las personas usan herramientas no autorizadas con información sensible. En Costa Rica, según PROCOMER, apenas el 9 % de las empresas del sector TIC tiene políticas formales de gobierno de IA, aunque el 76 % ya usa IA generativa. El gobierno no es un freno: es lo que permite avanzar sin sustos.

Cómo estar en el 5 %: un enfoque en cinco pasos

Paso 1: inventario y diagnóstico

Antes de lanzar algo nuevo, entienda qué se usa hoy, incluida la IA en la sombra. Evalúe la calidad y disponibilidad de los datos, los procesos candidatos y los riesgos. La meta es un portafolio de casos priorizado por valor y factibilidad, no una lista de deseos.

Paso 2: elegir dos o tres casos con métrica de negocio

Cada caso debe tener un responsable de negocio, una línea base y una meta: «reducir de 3 días a 4 horas la preparación del informe mensual», «clasificar automáticamente el 80 % de los documentos entrantes con revisión humana». Menos casos, mejor ejecutados.

Paso 3: reglas antes de escalar

Una política de uso aceptable breve y práctica, criterios de clasificación de datos (qué información puede usarse en qué herramientas), evaluación de proveedores y un proceso simple de aprobación de nuevos casos. Marcos como ISO/IEC 42001 y el NIST AI RMF ofrecen una estructura que se puede adoptar de forma proporcional al tamaño de la organización.

Paso 4: implementar dentro del flujo de trabajo

Integre la solución donde la gente ya trabaja, con revisión humana donde el riesgo lo exige y un mecanismo para recoger retroalimentación. Mida desde el primer día contra la línea base.

Paso 5: medir, capacitar y decidir

Al final del ciclo, la pregunta es binaria para cada caso: ¿escalamos, ajustamos o apagamos? Documente lo aprendido, capacite al equipo que va a sostenerlo y defina la hoja de ruta de los siguientes doce meses.

Señales de que un piloto va camino al fracaso

  • Nadie puede decir qué indicador de negocio debía mejorar.
  • El piloto lo lidera solo TI, sin un dueño en el área usuaria.
  • No hay fecha para decidir si se escala.
  • Los usuarios tienen que salir de su herramienta habitual para usarlo.
  • Riesgo y cumplimiento se enteraron al final.

Si reconoce dos o más de estas señales, vale la pena detenerse y replantear antes de invertir más.

Conclusión

Que la mayoría de los pilotos no genere retorno no significa que la IA no funcione. Significa que adoptar IA es un proceso de gestión del cambio, con método, métricas y reglas, y no una compra de tecnología. Las organizaciones que lo entienden así, sin importar su tamaño, son las que terminan en el lado correcto de la brecha.

Fuentes

Volver a recursos
Hablemos