Primero llegó la promesa: la IA generativa iba a transformar cada sector, cada oficina, cada puesto de trabajo. Hace apenas dos años, Goldman Sachs pronosticaba que, en una década, esta tecnología provocaría un incremento del 7% en el PIB global y anticipaba un aumento sostenido de la productividad empresarial del 1,5% anual.
Luego llegó la inversión millonaria en infraestructura para hacerlo posible. Proyectos faraónicos como Stargate o los de los gigantes del cloud, que solo el año pasado destinaron más de 350.000 millones de dólares a la construcción de data centers.
Entonces llegó el primer baño de realidad. Un informe del MIT reveló que el 95% de las empresas no estaba obteniendo retorno en sus inversiones: mucha adopción, pero poca transformación. Esta constatación de la brecha entre promesa y realidad golpeó de inmediato a Wall Street: tras publicarse el informe, las acciones de tecnológicas asociadas a la IA sufrieron una corrección a la baja de hasta un 10%.
En realidad, el informe era solo la guinda de la desilusión provocada por ChatGPT 5. El último modelo de OpenAI, aunque supone una mejora, no ha cumplido con las expectativas. Ha reforzado la tesis de críticos como Gary Marcus, que advertían que los modelos de frontera iban a “chocarse con una pared”. No hay grandes avances en las capacidades del modelo en sí: es, sobre todo, más eficiente porque consigue casar el mejor modelo disponible para cada tarea solicitada.
Esto deja una pregunta en el aire:
¿Y si esto ya es lo mejor que se puede lograr?
En este contexto se publica el informe del MIT. El documento no es extenso y, aunque está basado en encuestas y entrevistas a líderes de grandes corporaciones, su aportación es sobre todo cualitativa.
Explica lo que todo el mundo sabe: que hay un abismo entre los pilotos y su puesta en producción. En un lado del precipicio, muy pocos proyectos generan valor. Al otro lado, una miríada de pruebas y ensayos nunca despega ni produce impacto.
No es culpa de los modelos ni de la regulación. El reto es que esta tecnología está viva: cambia mientras se adopta, ofrece resultados probabilísticos y persisten las dichosas alucinaciones. De este modo, no hay forma de incorporarla en procesos críticos.
El informe, además, sostiene que los proyectos se están dirigiendo hacia las áreas donde brillan más, como el marketing, pero que es en los procesos internos de back-office donde realmente pueden generar mayor ROI.
Mientras tanto, los empleados de todas las áreas de la empresa están utilizando la IA, incorporándola en su actividad diaria. Emerge un shadow AI: un uso extendido, pero invisible para la empresa. Los empleados reconocen que este uso supone mejoras en su productividad, aunque no se traduce en una transformación empresarial. No son iniciativas departamentales ni están integradas en los procesos, y arrastran riesgos de seguridad y de exposición de información sensible. En especial ahora con las nuevas políticas de uso de algunas herramientas populares.
Y, sin embargo, estos chatbots se usan para todo: escribir un correo, resumir un texto, preparar un informe. Hacen ahorrar tiempo en tareas tediosas. Entonces, ¿por qué esa mejora no se refleja en la productividad?
El economista Erik Brynjolfsson cree tener la respuesta: estamos midiendo mal su impacto. En un experimento ingenioso, calculó que la IA generativa ya aporta unos 97.000 millones de dólares a la economía estadounidense. ¿Cómo llegó a esa cifra? Simplemente preguntó a los usuarios cuánto estarían dispuestos a pagar con tal de poder seguir utilizando la herramienta.
Ahora que sabemos que la IA aporta valor al usuario, apretemos el botón de pausa. Paremos un momento para desviar la vista a ese 5% de corporaciones que sí han conseguido un retorno, que transforman mientras el resto se mantiene atrapado en los pilotos.
No se trata solo de esperar a que la tecnología madure. La innovación en IA es continua y sus avances impredecibles. Lo importante en este punto es entender qué hacen los que logran resultados y en qué se diferencian.
En el pasado, con tecnologías de propósito general como la electricidad o Internet, primero se desplegaba la infraestructura y solo después aparecían los usos que transformaban la economía. Con la IA generativa, todo ocurre a la vez creando confusión. Al fin y al cabo, inversores, empresas y usuarios esperan cosas distintas.
Por ahora son pocas las empresas que consiguen resultados. Pero las que lo logran demuestran que el abismo se puede cruzar. La pregunta para el resto es sencilla: ¿cuándo van a dar el salto?