95% de pilotos de IA fracasan: el error del Everest

El dato que incomoda: 95% de los pilotos de IA no dan retorno

La conversación sobre inteligencia artificial en las empresas suele girar en torno a casos de éxito. La evidencia apunta en la dirección opuesta. El estudio «The GenAI Divide: State of AI in Business 2025», publicado por la iniciativa NANDA del MIT, concluyó que el 95% de las organizaciones que han piloteado proyectos de IA generativa no lograron un retorno financiero medible, pese a una inversión empresarial acumulada estimada entre US$30.000 y US$40.000 millones, según reportó Yahoo Finance sobre el mismo trabajo.

La cifra no es aislada. Gartner proyectó que el 30% de los proyectos de IA generativa se abandonaría tras la prueba de concepto, y la RAND Corporation concluyó que más del 80% de los proyectos de IA fracasan, el doble que los proyectos de IT tradicionales. Para un founder, el mensaje es incómodo pero útil: el problema no está en los modelos, sino aguas arriba, en cómo las organizaciones los abordan.

El «error del Everest»: por qué las empresas se atascan

Axel Jutoran, consultor especializado en IA aplicada a negocios y fundador de FIA Copilot, lo resume con una metáfora que reaparece en cada informe de adopción: «Arrancan queriendo escalar el Everest en vez de empezar haciendo trekking». La frase describe a empresas que eligen desde el inicio oportunidades demasiado complejas, con proyectos difíciles de medir y de implementar, y que después atribuyen el fracaso a la tecnología cuando el problema estaba en la estrategia.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Jutoran, que ha capacitado a más de 10.000 personas, identifica tres fallas recurrentes. La primera es intentar usar IA para resolver problemas para los que todavía no está preparada, sin un diagnóstico previo de las necesidades reales. La segunda es implementar agentes sofisticados antes de ordenar procesos básicos. La tercera es la ausencia de gobernanza: no definir qué herramientas usar ni qué información puede cargarse a los sistemas.

El patrón coincide con lo que Boston Consulting Group (BCG) reportó: el 70% de los esfuerzos de transformación con IA no cumple las expectativas de los líderes, y la raíz suele ser cultural, no tecnológica. BCG encontró además que las organizaciones que destinan al menos el 10% de su presupuesto de IA a entrenamiento y gestión del cambio tienen 1,5 veces más probabilidades de éxito que las que no lo hacen, según recogió Forbes.

Cuando la IA falla en producción: el caso Air Canada

Los errores de implementación no son teóricos. En febrero de 2024, el Civil Resolution Tribunal de la Columbia Británica condenó a Air Canada por la información incorrecta que entregó su chatbot sobre una tarifa de duelo, en el caso Moffatt v. Air Canada, 2024 BCCRT 149. El pasajero había preguntado al bot cómo funcionaba la política de tarifas por fallecimiento; el sistema le respondió que podía comprar a tarifa estándar y luego solicitar el descuento. La política real exigía solicitarlo antes del vuelo. Air Canada rechazó el reembolso y argumentó que el chatbot era «una entidad legal separada» responsable de sus propias acciones.

El tribunal rechazó el argumento en términos categóricos: la aerolínea es dueña del sitio web, puso el chatbot ahí y responde por lo que dice. La condena fue de CAD 812,02 más costas, según la decisión recogida por Decipher a partir del expediente público. BBC News reportó que Air Canada retiró el chatbot de su sitio poco después.

Para Jutoran, el caso ilustra algo que repite en sus consultorías: «Si no hay alguien con conocimiento acompañando la implementación, avanzar con IA es casi una cuestión de suerte». Una segunda señal de alerta aparece cuando la inversión es alta y el resultado tarda demasiado en llegar; una tercera, igual de decisiva, es el compromiso de la dirección. «Tiene que haber un enfoque top-down. Si no lo hay, es muy complejo que el proyecto funcione», sostiene.

Qué dice el resto de la evidencia sobre adopción corporativa

El cuadro se completa con datos recientes. La encuesta McKinsey State of AI 2025 encontró que, pese a que el 88% de las organizaciones ya implementaron algún nivel de IA, sólo el 1% dice haber alcanzado madurez plena en su estrategia. Un estudio de ManpowerGroup Talent Solutions desarrollado con Everest Group y publicado el 22 de julio de 2026 sobre 80 líderes C-level reportó que sólo el 3% de los líderes actuales se considera plenamente preparado para encabezar equipos aumentados por IA.

La lectura es coherente con la tesis del MIT: la tecnología se adopta más rápido que la capacidad organizacional para aprovecharla. El consultor Anthony Godley, fundador de Logix BPO, lo expuso en una declaración recogida por Forbes: «La barrera más grande para adoptar IA no es la tecnología. Es la dependencia del founder. Si cada decisión importante vuelve al founder, la IA sólo expone ese cuello de botella más rápido».

¿Qué significa esto para tu startup?

Para un founder, la evidencia sugiere tres movimientos que separan al 5% que obtiene resultados del 95% que no.

Empezar por el proceso, no por el modelo. Antes de comprar cualquier suscripción de IA, documenta un proceso real con resultado cuantificable: aprobación de facturas, calificación de leads, respuesta a preguntas frecuentes. Si el proceso no está escrito, ninguna herramienta lo va a inventar.
Asegurar sponsorship real desde la dirección. El estudio de ManpowerGroup muestra que sólo 3 de cada 100 líderes se sienten preparados; sin un referente claro que defina objetivos, presupuesto y métricas, el proyecto se diluye. Si eres founder, ese referente eres tú, y eso es tanto ventaja como responsabilidad.
Reservar al menos 10% del presupuesto a gestión del cambio. BCG lo midió: las organizaciones que invierten esa proporción en entrenamiento y comunicación tienen 1,5 veces más chances de éxito. En una pyme, esa partida suele ser la del founder explicándole al equipo qué cambia y por qué.

Jutoran además observa una ventaja específica para las pymes frente a las grandes corporaciones: aunque disponen de menos presupuesto, pueden decidir y moverse más rápido. Cuando esa velocidad se usa para empezar con quick wins —proyectos pequeños, de resultados cortos y medibles—, una pyme puede avanzar más rápido que una compañía grande atada a su jerarquía. La lección del «error del Everest» no es evitar la IA, sino dejar de intentar conquistar la cima más alta en el primer intento: empezar más abajo, medir, y escalar a partir de lo que funciona.