MIT: 95% de pilotos de IA fallan por deuda organizacional

Cerca del 90% de las empresas ya usa IA, pero solo un tercio ve resultados

Casi 9 de cada 10 empresas ya usan inteligencia artificial de forma regular, y sin embargo apenas un tercio reporta mejoras concretas en sus utilidades operativas. La brecha entre adopción y resultados no es tecnológica: es de diseño organizacional.

Ese es el diagnóstico que plantea el artículo de Noticias Neo, y coincide con la evidencia más dura que existe sobre el tema. El informe The GenAI Divide: State of AI in Business 2025, publicado por la iniciativa NANDA del MIT, encontró que alrededor del 5% de los programas piloto de IA generativa logra acelerar ingresos de forma rápida, mientras la gran mayoría se estanca sin impacto medible en el estado de resultados. La investigación se apoyó en 150 entrevistas con directivos, una encuesta a 350 empleados y el análisis de 300 despliegues públicos de IA, según recogió Fortune.

La conclusión apunta al mismo lugar que el artículo original: el problema no es la calidad de los modelos, sino la brecha de aprendizaje de las herramientas y de las organizaciones. Los modelos genéricos funcionan bien para individuos porque son flexibles, pero se atascan dentro de la empresa porque no aprenden ni se adaptan a los flujos de trabajo reales.

Qué es la deuda organizacional y por qué no aparece en el balance

Durante décadas las empresas acumularon deuda tecnológica: sistemas viejos, integraciones frágiles, arquitecturas difíciles de mantener. Pero existe otra deuda, rara vez contabilizada, que puede costar más: la deuda organizacional.

Se manifiesta en procesos que se establecieron hace años y nadie cuestiona, niveles de autorización creados para mitigar riesgos que ya no existen, personas cuya función principal es trasladar información de un sistema a otro, reportes que se siguen produciendo porque alguien los pidió en su momento, y excepciones que con el tiempo se normalizaron como práctica estándar.

Ninguna de esas capas aparece en el balance. Todas consumen presupuesto, tiempo y capacidad de decisión. Y se vuelven invisibles precisamente porque funcionan: nadie las mide porque nadie las cuestiona.

La pregunta incómoda que plantea el artículo es simple: si hoy fuera posible construir la empresa desde cero con la tecnología disponible, ¿se diseñaría igual a como opera actualmente? En la mayoría de los casos la respuesta honesta es no.

Automatizar un proceso obsoleto solo lo hace fallar más rápido

Implementar IA sobre esa complejidad acumulada no la resuelve: la acelera. Automatizar un proceso obsoleto no lo moderniza, incrementa la velocidad a la que produce resultados subóptimos.

La velocidad de adopción tecnológica supera con creces la capacidad de cambio organizacional, y esa asimetría explica por qué la mayoría de las iniciativas de IA no se traducen en mejoras medibles de rentabilidad. El valor no emerge de la herramienta, sino del rediseño de los flujos de trabajo, las estructuras de decisión y los modelos operativos que la herramienta va a soportar.

El dato que mejor ilustra este desorden es el de asignación de recursos. Según el informe del MIT, más de la mitad de los presupuestos de IA generativa se destinan a herramientas de ventas y marketing, mientras que el mayor retorno apareció en la automatización de back-office: eliminar outsourcing de procesos, recortar costos de agencias externas y simplificar operaciones. Las empresas están poniendo el dinero donde el retorno es menor.

Hay más señales de fricción. McKinsey, citado por Crowdfund Insider, encontró que el 62% de las organizaciones estaba experimentando con agentes de IA en 2025, pero solo el 23% los había escalado a producción. S&P Global reportó que la proporción de empresas que abandonaron la mayoría de sus iniciativas de IA subió al 42% en 2025, frente al 17% del año anterior. Y Gartner proyecta que más del 40% de las iniciativas de IA agéntica serán canceladas hacia finales de 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes.

Qué hacen distinto las empresas que sí obtienen retorno

Las organizaciones que consiguen resultados consistentes comparten un patrón de secuencia. Primero cuestionan si el proceso debe existir tal como está. Luego evalúan si puede simplificarse. Solo entonces determinan qué rol juega la tecnología. Invertir ese orden —adoptar primero, rediseñar después— es la causa más frecuente de proyectos que consumen recursos sin generar retorno.

