Lo que el MIT descubrió sobre por qué la mayoría de las organizaciones no obtiene resultados reales

Durante los últimos dos años, la inteligencia artificial generativa se instaló con fuerza en el discurso empresarial. Herramientas nuevas, pilotos, pruebas de concepto y anuncios se multiplicaron en organizaciones de todos los tamaños.

Sin embargo, cuando uno se corre del ruido y mira los resultados reales, aparece una pregunta incómoda:
¿por qué, con tanta adopción, el impacto en el negocio es tan bajo?

Un estudio reciente del MIT ayuda a ponerle números y contexto a esta brecha.

---

El dato que rompe el hype

El MIT analizó cientos de iniciativas de inteligencia artificial generativa en empresas de distintos sectores y geografías. El resultado es contundente:

• Se invirtieron entre 30 y 40 mil millones de dólares en GenAI
• El 95% de las organizaciones no logró impacto medible en resultados económicos
• Solo un 5% consiguió generar millones en valor real

No estamos hablando de falta de interés, ni de pruebas aisladas.
Estamos hablando de una brecha estructural entre adopción y transformación.

El propio estudio la denomina The GenAI Divide.

---

Mucha adopción, poca transformación

Uno de los hallazgos más claros del paper es que adoptar IA no es lo mismo que transformarse.

• Más del 80% de las empresas ya probó herramientas de IA generativa
• Cerca del 40% las desplegó formalmente

¿El resultado más común?

• Mejora en productividad individual
• Ahorro de tiempo en tareas puntuales
• Ningún cambio profundo en procesos, estructuras o resultados

En otras palabras:
la IA está ayudando a personas, pero no está transformando organizaciones.

---

El verdadero problema no es tecnológico

Contrario a lo que suele pensarse, el MIT no identifica como principal obstáculo a:

• la regulación
• la calidad de los modelos
• la infraestructura
• el costo

El problema central es otro:
los sistemas no aprenden ni se integran al trabajo real.

La mayoría de las iniciativas fracasa porque:

• no recuerda contexto
• no incorpora feedback
• no se adapta al workflow diario
• no está conectada con decisiones reales

La IA queda como una capa aislada, desconectada de cómo se trabaja de verdad.

---

El mito de “hagámoslo todo in-house”

Otro punto interesante del estudio es que las soluciones desarrolladas completamente de manera interna fallan el doble que aquellas construidas con partners externos.

No porque las empresas no tengan talento técnico, sino porque:

• se subestima la complejidad organizacional
• se sobreestima el valor de la personalización
• se pierde foco en el impacto real

En muchos casos, la decisión de “hacer todo adentro” responde más a una cuestión cultural que estratégica.

---

La IA ya se usa… pero por fuera de la estrategia

Quizás el dato más revelador del paper es este:

• Más del 90% de los empleados ya usa IA en su trabajo cotidiano
• Solo el 40% de las empresas adoptó herramientas oficiales

Esto genera una economía paralela de shadow AI:

• usos no gobernados
• valor no capturado
• riesgos no gestionados

La IA avanza igual, pero por fuera de la organización formal.

---

Entonces, ¿qué hacen distinto las empresas que sí logran impacto?

El MIT identifica patrones claros en el 5% que cruza la brecha:

• Empiezan por procesos concretos, no por plataformas
• Miden impacto en resultados, no en adopción
• Integran la IA al flujo de trabajo existente
• Toman decisiones organizacionales antes que tecnológicas
• Entienden que la IA no reemplaza el liderazgo: lo expone

---

Una conclusión incómoda (pero necesaria)

La IA no transforma empresas por sí sola.
Acelera lo que ya existe.

Si hay claridad, acelera el impacto.
Si hay desorden, acelera el desorden.

Por eso, el verdadero desafío no es tecnológico.
Es decisional.