Artículos Aplicaciones
Por qué casi todos los pilotos de IA se quedan en nada
El MIT descubrió que el 95 % de los proyectos piloto de IA generativa en empresas no tiene ningún efecto medible en los beneficios. El fallo está en la última milla, donde el software se encuentra con la empresa.

En el verano de 2025, un equipo del MIT publicó un informe con una cifra poco amable. De los pilotos de IA generativa que estudió, alrededor del 95 % no tuvo ningún efecto medible en la cuenta de pérdidas y ganancias. Los investigadores entrevistaron a 150 directivos, encuestaron a 350 empleados y analizaron 300 implantaciones públicas. Las empresas gastaron el dinero y no vieron ningún retorno.
El dato corrió deprisa, en parte porque parecía decir que la tecnología no funciona. No dice nada parecido. Los autores culparon a una «brecha de aprendizaje». Las herramientas no encajaban con la forma de trabajar de las empresas, no recordaban lo que se les decía y no mejoraban con el uso. Un chatbot que impresiona en una demo y el lunes ya lo ha olvidado todo es un juguete con presupuesto.
La encuesta anual de McKinsey apunta en la misma dirección desde el otro lado. En 2025, el 88 % de las empresas consultadas usaba la IA en al menos una parte del negocio. Solo alrededor del 6 % dijo que la IA le había aportado un valor significativo y el 5 % o más de su beneficio operativo. La edición de 2026, publicada en agosto, obtuvo el mismo 6 %. Es decir, casi todas las empresas usan IA y muy pocas ganan dinero con ella.
Adónde fue el dinero
El MIT también analizó en qué gastaban las empresas. Más de la mitad de los presupuestos de IA generativa se fue a herramientas de ventas y marketing, que son fáciles de comprar y de mostrar al consejo. Los mejores retornos llegaron del back office, donde la IA sustituyó procesos externalizados y trabajo de agencias. En la práctica, eso significa facturas, contratos, reclamaciones y compras. Es trabajo poco vistoso, con reglas claras, datos de entrada limpios y un coste que cualquiera puede medir. Por eso es el lugar adecuado para empezar.
El segundo hallazgo es menos cómodo para los grandes departamentos de TI. Las herramientas compradas a proveedores especializados y desarrolladas con socios funcionaron alrededor del 67 % de las veces. Los sistemas hechos íntegramente en casa lo lograron solo con un tercio de esa frecuencia.
Un piloto está pensado para pararse
La mayoría de los pilotos fracasan porque se construyen como pilotos. Funcionan con una muestra limpia de datos, al lado de los sistemas reales y no dentro de ellos, con unos pocos usuarios entusiastas y nadie responsable del resultado. Cuando acaba el piloto, alguien tiene que conectarlo al ERP, pasar el control de protección de datos, formar a las otras 300 personas y responder por sus errores. Ese trabajo nunca estuvo en el plan, así que nunca se hace.
La producción empieza con otras preguntas. ¿Qué tarea se lleva más horas? ¿Dónde están los datos y quién puede verlos? ¿Cuánto cuesta una respuesta equivocada y quién la detecta? ¿Cuánto ahorrará esto al mes, en francos? Un proyecto que no sabe responderlas en la primera semana no las responderá en el sexto mes.
Cómo trabajamos
En OptAI® construimos la primera versión con los datos reales del cliente, dentro de los sistemas que ya usa. La primera semana va más lenta y la octava, mucho más rápida, porque no hay que rehacer nada. Medimos la tarea antes de automatizarla, así que el ahorro es una cifra y no una sensación. Y acordamos desde el principio qué nos haría parar.
Las empresas de ese 5 % del estudio del MIT no tenían mejores modelos que las demás. Eligieron una tarea que dolía, la conectaron bien y no la soltaron hasta que fue rentable. Es menos emocionante que una demo. También es lo único que aparece en las cuentas.
Fuentes
- Fortune: MIT report, 95% of generative AI pilots at companies are failing, 18 August 2025
- Computing: MIT report, 95% of corporate generative AI pilots fail to deliver returns
- Virtualization Review: MIT report finds most AI business investments fail, 19 August 2025
- McKinsey: The state of AI in 2025, agents, innovation and transformation, 5 November 2025
- McKinsey: The state of AI in 2026, on the road to ROI, 25 August 2026
Más artículos
AgentesDale al agente una descripción del puestoGartner prevé que más del 40 % de los proyectos de IA agéntica se cancelen para finales de 2027. Klarna muestra qué pasa cuando a un agente solo se le juzga por el coste.Autor: Rea Stark
IntegraciónLas tuberías son el productoLos rivales de Anthropic adoptaron su MCP. OpenAI y 19 inversores pusieron más de 4000 millones de dólares en una empresa que envía ingenieros a trabajar con los clientes. El valor de la IA está en las conexiones.Autor: Rea Stark
LaboratorioEl modelo más pequeño que haga el trabajoLos investigadores de NVIDIA sostienen que casi todo el trabajo dentro de los agentes de IA lo hacen mejor los modelos pequeños. Para las empresas suizas es una buena noticia en coste, velocidad y privacidad.Autor: Rea Stark