El informe del MIT agrega dos condiciones prácticas. La primera: comprar a proveedores especializados y construir alianzas funciona aproximadamente el 67% de las veces, mientras que los desarrollos internos tienen éxito un tercio menos. La segunda: conviene empoderar a los gerentes de línea, no solo a los laboratorios centrales de IA, para que la adopción ocurra donde está el problema.

Darren Pulsipher, arquitecto empresarial jefe para el sector público de Intel, lo resume con una imagen útil: «la IA es una lupa». Si ya tienes buenos procesos y buena seguridad, la IA los potencia; si tienes procesos rotos, los expone sin piedad. Su marco de trabajo, el AI Augmented Operating System, arranca justamente por una etapa de diagnóstico que evalúa cinco dominios —estratégico, organizacional, procedimental, sistemas digitales e infraestructura física— antes de tocar cualquier herramienta.

La automatización de procesos como paso previo es también la tesis que defendió Lía Benegas, de AuraQuantic, en el congreso The Wave 2026 en Zaragoza, según recogió Europa Press: estandarizar y estructurar la información primero es lo que permite que la IA opere de forma precisa, escalable y alineada con los procesos del negocio.

En el ecosistema hispanohablante el punto de partida es todavía más bajo. El informe Digital Pulse 2025 de la consultora Excelia, basado en más de 400 profesionales de empresas españolas, encontró que solo el 7,4% alcanzó un nivel avanzado de automatización de procesos basada en datos, que el 44,5% combina procesos manuales y automatizados y que casi una de cada cuatro empresas opera mayoritariamente de forma manual. Para una startup o una pyme de la región eso no es una mala noticia: es margen de mejora sin necesidad de grandes presupuestos.

Qué significa esto para tu startup

Si diriges una empresa pequeña, tienes una ventaja estructural que las grandes no tienen: puedes rediseñar el proceso antes de automatizarlo, sin comités ni legados de veinte años. Aprovéchala.

• Haz el inventario de deuda organizacional antes de comprar herramientas. Lista cada proceso recurrente de tu operación y pregúntate tres cosas: ¿por qué existe?, ¿quién lo pidió y sigue vigente?, ¿qué pasaría si lo eliminamos? Los que sobrevivan a esas preguntas son los candidatos a automatizar. Los demás, simplemente se borran.
• Empieza por back-office, no por ventas. El informe del MIT es explícito: el mayor retorno está en eliminar trabajo administrativo, outsourcing de bajo valor y costos de agencias. Es menos vistoso que un copiloto de ventas, pero el impacto en caja se mide en semanas.
• Define la métrica de negocio antes de escribir la primera línea de código. Horas ahorradas, costo por transacción, tiempo de ciclo. Si no puedes nombrar el indicador que va a mover el proyecto, no tienes un proyecto: tienes un experimento sin fecha de cierre.
• Prefiere integrar sobre comprar, y comprar sobre construir. Con equipos pequeños, desarrollar IA internamente es la ruta más cara y la que más falla. Una herramienta especializada bien integrada a tu flujo real rinde más que un modelo propio mal alimentado.

La lección de fondo es incómoda pero liberadora: la IA no va a arreglar tu operación. Va a amplificar lo que ya eres. Si el proceso está mal diseñado, la tecnología solo hará que el error llegue más rápido y más lejos. El rediseño es el trabajo; la herramienta es el detalle.

Fuentes

• Noticias Neo — Automatizar procesos obsoletos con IA no genera valor (fuente original)
• Fortune / Yahoo Finance — MIT report: 95% of generative AI pilots at companies are failing
• Crowdfund Insider — 95% of Enterprise GenAI Pilots Deliver No Measurable Return
• GovExec — Beyond the pilot: A framework for scaling AI safely and efficiently
• Europa Press — Expertos destacan en The Wave Zaragoza la automatización de procesos como paso previo a escalar la IA
• PuroMarketing — Solo el 7,4% de las empresas españolas alcanza un nivel avanzado de automatización