En agosto de 2025 se hizo viral un titular: el 95 % de las empresas no obtiene ningún retorno de la inteligencia artificial generativa. Venía de un estudio del MIT, y se citó tanto para decir que la IA es una burbuja como para vender más IA. Las dos lecturas se saltan lo más útil del estudio, que no es la cifra sino la explicación de por qué los pilotos se quedan en piloto.
Si en tu planta ya hubo una prueba de IA que se veía bien en la junta y que nadie usa hoy, este artículo es para ti. Y si todavía no la hay, mejor: el primer proyecto es el que más fácil se escoge mal.
Qué dice el estudio, y qué no
El informe se llama The GenAI Divide: State of AI in Business 2025 y lo publicó el proyecto NANDA del MIT en julio de 2025. Se basa en más de 300 proyectos de IA que las empresas hicieron públicos, entrevistas con 52 organizaciones y encuestas a 153 directivos, entre enero y junio de ese año.
Lo que encontró, en sus propias palabras: el 95 % de las organizaciones no ve ningún efecto medible en sus resultados. Con las herramientas hechas para una tarea específica, la caída es muy marcada: de cada cien empresas, sesenta las evaluaron, veinte llegaron a un piloto y cinco las pusieron en producción. El estudio cuenta como «en producción» lo que usuarios o directivos dijeron que dejó un efecto claro y sostenido en la productividad o en los resultados.
Lo que no dice es que la IA no funcione. Más del 80 % de las organizaciones ha probado herramientas generales como ChatGPT o Copilot, y casi el 40 % las tiene en uso. Más revelador todavía: solo el 40 % de las empresas compró una suscripción oficial, pero en más del 90 % la gente usa IA por su cuenta para trabajar. La IA sí entró a las empresas, solo que por la puerta de al lado y sin cambiar los procesos.
Conviene leerlo con sus propias advertencias. Los autores lo presentan como hallazgos preliminares, dicen que sus cifras indican una dirección porque salen de entrevistas y no de reportes oficiales, y reconocen que cada empresa entiende distinto qué es tener éxito. Es un buen mapa, no una medición exacta.
Una de las citas del informe viene de un director de operaciones de una empresa manufacturera mediana, y probablemente la has oído en tu propia planta: «En LinkedIn dicen que todo cambió, pero en nuestra operación no ha cambiado nada de fondo. Procesamos algunos contratos más rápido, y es todo lo que cambió».
Por qué se atoran
El estudio dice que el problema casi nunca es el modelo, la regulación o la falta de talento. Es que la herramienta no se mete en el trabajo diario y no aprende de él. Visto desde una planta, eso se traduce en cinco errores que se repiten.
1. Se escoge lo vistoso, no lo que ahorra. Según el estudio, el presupuesto de IA se va sobre todo a ventas y mercadotecnia, porque ahí el resultado es fácil de presumir, mientras que el mejor retorno suele estar en la operación administrativa, donde nadie lo ve. En una maquiladora, el asistente para la página web luce más en la junta que la persona que pasa al sistema, a mano, las órdenes de compra que llegan en PDF. La segunda es la que ahorra horas todos los días.
2. El piloto vive en una pantalla aparte. La demostración funciona en su propia ventana, pero el trabajo sigue pasando por el ERP, el correo y el Excel de siempre. Si usar la herramienta obliga a copiar y pegar entre dos sistemas, la gente la deja en cuanto se acaba el piloto. El informe lo describe como flujos de trabajo frágiles y herramientas que no se acomodan a la operación del día a día.
3. No aprende de las correcciones. Es el punto central del estudio: la mayoría de estos sistemas no guarda lo que se le corrige ni mejora con el uso. Si el supervisor corrige el mismo error todos los lunes, a la tercera semana deja de corregirlo y vuelve a hacerlo él. Las correcciones tienen que alimentar al sistema, y esa es la razón para que el agente prepare y la persona firme durante las primeras semanas: cada firma con cambios es una lección.
