Hay dos relatos sobre el retorno de la IA en empresa y los dos son ciertos a la vez. Esa es exactamente la razón por la que hay tanta confusión en los comités de dirección.
Las cuatro cifras que importan
- 88% de las organizaciones han adoptado IA, según el AI Index 2026 de Stanford HAI.
- 80% de los encuestados por McKinsey reportan ganancias de productividad individual.
- 37% atribuyen algún impacto en EBIT al uso de IA — aproximadamente la misma proporción que el año anterior.
- ~6% son high performers: atribuyen al menos un 5% de su EBIT a la IA. Esa cifra lleva plana varios ejercicios.
Y el dato más citado de todos: el estudio The GenAI Divide del proyecto NANDA del MIT encontró que el 95% de los pilotos de IA generativa no produjeron impacto medible en la cuenta de resultados, sobre 52 entrevistas a directivos, 153 encuestas y el análisis de 300 despliegues públicos.
Por qué la productividad no llega al EBIT
Si el 80% nota que trabaja mejor y sólo el 37% lo ve en las cuentas, el valor se está escapando por algún sitio. En los proyectos que auditamos, se escapa por tres:
1. El ahorro se reparte en migajas. Veinte minutos al día a cada una de cincuenta personas son 4.000 horas al año sobre el papel. En la práctica, esos veinte minutos se reabsorben: se dedican a otras tareas, a reuniones, o simplemente a hacer lo mismo con menos presión. Para que el ahorro llegue a la P&L tiene que traducirse en algo concreto — más volumen con la misma plantilla, menos subcontratación, un plazo de entrega que permite cobrar más.
2. El proceso no se rediseñó. Meter IA en un flujo pensado para humanos da un flujo humano algo más rápido. El salto de escalón sólo llega cuando cambias quién hace qué y en qué orden. Es la parte cara y la que casi nadie presupuesta.
3. Nadie midió el antes. Sin línea base, cualquier discusión de ROI es una discusión de opiniones. Y como la opinión del que pagó el proyecto pesa más, el proyecto “funciona” hasta que alguien pide el número.
El patrón del 5%
Lo interesante del estudio del MIT no es el 95% que falla, es el 5% que no. Ese grupo extrae valor de verdad, y no se distingue por tener mejores modelos. Se distingue por integrar la IA en un flujo concreto en vez de desplegar una herramienta genérica y esperar.
Coincide con lo que vemos: los proyectos que mueven la aguja son sorprendentemente pequeños de alcance y sorprendentemente profundos de integración. Un proceso, de principio a fin, con su dueño, su métrica y su presupuesto.
Los que no la mueven suelen ser al revés — amplios, superficiales y sin dueño.
Cómo plantear el business case sin mentir
- Elige una métrica que ya exista en tu cuadro de mando. Si tienes que inventar la métrica para justificar el proyecto, el proyecto no se justifica.
- Mide el baseline antes de tocar nada. Dos semanas de datos del proceso actual. Es la inversión de mayor retorno de todo el proyecto.
- Decide de antemano qué harás con la capacidad liberada. Si no hay respuesta, el ahorro no existirá contablemente.
- Pon fecha de revisión y criterio de abandono. Un proyecto sin criterio de abandono no es una inversión, es una suscripción.
La lectura honesta
La IA no está dando el retorno que prometió el mercado, y eso no significa que no lo dé. Significa que el retorno está concentrado en pocas manos y que las prácticas que lo producen son conocidas, aburridas y poco glamurosas.
El 6% de high performers lleva años siendo el 6%. Lo que ha cambiado es que ahora sabemos bastante bien qué hacen distinto.
Fuentes
- The 2026 AI Index Report — Stanford HAI
- The State of AI: Global Survey 2026 — McKinsey
- The GenAI Divide: State of AI in Business 2025 — MIT NANDA (PDF del informe)
- MIT report: 95% of generative AI pilots at companies are failing — Fortune
- MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction — Forbes