La inteligencia artificial generativa se instaló en las compañías como la gran promesa de transformación. Los presupuestos se multiplicaron, crecieron las áreas de innovación y las conferencias se llenaron de presentaciones espectaculares. La investigación más reciente revela otra historia: el 95% de los pilotos de IA no alcanza resultados tangibles.

El informe State of AI in Business 2025 del Instituto Tecnológico de Massachusetts describe este fenómeno como GenAI Divide. Sólo un grupo reducido logra traducir la tecnología en ahorros significativos, eliminación de contratos externos y mejoras comerciales. La mayoría permanece en pruebas interminables que no cambian los procesos. La clave está en la implementación: proyectos que aprenden y se integran avanzan, proyectos estáticos se disuelven.

Más del 80% de las empresas experimentó con ChatGPT o Copilot, y cerca de 40% los desplegó de manera regular. La contribución se concentra en productividad individual: correos redactados con rapidez, reportes inmediatos, análisis de superficie. En cambio, los sistemas creados para transformar procesos internos llegan apenas a 5% de adopción real. El contraste es claro: la IA se utiliza de forma masiva, pero sólo en unos cuantos casos se convierte en rentable y en parte importante del negocio.

La capacidad de aprendizaje define la frontera. Sistemas que retienen memoria, incorporan retroalimentación y se adaptan a cada contexto consiguen escalar. Los que se mantienen en modo repetitivo se agotan en la primera demostración. Pasar de piloto a producción depende de esa evolución constante junto al proceso.

La transformación más dinámica se mueve por fuera de los proyectos oficiales. La llamada “shadow AI” muestra a empleados pagando de su bolsillo suscripciones a ChatGPT o Claude para automatizar tareas diarias. Más del 90% de los trabajadores encuestados usa estas herramientas en su rutina, aunque sólo 40% de las compañías compre las licencias. Allí ocurre la verdadera adopción: documentos preparados en minutos, análisis inmediatos, reducción de tiempos muertos.

Los casos con retorno muestran tres constantes: integración en procesos, capacidad de mejora progresiva y colaboración con proveedores externos. Los datos son claros: las alianzas duplican la tasa de éxito frente a los intentos internos. La narrativa del modelo propietario se debilita cuando la evidencia coloca el valor en la personalización más que en la autoría del código.

En consejos de administración aún se habla del prestigio de construir IA propia y exclusiva para la empresa. El valor real, sin embargo, se encuentra en la capacidad de un sistema para adaptarse a la lógica de cada área: la aprobación de contratos, la gestión de compras, el registro de finanzas. El corporativo que entiende esa dinámica ofrece resultados medibles.

Durante los próximos 18 meses, insiste el informe del MIT, muchas empresas cerrarán acuerdos con proveedores capaces de aprender de sus datos. Ese proceso definirá qué empresas consolidan ventaja estructural y cuáles repiten pruebas que nunca escalarán.

La reorganización laboral se mueve en la misma dirección. Dentro de las organizaciones, la transformación adopta otra forma: la alfabetización en IA se vuelve requisito básico en nuevas contrataciones. El cambio se refleja en el perfil del talento que se integra más que en despidos masivos.

El horizonte inmediato apunta al Agentic Web. Una red de agentes con memoria y autonomía que negocian, coordinan y se ejecutan sin supervisión humana.

La conclusión parece ser clara: la inteligencia artificial generativa produce resultados cuando se integra en procesos, aprende con ellos y se personaliza. Ese patrón explica por qué el fracaso del 95% de los proyectos que acumulan modelos que brillan en la vitrina pero no transforman la operación. La diferencia no reside en la promesa de crear código propio, sino en la tropicalización y personalización de herramientas ya existentes.