Nueve de cada diez ejecutivos dicen que la inteligencia artificial no cambió su productividad. La inversión global supera los USD 252.000 millones. Algo no cierra.
Hay un número que me resulta difícil de ignorar. El National Bureau of Economic Research (NBER) encuestó a casi 6.000 ejecutivos senior en cuatro países — Estados Unidos, Reino Unido, Alemania y Australia — entre noviembre de 2025 y enero de 2026. La pregunta era simple: ¿la inteligencia artificial cambió la productividad de tu empresa en los últimos tres años?
El 89% respondió que no.
No "poco". No "algo". Cero impacto medible. Y esto en un período en el que las mismas empresas invirtieron, globalmente, más de 252.000 millones de dólares en tecnología de IA.
El gasto es real. Los resultados, no tanto.
McKinsey encuestó a casi dos mil organizaciones a fines de 2025. El 88% ya usa IA en al menos una función de negocio. Es un nivel de adopción extraordinario para una tecnología que hace tres años era prácticamente inexistente en el entorno corporativo. El problema: el 94% de esos mismos encuestados dijo no ver "valor significativo" de esas inversiones.
Solo el 39% reportó alguna mejora en ganancias operativas. Y en la mayoría de los casos, ese impacto fue menor al 5%.
El MIT publicó en julio de 2025 un análisis de más de 300 deployments empresariales. Conclusión: el 95% de los pilotos de IA generativa no produjo ningún impacto medible en el P&L. Gartner, por su parte, había predicho en 2023 que para 2025 el 90% de los proyectos verían sus costos superar el valor generado. Esa predicción se está cumpliendo.
"Tener acceso a la herramienta no es lo mismo que transformar el proceso."
El experimento más concreto disponible
Entre octubre y diciembre de 2024, el gobierno del Reino Unido distribuyó 1.000 licencias de Microsoft 365 Copilot en su Departamento de Comercio y Negocios. Trescientas personas consintieron que sus datos fueran analizados. Tres meses, condiciones reales de trabajo, métricas medidas.
Resultado: sin evidencia concluyente de mejora en productividad agregada.
Los detalles son más reveladores que el titular. Los usuarios producían presentaciones de PowerPoint unos siete minutos más rápido, pero la calidad y precisión de las slides era inferior. En Excel, los usuarios de Copilot tardaban más que los que no lo usaban, con menor precisión. La herramienta generó información incorrecta de manera consistente durante todo el estudio.
Pero el dato más incómodo no es ninguno de esos. Es este: el 72% de los participantes estaba satisfecho o muy satisfecho con Copilot. Y expresó decepción cuando el piloto terminó. La gente sentía que era más productiva. Los números decían otra cosa.
Nota sobre los datos del MIT: El estudio define "éxito" como deployment más allá del piloto con KPIs verificados y ROI medible a seis meses. Es una vara alta que excluye beneficios graduales o de largo plazo. El 95% es real, pero hay que leerlo con ese contexto.
Entonces, ¿la IA no funciona?
No es eso. Y la diferencia importa, porque una lectura simplista de estos datos puede llevar a conclusiones igualmente equivocadas.
En 1987, el economista Robert Solow dijo algo que se volvió famoso: "Se puede ver la era de las computadoras en todos lados, menos en las estadísticas de productividad." Era exactamente esta situación. Las empresas invertían masivamente en PCs y software. La productividad agregada no subía. Diez, quince años después, explotó. Ese delay se llama la Paradoja de Solow, y es una de las explicaciones más serias sobre lo que estamos viendo hoy.
McKinsey identifica el patrón con claridad: las empresas están pegando IA encima de procesos viejos. Compran la licencia de Copilot, pero no cambian cómo trabaja el equipo. La IA acelera tareas, pero no transforma el proceso. El valor real aparece cuando se rediseña el proceso completo, y eso requiere tiempo, decisión y cambio organizacional que casi nadie está haciendo todavía.
A eso se suma otro factor que pocas veces se menciona: la calidad de los datos. Para que la IA funcione a escala, se necesitan datos limpios, integrados y bien gobernados. La mayoría de las empresas opera sobre silos de información y sistemas con décadas de antigüedad.
La paradoja del ejecutivo convencido
Hay un dato del NBER que encuentro particularmente revelador, y que no aparece en los titulares. Esos mismos ejecutivos que reportan cero impacto en los últimos tres años esperan, en promedio, que la IA aumente su productividad un 1,4% en los próximos tres. Siguen creyendo.
Eso puede interpretarse de dos maneras. La primera: están viendo algo que los datos agregados todavía no capturan, y el beneficio viene. La segunda: están racionalizando una apuesta que ya hicieron y ante la cual no tienen marcha atrás.
El MIT encontró algo que encaja con la segunda lectura: más del 50% del gasto corporativo en IA va a herramientas de ventas y marketing, que es donde la tecnología es más visible y más fácil de justificar internamente. Pero el mayor retorno documentado está en la automatización de back-office — procesos operativos, eliminación de tercerización, optimización de flujos que nadie ve pero que impactan directamente en el P&L. Las empresas invierten donde brilla, no necesariamente donde rinde.
"El 50% del gasto en IA va donde es visible. El mayor retorno está donde nadie mira."
Lo que esto significa para los próximos 18 meses
Gartner predijo que al menos el 30% de los proyectos de IA generativa sería abandonado después de la prueba de concepto para fin de 2025, principalmente por costos escalantes y valor poco claro. Eso está pasando.
Las empresas que sí están viendo resultados — el 5 o 6% que McKinsey identifica como "high performers" — tienen en común que no solo compraron herramientas: rediseñaron procesos completos, invirtieron en la calidad de sus datos y definieron KPIs de negocio reales antes de empezar. Son la excepción, no la regla.
La pregunta que me parece más honesta no es "¿la IA funciona o no funciona?" sino otra: ¿cuánto del gasto corporativo actual en IA responde a una hipótesis de negocio real, y cuánto es presión competitiva — el FOMO institucional de no poder no hacerlo cuando todos lo están anunciando?
Los datos no responden esa pregunta. Pero la hacen más urgente.-
Comentarios