4. Nadie definió qué quería decir «funcionó». Un piloto sin una medición previa termina en una opinión. Si no sabes cuántos minutos tarda hoy cada documento, ni cuántos errores salen por semana, al final del piloto nadie puede demostrar que mejoró, y lo que no se puede demostrar no consigue presupuesto.
5. No tiene dueño en la operación. Según el informe, a las empresas que lo logran les va mejor cuando quien empuja el proyecto es el responsable del área cuyo trabajo cambia, no un equipo central de innovación. El piloto que pertenece a sistemas se queda en sistemas.
Hay una buena noticia para las empresas de tamaño mediano, como muchos proveedores de la región: el estudio encontró que se mueven más rápido. Las mejores pasaron del piloto a la implementación completa en unos 90 días, mientras que las empresas grandes tardaron nueve meses o más.
Cómo escoger el primero
Para que el primer proyecto llegue a producción, conviene que cumpla todo esto:
- Un trabajo que ya existe y se hace a mano todos los días. Pasar al ERP las órdenes de compra o los packing lists que llegan en PDF, cotejar facturas contra órdenes, clasificar los correos de proveedores, preparar el reporte de cambio de turno. Si no hay volumen, no hay ahorro que medir.
- Que se pueda medir antes de empezar. Dos semanas de anotar cuánto tarda y cuántos errores salen bastan. Esa es la línea contra la que se va a comparar.
- Que el error sea barato y se vea. Al principio, una persona revisa todo antes de que entre al sistema. Un dato mal leído en una orden de compra se corrige en la revisión; un dato mal leído en un pedimento puede terminar en una multa.
- Que viva donde ya trabaja la gente. El resultado tiene que aparecer en el ERP o en el correo, no en otra pantalla que haya que abrir.
- Un dueño en la operación y una fecha de salida. Alguien del área decide si funcionó, con una regla acordada desde el principio: si en tantas semanas no baja de tantos minutos a tantos, se apaga y no pasa nada.
Y hay cosas que no conviene que sean el primer proyecto: el asistente de la página web «porque todos tienen uno», un agente que se encargue de todo el proceso de compras, o cualquier cosa donde un error cueste un embarque sin que una persona lo revise antes.
Una advertencia sobre nosotros
El estudio también encontró que los proyectos hechos con un socio externo llegaron a producción alrededor del doble de veces que los que la empresa construyó sola: 67 % contra 33 %. Somos un socio externo, así que esa cifra nos conviene, y por eso la ponemos con la advertencia que le ponen los propios autores: son resultados que reportaron los entrevistados y pueden influir otros factores. Lo que sí sostenemos es lo que hay detrás: un proyecto de IA funciona cuando se ajusta a cómo trabaja tu planta, no cuando tu planta se ajusta a la herramienta.
Dónde entramos nosotros
Por eso empezamos con algo chico y medible. En una llamada de veinte minutos escogemos contigo el proceso, y después hay un prototipo sin costo que pruebas con una muestra de tus propios documentos. Si lo necesitas, firmamos un acuerdo de confidencialidad antes de que nos los compartas. Si el prototipo no convence, ahí se queda. Si quieres saber cuánto costaría operarlo después, ya lo explicamos en cuánto cuesta de verdad un agente de IA. Y si todavía no sabes qué proceso va primero, Chira te hace las preguntas en cinco minutos y te deja un documento con qué arreglar antes.
Referencias
- The GenAI Divide: State of AI in Business 2025, MIT NANDA — Aditya Challapally, Chris Pease, Ramesh Raskar y Pradyumna Chari, julio de 2025. Hallazgos preliminares de la investigación de enero a junio de 2025. De ahí salen el 95 %, la caída de 60 a 20 y a 5 %, el uso personal de IA en más del 90 % de las empresas, los 90 días de las empresas medianas y el 67 % contra 33 %, con las advertencias de los autores sobre el método.