Durante semanas, los titulares alertaron sobre un posible "invierno de la IA" en las empresas. La fuente más citada fue el informe "GenAI Divide" del MIT, que asegura que un asombroso 95% de los proyectos piloto de IA generativa no generan resultados significativos. Los directivos están inquietos, los inversores se ponen nerviosos y algunos expertos ya empezaron a armar la narrativa del desencanto post-IA. Pero hay algo que se está perdiendo de vista: la discusión gira en torno a las preguntas equivocadas sobre qué significa realmente el "éxito" de la IA en el mundo corporativo.

¿Un 95% de fracaso? No es lo que parece

Primero, hay que poner las cosas en contexto. El Proyecto NANDA del MIT llevó adelante un estudio ambicioso sobre la adopción de inteligencia artificial en empresas. Entrevistaron a 150 líderes, hicieron 350 encuestas a empleados y analizaron 300 implementaciones públicas. ¿El resultado? Solo el 5% de las compañías consiguió un aumento rápido de ingresos gracias a la IA, mientras que el resto se quedó estancado o tuvo un impacto débil y difícil de medir en sus números.

Para muchos, esto suena como otro capítulo en la lista de tecnologías sobrevaloradas, como el blockchain, la realidad virtual o el estallido de las puntocom. Sin embargo, si se observa con más detalle, empiezan a aparecer señales de una historia distinta, mucho más relevante para lo que viene en materia de trabajo y tecnología.

Las métricas que importan: pilotos vs. productividad 

Lo que midió el MIT fue la tasa de éxito de los proyectos formales de inteligencia artificial dentro de las empresas: pilotos, pruebas de concepto o grandes renovaciones de procesos. Esos son los casos más sencillos de documentar en un estudio académico o en un comunicado corporativo. Pero hay otra parte de la historia que no aparece en esos informes, y que sí se ve en el día a día de quienes trabajamos entre la investigación, el capital de riesgo y las finanzas.

El impacto más fuerte de la IA no ocurre en los proyectos oficiales, sino en espacios más discretos, informales y, muchas veces, invisibles para las métricas tradicionales. La realidad es que muchísimos empleados ya usan IA generativa y chatbots por su cuenta. Una investigación del MIT identificó este fenómeno como "IA en la sombra", e incluye herramientas como ChatGPT o Copilot, que el personal incorpora espontáneamente para redactar correos, resumir textos o generar ideas.

Estas herramientas casi nunca pasan por el control del área de sistemas y no figuran en la lista de proyectos de IA de la empresa. Sin embargo, mejoran la productividad, aceleran los flujos de trabajo y potencian la creatividad de equipos enteros.

Si se mide el éxito únicamente por la cantidad de pilotos oficiales que fracasaron, se corre el riesgo de ignorar transformaciones reales que ocurren en el día a día, desde abajo hacia arriba. Ese argumento del "95% de fracaso" deja de ser una crítica a la inteligencia artificial en sí y se convierte en un espejo de cómo muchas empresas todavía entienden la innovación tecnológica: como algo impuesto desde arriba, centrado en procesos, dependiente de grandes iniciativas, y no en la utilidad real que surge de forma orgánica y cotidiana.

Un punto ciego en la medición de los directivos

El problema se agrava por el uso de métricas viejas. Muchos líderes evalúan el avance en IA por la cantidad de pilotos lanzados, los contratos con proveedores o el número de funciones con inteligencia artificial que se ofrecen a los clientes. Pocas veces se mide el éxito por lo que pasa dentro de los equipos, por los procesos que mejoran o por la eliminación de tareas tediosas.

El informe del MIT insinúa ese punto ciego. En los sectores donde hubo más beneficios, el retorno de inversión no vino de las aplicaciones más vistosas para el cliente, sino de automatizar tareas administrativas: eliminar la tercerización de bajo valor, ordenar mejor las transiciones entre equipos o, simplemente, hacer que los empleados trabajen más rápido y con menos fricción.

Pero claro, todo eso es difícil de mostrar en los balances tradicionales y, mucho menos, en las cartas para los accionistas.

Esta falta de medición también tiene una raíz cultural. La llamada "IA en la sombra" no baja desde la cúpula, sino que surge de empleados que, por las suyas, se preparan para un mercado laboral en transformación. Hablé con decenas de trabajadores del conocimiento que me contaron que usan herramientas de inteligencia artificial todos los días, sin que sus jefes lo sepan. En algunos casos, las empresas directamente desalientan ese tipo de pruebas, por miedo a problemas con la privacidad de los datos o por no tener una política clara de uso.

Sin embargo, así nacieron muchos de los cambios tecnológicos más importantes: con gente que simplemente hizo lo que había que hacer. Pasó con la hoja de cálculo, con el teléfono celular, y está pasando ahora con la inteligencia artificial.

Esto me recuerda cómo empezó la adopción del almacenamiento en la nube. No fue por decisión de los directores de sistemas, sino porque equipos de ingeniería se volcaron a AWS ante la lentitud de los procesos de compra. Hoy, la revolución de la IA va por ese mismo camino.

Joshua Sircus, director ejecutivo de Stellar IT Lab, me dijo por correo electrónico: "Si la dirección de una empresa no interviene y no fomenta ni controla el uso de la IA, corre el riesgo de formar parte del movimiento del 'salvaje oeste'".

Las organizaciones más modernas están encontrando un equilibrio. Permiten explorar la IA con cierta libertad, pero con límites claros para evitar errores o usos problemáticos. Aunque Sircus también advierte: "Es emprendedor fomentarla, pero no todas las empresas quieren emprendedores".

Esa tensión entre control e innovación es, justamente, la razón por la que los métodos tradicionales para medir el retorno de inversión no logran reflejar el verdadero valor que hoy tiene la inteligencia artificial en muchas empresas.

¿Qué deberíamos medir, en serio?

En mis charlas con directores financieros y líderes operativos que miran un poco más allá, noto un cambio en cómo se empieza a medir lo que realmente importa. En lugar de contar pilotos o seguir de cerca proyectos enormes, los verdaderos indicadores del éxito de la inteligencia artificial están en otro lado:

• ¿Con qué frecuencia los equipos automatizan tareas pequeñas y repetitivas?
• ¿Los trabajadores del conocimiento colaboran mejor o entregan resultados más rápido?
• ¿Los roles laborales están cambiando porque la gente combina la IA con su experiencia específica?
• ¿En qué partes del trabajo cotidiano, lejos de los grandes anuncios, se está generando valor real sin necesidad de lanzar un solo piloto nuevo?

Una nueva perspectiva para el impacto empresarial de la IA

Es momento de preguntarse si la "IA en las empresas" realmente está fallando o si simplemente estamos mirando en el lugar equivocado. Estoy convencido de que la próxima gran transformación en la gestión no va a venir de proyectos piloto que acaparen titulares, sino de millones de pequeños cambios que ocurren sin hacer ruido, pero con un impacto real.

Sí, la brecha GenIA existe. Pero no se trata de ganadores o perdedores. La verdadera diferencia está entre el éxito que se mide y el que no. Las empresas que sepan aceptar y reconocer esa revolución silenciosa, la que transforma cómo se trabaja de verdad, van a ser las que salgan adelante en esta nueva etapa de la inteligencia artificial.

La revolución real de la IA no está fracasando. Simplemente, ocurre fuera del radar de las métricas tradicionales. Y justamente por eso tiene tanto potencial: porque se construye con miles de intentos, pruebas y errores, ahí donde nadie está mirando.

Nota publicada en Forbes US.