McKinsey: 88% usa IA y solo el 7% logra escalarla

La brecha que McKinsey puso en números

El 88% de las organizaciones usa inteligencia artificial de forma regular en al menos una función de negocio, pero solo el 7% consiguió escalar completamente su implementación. Lo reporta el informe The State of AI in 2025 de McKinsey, citado por ITSitio. Para un founder, esos 81 puntos de distancia no son un dato académico: son la diferencia entre tener un asistente que redacta correos y tener un negocio que opera distinto.

La tendencia de fondo es innegable. El AI Index 2026 de Stanford, que recoge las cifras de la encuesta de McKinsey, muestra que el uso pasó del 55% en 2023 al 78% en 2024 y al 88% en 2025, y que el uso regular de IA generativa escaló del 33% en 2023 al 79% en 2025, según resume CoinCentral. La adopción ya no es el problema. La profundidad sí.

¿Por qué tantas empresas usan IA sin transformarse?

Porque incorporan IA para hacer más rápido lo que ya hacían. Alejandro Alessi, CTO de Flux IT, lo explica en la nota original:

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

"Muchas organizaciones están incorporando IA para hacer más rápido lo que ya hacen, pero eso no significa que estén transformando su manera de trabajar. Si los procesos siguen fragmentados, la información no circula y las decisiones dependen de las mismas intervenciones manuales, el impacto de la tecnología tiene un límite".

El patrón se repite: un asistente para generar contenido, otro para analizar documentos, una herramienta de resúmenes. Cada pieza funciona. El proceso que las conecta sigue igual, con las mismas transferencias manuales y las mismas verificaciones humanas. El ahorro de tiempo se queda en el escritorio del empleado y no llega nunca a la cuenta de resultados.

Agentes de IA: ¿la palanca que faltaba o un problema nuevo?

Un agente de IA no es un chatbot más capaz: es un sistema que ejecuta acciones, se conecta con otros sistemas y participa en varias etapas de un proceso, siempre dentro de objetivos y reglas definidos de antemano. La diferencia práctica es que deja de asistir a una persona en una tarea puntual y empieza a coordinar el flujo completo.

En seguros, la gestión de un siniestro exige interpretar documentación, consultar coberturas, hacer validaciones y resolver excepciones. En banca, la evaluación crediticia implica recopilar información, verificar datos y analizar riesgo. Son procesos donde el agente puede aportar continuidad, no velocidad de tecleo.

Pero el agente no arregla un proceso roto. Su desempeño depende de la calidad de los datos, de la integración entre sistemas existentes y de reglas claras de supervisión. Y aquí aparece el punto que casi nadie diseña a tiempo: qué decisiones se delegan y cuáles no. En palabras de Alessi, la autonomía "no se define solamente por lo que la tecnología puede hacer, sino también por lo que la organización está preparada para delegar".

¿Cuánto cuesta realmente operar IA a escala?

Más de lo que el piloto anticipó. La edición 2026 del informe de McKinsey, publicada el 25 de agosto según Diario TI, encontró que uno de cada cinco encuestados afirma que los costos operativos de IA —incluido el consumo de tokens— ya limitaron su uso; la presión es mayor en tecnología (25%) y en instituciones financieras (24%), según Europa Press.

La razón es arquitectónica. Un agente que razona, llama herramientas externas y verifica resultados consume muchísimos más tokens que un chatbot que responde una consulta. Un análisis de McKinsey citado por Business Insider señala que el costo de completar una misma tarea puede variar hasta 30 veces entre distintas ejecuciones de agentes. Con ese rango, presupuestar IA con una planilla fija es una ilusión.

El contraste con el retorno es brutal: según la encuesta Global AI Pulse de KPMG del primer trimestre de 2026 recogida por Tech Times, el presupuesto medio de IA en grandes empresas llegó a US$186 millones, pero solo el 8% reporta un retorno tangible.

¿Quién sí está capturando el retorno?

Un grupo pequeño y con un patrón muy claro. McKinsey define como high performers a las organizaciones que atribuyen al menos un 5% de su EBIT a la IA y describen su impacto como significativo. Son apenas el 6%, cifra estancada, según Europa Press. El 37% reporta algún efecto positivo en el EBIT, prácticamente igual que el año anterior.

Lo que las separa no es la herramienta: el 74% de las high performers rediseñó por completo sus procesos de trabajo, frente al 25% del resto. También duplican a las demás en prácticas de medición y tienen el respaldo visible de la dirección.

El dato incómodo viene del mundo académico. Un documento de trabajo del NBER con casi 6.000 directivos de EE.UU., Reino Unido, Alemania y Australia —citado por Diario TI— encontró que el 69% de las empresas usaba IA, pero el 89% no reportó efectos sobre la productividad laboral en los tres años previos.

¿Y en España y LATAM qué implica?

El patrón se replica con matices locales. El McKinsey Global Institute, en su informe sobre agentes, robots y trabajo en Europa citado por El Plural, estima que en España el 59% de las horas de trabajo actuales podría teóricamente automatizarse con tecnología ya existente, y calcula un valor potencial de US$167.000 millones hasta 2030. Además, la demanda de "fluidez en IA" en las ofertas de empleo españolas se multiplicó por 4,4 desde 2023, pasando de 240.000 a 1,1 millones de trabajadores en ocupaciones que la piden.

Para una startup hispanohablante la lectura es doble. La brecha es una oportunidad de servicio: muchas PYMES y empresas medianas van a necesitar quien les rediseñe procesos, no quien les venda otra licencia. Y también es una advertencia: el mismo techo de los pilotos eternos aplica a tu propia operación.

¿Qué significa esto para tu startup?

Empieza por el problema, no por la herramienta. Antes de elegir un modelo o una plataforma, documenta un proceso concreto donde haya demoras, retrabajo o traspasos manuales. Si no puedes nombrar la etapa exacta que duele, todavía no tienes un caso de IA.
Rediseña el flujo completo, no el paso aislado. El diferencial de las high performers es el rediseño total. Toma un proceso de punta a punta —facturación, onboarding, soporte de nivel 1— y define qué etapas puede asumir un agente, cuáles quedan en manos de una persona y en qué punto exacto se produce el traspaso.
Define los límites de autonomía por escrito antes de desplegar. Qué acciones puede ejecutar el agente, bajo qué reglas, cuándo requiere aprobación humana y cómo se audita. Esa definición es parte del diseño del proceso, no un anexo que se escribe después.
Fija un baseline y un indicador de negocio. Mide antes de implementar: tiempo de resolución, tasa de retrabajo, calidad de la decisión, continuidad operativa. Si tu único KPI es "horas ahorradas", vas a reproducir la brecha entre productividad individual y resultado del negocio.
Presupuesta el costo variable de tokens. Con variaciones de hasta 30 veces por tarea, necesitas un techo de gasto por proceso y alertas de consumo. Un piloto de 20 usuarios no anticipa la factura de un agente corriendo en producción.

Conclusión

La IA ya no se discute: está dentro de casi todas las empresas. Lo que se discute es si mueve algo. McKinsey muestra que el 88% la usa y el 7% la escala; las encuestas posteriores confirman el patrón con cifras igual de incómodas. La pregunta útil ya no es cuántas tareas puedes automatizar, sino qué estás dispuesto a cambiar en cómo trabaja tu equipo. Y eso, a diferencia del software, no se compra: se diseña.