El 90% de CEOs no ve resultados con la IA: qué hacer

El estudio del NBER que nadie quiere citar en su deck de inversión

El National Bureau of Economic Research (NBER) encuestó a casi 6.000 CEOs, CFOs y altos ejecutivos de empresas en Estados Unidos, Reino Unido, Alemania y Australia, y los resultados son incómodos: el 90% afirma que la IA no ha tenido ningún impacto en la productividad ni en el empleo de sus organizaciones durante los últimos tres años. Esto no es un rumor de LinkedIn — es un estudio publicado con datos que van desde febrero de 2025 hasta enero de 2026.

El dato no es menor si consideramos que la adopción de IA en esas mismas empresas subió del 61% en febrero de 2025 al 71% en enero de 2026. Es decir: más empresas usan IA, pero los resultados no aparecen. Algo está fallando entre la herramienta y el impacto real.

¿Por qué el 90% de las empresas no ve resultados con la IA?

Antes de buscar culpables externos, hay un dato que lo explica casi todo: dos tercios de los ejecutivos encuestados afirman usar IA personalmente, pero el promedio de uso es de apenas 1,5 horas por semana. No es transformación — es experimentación cosmética.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

El problema de fondo tiene tres capas que los founders deberían reconocer:

Implementación superficial: Se adoptan herramientas sin rediseñar los flujos de trabajo. Poner ChatGPT en el navegador del equipo no es transformación digital.
Desconexión jerárquica: Según datos de Gartner (marzo 2026), el 86% de los ejecutivos cree que usar IA es obligatorio en su empresa, pero solo el 49% de los mandos intermedios comparte esa visión. La IA se adopta en los pisos ejecutivos, pero se frena en la capa operativa.
Métricas equivocadas (o inexistentes): Más del 50% de los CEOs en una encuesta paralela de 4.500 ejecutivos reporta no haber visto retorno financiero de sus inversiones en IA. La pregunta relevante es: ¿estaban midiendo algo antes de invertir?

Un estudio del MIT publicado en el mismo período encontró que el 95% de las empresas que incorporaron IA no registraron crecimiento de ingresos significativo. Esto no significa que la IA no funcione — significa que la mayoría no sabe cómo hacer que funcione.

La paradoja de la productividad no es nueva — pero ahora tiene nombre y apellido

En los años 80 y 90, los economistas detectaron algo llamado la paradoja de la productividad: las empresas invertían masivamente en ordenadores personales, pero la productividad agregada no crecía. El economista Robert Solow lo resumió en 1987 con una frase que sigue vigente: 'Se puede ver la era del ordenador en todas partes, excepto en las estadísticas de productividad.'

La historia se repite. La diferencia es que ahora el ciclo se mueve más rápido y el dinero en juego es mayor. Solo en 2024, las empresas globales invirtieron más de $250.000 millones en IA según estimaciones del sector. Si el 90% no ve impacto, estamos ante uno de los mayores errores de capital empresarial de la década.

Los economistas del NBER apuntan a que los beneficios de tecnologías transformadoras suelen tardar entre 10 y 20 años en reflejarse en datos macroeconómicos. Pero eso no consuela a un founder que tiene que justificar el gasto en herramientas de IA ante su board el próximo trimestre.

El problema real: presionar sin medir

Hay algo más preocupante que no ver resultados: pretender que los hay. El artículo original de Business as Usual señala un patrón que resulta familiar para quienes llevan tiempo en el ecosistema: ejecutivos que anuncian públicamente beneficios de la IA que sus propios datos internos no confirman.

Esto genera un ciclo tóxico para las organizaciones:

El CEO declara públicamente que 'la IA está transformando nuestra empresa'.
El equipo siente presión de mostrar resultados que no existen.
Se fabrican métricas o se reportan victorias aisladas como si fueran sistémicas.
No se corrigen los problemas de fondo porque oficialmente 'ya está funcionando'.

Para una startup, este patrón es especialmente peligroso. Con recursos limitados y poco margen de error, invertir en IA sin un marco de medición claro puede drenar capital sin generar ventaja competitiva real.

Qué significa esto para tu startup

Si el 90% de las grandes empresas — con equipos de datos, presupuestos amplios y consultores especializados — no consigue medir impacto real de la IA, el reto para una startup es doble. Pero también hay una ventaja: sois más pequeños, más ágiles, y podéis construir desde cero una cultura de medición que las empresas grandes no pueden implementar sin romper todo lo que ya tienen.

Estas son las acciones concretas que puedes tomar ahora mismo:

Define una métrica de impacto antes de adoptar cualquier herramienta de IA. No 'vamos a usar IA para ser más eficientes' — sino 'vamos a reducir el tiempo de respuesta al cliente de 4 horas a 30 minutos usando IA, y lo mediremos semanalmente.' Sin métrica previa, no hay éxito posible.
Mapea el flujo de trabajo completo antes de automatizar partes. La IA insertada en un proceso roto solo hace que el proceso roto vaya más rápido. Primero optimiza el proceso, luego automatiza.
Establece una línea base (baseline) de productividad. ¿Cuánto tarda tu equipo en realizar una tarea clave hoy, sin IA? Sin ese dato, nunca podrás demostrar mejora — ni a tu equipo, ni a tus inversores.
Resuelve la brecha jerárquica. Si el dato de Gartner aplica también a tu empresa (y probablemente sí), el problema no es la herramienta — es que los mandos intermedios no ven el valor. Involúcralos en el diseño de la implementación desde el día uno.
Separa el ruido del resultado. Un empleado que usa ChatGPT 30 minutos al día no es 'adopción de IA'. Define qué cuenta como uso productivo y mídelo.

La pregunta que deberías hacerte como founder antes del próximo board

Hay una prueba simple que puedes hacer esta semana: pídele a cada miembro de tu equipo que te diga una tarea concreta que hacen diferente gracias a la IA, con un tiempo o resultado medible. Si nadie puede responder esa pregunta, tienes adopción superficial — no transformación.

El 10% de empresas que sí reporta impacto real no tiene mejores herramientas. Tiene mejores preguntas. Y un proceso sistemático para responderlas con datos.

La IA no falla porque la tecnología no funcione. Falla porque la mayoría de las organizaciones no saben qué quieren que haga — ni cómo sabrán si lo está haciendo.

Conclusión

El estudio del NBER con casi 6.000 ejecutivos no es una crítica a la inteligencia artificial — es una crítica a cómo las organizaciones la implementan. El 71% de las empresas ya usa IA, pero el 90% no ve impacto en productividad ni empleo. La brecha entre adopción y resultado es el problema central del momento.

Para un founder hispanohablante — en Ciudad de México, Bogotá, Madrid o Miami — esto es una señal clara: la ventaja competitiva no la tendrá quien adopte más herramientas de IA, sino quien construya los mejores procesos para medirlas y escalarlas. Eso está al alcance de cualquier startup que decida tomarlo en serio hoy.