La brecha de la inteligencia artificial: entre la promesa y la burbuja

La inteligencia artificial generativa se ha convertido en la palabra mágica de la innovación empresarial.

Consejos de administración, planes estratégicos y grandes consultoras repiten sin descanso que estas herramientas van a transformar la productividad y los beneficios de las compañías.

Pero el último informe del Massachusetts Institute of Technology (MIT) rebaja considerablemente el entusiasmo.

El estudio The GenAI Divide: State of AI in Business 2025, elaborado por la iniciativa NANDA, concluye que apenas un 5% de las empresas logra resultados significativos al integrar la IA generativa en sus operaciones. El 95% restante, pese a las inversiones realizadas, apenas percibe mejoras en sus cuentas.

Más allá del evidente bombo publicitario asociado a todo que tenga que ver con la IA, los motivos subyacentes resultan evidentes.

Varias investigaciones previas sobre el tipo de inteligencia artificial más común (el que se comercializa como una especie de asistente autónomo para trabajadores de oficina) han demostrado que la tecnología está todavía muy lejos de lo esperado.

Un estudio publicado el pasado julio desveló que solo el 30% de los productos de IA más avanzados fueron capaces de completar de forma satisfactoria tareas de oficina reales que les habían sido asignadas, y la mayoría obtuvo resultados significativamente inferiores.

El estudio del MIT

El análisis del MIT combina entrevistas a directivos, encuestas a empleados y la revisión de cientos de despliegues públicos de IA.

El panorama que dibuja es el de un sector dividido: de un lado, algunos casos de éxito llamativos, sobre todo en start-ups muy ágiles que identifican un problema concreto y lo resuelven con rapidez; del otro, una mayoría de compañías atrapadas en proyectos que se diluyen sin impacto real.

Por qué se atascan los proyectos

El MIT identifica un problema de fondo: la llamada brecha de aprendizaje. No se trata de que los modelos de IA sean poco potentes, sino de que no terminan de encajar en la dinámica de las organizaciones.

Herramientas como ChatGPT muestran gran versatilidad para usuarios individuales, pero en entornos corporativos pierden eficacia si no se adaptan a procesos internos ni aprenden de la operativa diaria.

Otro escollo está en cómo se asignan los recursos. Más de la mitad de los presupuestos destinados a IA generativa van a parar a aplicaciones comerciales y de marketing, cuando la mayor rentabilidad se obtiene en áreas menos visibles, como la automatización administrativa, la reducción de costes externos o la agilización de procesos rutinarios.

El estudio también analiza la diferencia entre adquirir soluciones ya desarrolladas o intentar construir sistemas propios. En el primer caso, las posibilidades de éxito se aproximan a dos de cada tres; en el segundo, solo a uno de cada tres. Aun así, sectores como el financiero, muy regulados y celosos de su información, siguen apostando por proyectos internos, con tasas de fracaso elevadas.

La forma de gestionar la implantación también resulta decisiva. Los proyectos más eficaces son aquellos en los que los mandos intermedios tienen capacidad de decisión y aplican la tecnología en su día a día, no los que se concentran en laboratorios centrales alejados de la operativa real.

En el terreno laboral, el impacto ya es visible. No tanto en despidos masivos, sino en la estrategia de no cubrir puestos que quedan vacantes, sobre todo en tareas administrativas o de atención al cliente, consideradas de bajo valor y más fáciles de sustituir por sistemas automáticos.

Capital en avalancha

Mientras los resultados prácticos avanzan a un ritmo irregular, la financiación que fluye hacia la inteligencia artificial lo hace a velocidad de vértigo.

Solo en el primer semestre de 2025, las start-ups del sector han recaudado más de 44.000 millones de dólares, una cifra superior a toda la inversión registrada en 2024.

Goldman Sachs calcula que el año podría cerrarse con casi 200.000 millones destinados a compañías de IA en todo el mundo.

La magnitud de la apuesta es inédita. En la práctica, los inversores han apostado a que la inteligencia artificial provocará un salto en la productividad laboral sin precedentes en la historia moderna.

Sin embargo, los datos del MIT cuestionan esa expectativa: si el 95% de los proyectos no genera beneficios tangibles y las herramientas apenas resuelven una fracción de las tareas para las que fueron diseñadas, la distancia entre promesa y realidad se ensancha.

Algunos analistas empiezan a advertir del riesgo de una burbuja. Con los volúmenes actuales de inversión, el mercado espera transformaciones radicales de la economía global y cualquier resultado que no alcance esa magnitud podría interpretarse como un fracaso.

Para ilustrarlo, basta un dato: según los analistas, las siete grandes tecnológicas deberían estar generando 600.000 millones de dólares extra cada año gracias a la IA, cuando sus previsiones apenas rondan los 35.000 millones en 2025.

Cada ejercicio en el que los incrementos de productividad no se materializan aumenta la presión sobre el sistema financiero, que necesita justificar las cantidades ingentes de dinero comprometidas. Si no se produce un avance sustancial a corto plazo, la corrección del mercado podría ser inevitable.

Entre la oportunidad y el riesgo

El debate sobre la inteligencia artificial empresarial se mueve, por tanto, entre dos polos.

De un lado, la oportunidad real que muestran algunos casos de éxito, en los que la IA ha permitido replantear modelos de negocio y generar ingresos en tiempo récord. De otro, la sombra de una posible burbuja alimentada por expectativas desmesuradas y un capital que exige retornos casi imposibles.

En medio de esa tensión, las lecciones del MIT parecen claras: la clave no está en desplegar tecnología por la tecnología, sino en integrarla de manera práctica en la organización, apostar por soluciones que ya han demostrado su eficacia y priorizar la eficiencia operativa frente al brillo del marketing.

El futuro de la IA en el entorno empresarial dependerá, en última instancia, de que logre cerrar esa brecha de aprendizaje y demostrar con hechos -no solo con discursos- que puede mejorar la productividad y los beneficios de forma sostenida. Si no lo consigue, tanto compañías como inversores se enfrentarán a una corrección que podría ser tan abrupta como costosa.