IA en la empresa: solo 6% ve impacto real en su EBIT

Qué dice la encuesta de McKinsey sobre el estado de la IA en 2026

El 37% de las empresas atribuye algún impacto de la IA en su EBIT, prácticamente la misma proporción que un año antes. Ese es el dato central de la encuesta global de McKinsey sobre el estado de la IA en 2026, con 1,719 participantes en 97 países, y resume el problema que hoy enfrenta cualquier founder que ya destinó presupuesto a inteligencia artificial: la adopción sube, el retorno no.

La paradoja se ve mejor en dos cifras que van en direcciones opuestas. Las organizaciones que escalan IA en toda la empresa pasaron de 38% a 44%, y las que la usan en tres o más funciones subieron de 51% a 56%. Sin embargo, la proporción que reporta impacto en el EBIT se quedó clavada. La adopción de IA alcanza ya al 89% de las organizaciones en al menos una función de negocio, según el mismo informe.

El diagnóstico de McKinsey es directo: la brecha no está en cuánto se usa la IA, sino en que la mayoría de las empresas la inserta en procesos existentes en lugar de rediseñarlos. Añadir un asistente a un flujo de trabajo que nadie repensó genera comodidad, no rentabilidad.

Por qué la productividad individual no llega al estado de resultados

Ocho de cada diez encuestados aseguran que la IA mejoró su productividad individual, y cerca de la mitad afirma que les ayudó a desarrollar habilidades y tomar mejores decisiones. Esa experiencia diaria alimenta expectativas altas en los equipos directivos, pero no se traduce automáticamente en dinero.

La explicación está en la arquitectura del despliegue. Las herramientas horizontales —chatbots y copilotos empresariales— escalan rápido porque son fáciles de instalar y de probar, pero producen lo que McKinsey describe como ganancias difusas y difíciles de medir. Un empleado que redacta correos más rápido es genuinamente más productivo, pero si ese tiempo ahorrado no se reinvierte en output medible —más llamadas cerradas, más código desplegado, más tickets resueltos— la ganancia se queda en el escritorio y nunca llega a la cuenta de resultados.

El detalle por función confirma el patrón. Las reducciones de costos se reportan con más frecuencia en cadena de suministro, operaciones de servicio y manufactura; los aumentos de ingresos, en marketing y ventas, desarrollo de productos e ingeniería de software. Son casos acotados, con un output definido y medible. Todo lo demás sigue produciendo satisfacción individual sin impacto organizacional.

Qué hacen distinto el 6% de empresas de alto desempeño

McKinsey clasifica como "high performers" a las organizaciones que atribuyen al menos 5% de su EBIT a la IA y describen su impacto como significativo. Solo el 6% de los encuestados cruza ese umbral, sin cambios frente a 2025.

Lo que las distingue no es qué herramientas usan, sino qué están dispuestas a reorganizar:

• Cerca de tres cuartas partes han rediseñado sus flujos de trabajo a partir de la IA (74%, frente a 55% en 2025), contra apenas un cuarto del resto del mercado.
• Tienen una probabilidad dos veces mayor de contar con líderes comprometidos y procesos definidos para medir resultados.
• Tienen una probabilidad 3.3 veces mayor de proponerse transformar a fondo su negocio con IA en los próximos tres años.
• Persiguen crecimiento e innovación además de eficiencia, no solo recorte de costos.

La lección es incómoda para startups pequeñas: el factor diferenciador no es el acceso a la tecnología, que hoy está al alcance de cualquiera, sino la disposición a cambiar cómo trabaja la empresa.

La factura de acumular herramientas

Una de cada cinco organizaciones limita el uso de IA por sus costos operativos, incluidos los relacionados con tokens. Cada asistente, agente o modelo añade capacidad y también consumo. Ni siquiera las líderes escapan: las empresas de alto desempeño reportan restricciones de costo en agentes de programación con una frecuencia tres veces mayor que el resto.

El problema es estructural. Según el análisis de Gartner citado por TechTimes, un flujo de trabajo con agentes que razona, llama herramientas externas, verifica resultados y se autocorrige puede generar entre 5 y 30 veces más tokens de inferencia por tarea que un chatbot estándar respondiendo la misma consulta. Business Insider recoge además una advertencia de McKinsey: el costo de completar una misma tarea con distintos agentes puede variar hasta 30 veces, una volatilidad difícil de presupuestar.

El contraste con el resto del mercado es útil. La encuesta Global AI Pulse de KPMG del primer trimestre de 2026 situó el presupuesto empresarial promedio de IA en 186 millones de dólares, y solo el 8% de esas compañías reporta un retorno tangible, según recoge TechTimes. En paralelo, un estudio del National Bureau of Economic Research de febrero de 2026 sobre casi 6,000 ejecutivos encontró que cerca del 90% de las firmas no reportó impacto alguno de la IA en empleo o productividad durante tres años.

Pese a todo, el 60% de los encuestados espera aumentar su inversión en IA el próximo año y un 28% ya destina más del 10% de su presupuesto tecnológico a esta tecnología. La convicción crece más rápido que los resultados.

¿Qué significa esto para tu startup?

Si diriges una empresa pequeña, el dato más relevante del informe es otro: la adopción de agentes autónomos en organizaciones con ingresos inferiores a 1,000 millones de dólares se mantiene estancada en 22%, mientras que en las grandes corporaciones saltó de 27% a 40%. La brecha de capacidad de ejecución se está ampliando, y eso es una oportunidad para quien se mueva con criterio.

Dos acciones concretas que puedes implementar esta semana:

• Elige un proceso de punta a punta, no una herramienta. En lugar de sumar un copiloto a cada área, identifica un flujo completo —gestión de incidencias de clientes, revisión de facturas, manejo de excepciones en la cadena de suministro— donde la IA pueda hacerse cargo de varios pasos, no solo asistir en uno. Antes de desplegar, define una línea base medible: tiempo por caso, costo por transacción, tasa de error.
• Pon un tope de gasto en tokens desde el día uno. Con variaciones de costo de hasta 30 veces entre agentes para la misma tarea, un presupuesto abierto se convierte en una sorpresa de fin de mes. Asigna un techo por equipo o por flujo y revisa el consumo semanalmente, igual que harías con cualquier otro insumo variable.

Y una tercera, de fondo: asigna un dueño interno al proyecto. La probabilidad dos veces mayor de tener líderes comprometidos y métricas definidas no es un detalle de cultura, es la diferencia entre reportar productividad individual y reportar impacto en el EBIT.

Conclusión

El informe de McKinsey no dice que la IA no funcione. Dice algo más útil para quien tiene que decidir dónde poner el próximo peso: la tecnología ya está resuelta, el rediseño operativo no. Una compañía puede ampliar licencias, lanzar agentes y construir aplicaciones mientras su forma de operar permanece intacta. En ese escenario, la inversión agrega costos y complejidad con mayor rapidez que resultados.

La pregunta que el propio informe deja abierta es la que todo founder debería hacerse antes de renovar su presupuesto de IA: cuánto valor produjo realmente cada peso invertido. Esa respuesta separa la adopción vistosa de la transformación capaz de sostener valor.

Fuentes

• El Economista: La utilidad de la IA, operativa pero no financiera (fuente original)
• TechTimes: Record AI Spending Can't Move Earnings Needle for 94% of Enterprises, McKinsey Finds
• Infobae: El 80% de empleados gana productividad con IA, pero solo el 37% de empresas mejora resultados, según McKinsey
• Business Insider: McKinsey warns that AI may get a lot more expensive for companies
• Euronews: Empresas se lanzan a la IA, pero solo 8% mide el retorno de la inversión, según KPMG