Resumen detallado de la noticia
El estudio, titulado “The GenAI Divide: State of AI in Business 2025” y desarrollado por la iniciativa NADA del MIT, analizó 300 implementaciones públicas de IA, realizó 150 entrevistas con líderes empresariales y encuestó a 350 empleados de diversas organizaciones. Sus conclusiones son contundentes: la gran mayoría de los proyectos de IA generativa en el ámbito corporativo se queda en la fase piloto, sin llegar a una adopción a escala que permita obtener beneficios económicos tangibles[5][7].
Entre los hallazgos más destacados:
- El 95 % de los proyectos específicos de IA generativa no superan la fase de piloto y fracasan en su integración en las operaciones de la empresa[3][5][7].
- Solo un 5 % de las iniciativas consigue traducirse en mejoras de ingresos o ahorros de costes significativos.
- Se estima que la inversión global de las empresas en GenAI se sitúa entre los 30.000 y 40.000 millones de dólares, pero los resultados económicos siguen siendo limitados para la mayoría[1][3].
Causas principales del fracaso
El informe identifica varios factores críticos que explican el bajo retorno de inversión:
1. Falta de integración en procesos y sistemas
- La IA generativa requiere una integración profunda en los sistemas empresariales existentes. Sin esa integración, los pilotos rara vez escalan y permanecen como experimentos aislados sin impacto real en la cuenta de resultados[5][7].
2. Mala selección de casos de uso
- Muchas organizaciones no logran identificar casos de uso relevantes para su negocio o se enfocan en áreas donde el valor añadido de la IA es difícil de medir, como marketing y ventas, en vez de procesos operativos críticos[3][7].
3. Problemas de gobernanza de datos
- La calidad, accesibilidad y seguridad de los datos sigue siendo uno de los mayores retos. Sin una adecuada gobernanza, los modelos de IA no pueden entrenarse ni operar de forma fiable[1][3].
4. Infraestructura tecnológica insuficiente
- La falta de una infraestructura robusta, capaz de soportar la integración y escalabilidad de soluciones de IA generativa, limita el avance de los proyectos más allá de la fase de prueba[3][5].
5. Resistencia al cambio y falta de habilidades
- Existe una barrera cultural y de habilidades técnicas dentro de las empresas. Muchos empleados y directivos muestran reticencias a adoptar nuevas herramientas o carecen de la formación necesaria para integrarlas en su trabajo diario[3].
¿Dónde sí hay impacto positivo?
El 5% de organizaciones que sí han logrado retorno lo han hecho, principalmente, en los siguientes ámbitos[1][3][5]:
- Optimizando costes externos: automatización de tareas administrativas que antes requerían contratación de servicios externos.
- Mejorando la retención de clientes: uso de IA para personalizar la experiencia del usuario y anticipar necesidades.
- Aumentando la conversión de ventas: integración de sistemas de recomendación y personalización basada en IA en e-commerce y servicios digitales.
Las empresas exitosas suelen compartir estos factores:
- Se enfocan en problemas concretos y medibles.
- Ejecutan proyectos con equipos multidisciplinares.
- Colaboran con socios tecnológicos adecuados.
- Iteran y mejoran continuamente los modelos a partir del uso real[7].
En conclusión, la investigación del MIT pone en evidencia la distancia entre las expectativas y la realidad actual de la IA generativa en el mundo empresarial. El entusiasmo y la inversión masiva contrastan con los pobres resultados económicos obtenidos hasta ahora por la mayoría de las organizaciones. Sin embargo, el potencial de transformación sigue siendo enorme para aquellas empresas que logren superar los retos de integración, gobernanza de datos, infraestructura y cultura organizacional.
El reto clave para los próximos años será cerrar la brecha de aprendizaje organizacional y pasar de la experimentación a la escalabilidad, con un enfoque realista y estratégico en los casos de uso que verdaderamente generen valor[5][7].