Más vale tomárselo con calma. La Inteligencia Artificial llegó como una gran promesa y ha mostrado ya sus alcances. Pero no todos están llegando a la tierra prometida. Y es justo en esta etapa (cuando comenzamos a enterarnos de las historias de frustración), que debemos hacer un alto y entender su valor, más allá del Hype.
De pronto, su crecimiento entró en un ritmo vertiginoso, pero creo que en este momento, la inteligencia artificial está pasando por una fase curiosa, pues nunca había sido tan visible y, a su vez, nunca había sido tan difícil separar su valor real de sus excesos narrativos.
Por todos lados escuchamos que la IA está resolviendo el problema de la productividad, de la automatización del conocimiento y que, incluso, está reinventando el trabajo. Pero en la práctica empresarial, el recorrido parece ser mucho más sinuoso. Normalmente, comienza con asombro, sigue con inversiones aceleradas, pasa por una fatiga operativa que pocos admiten y, en los mejores casos, desemboca en una etapa más sobria en la que la tecnología deja de ser espectáculo y empieza a volverse sistema.
Ese tránsito, que Gartner describe con su Hype Cycle (del “peak of inflated expectations” al “trough of disillusionment” y, después, hacia una posible “plateau of productivity”), no es una metáfora elegante; sino una forma bastante precisa de leer lo que está ocurriendo con la tecnología en las empresas.
En el caso de la IA, el entusiasmo no carece de base. McKinsey reportó en 2025 que, en un estudio, 78% de los empresas participantes afirmó que su organización ya usaba IA en al menos una función de negocio. El dato de cierta forma es indicio de que dejó de ser una tecnología de laboratorio o una simple curiosidad de nicho, para convertirse en un elemento ya incorporado en los procesos de la organización.
Pero una cosa es entrar y otra muy distinta madurar. El mismo estudio subraya que el valor empieza a aparecer cuando la organización rediseña flujos de trabajo, eleva la gobernanza y deja de tratar a la IA como una capa externa. El estudio arrojó que apenas 21% de quienes reportaron su uso de IA generativa reconocieron que sus organizaciones hayan rediseñado de manera fundamental al menos algunos flujos de trabajo. Es una cifra relevante, pues la adopción avanza más rápido que la reconfiguración de procesos. Y, eso, puede ser un problema.
Así comienza el desencanto. No porque la tecnología sea falsa, sino porque la expectativa fue más veloz que la preparación. BCG lo retrató con crudeza en 2024, al indicar que 74% de las compañías seguía batallando para lograr y escalar valor con IA. En otro estudio, también de BCG, se muestra que 90% de los líderes todavía esperaba que la AI generativa saliera del hype o, en el mejor de los casos, que estaban apenas experimentando en formas limitadas.
Asimismo, el estudio señalaba que 66% se declaraba ambivalente o insatisfecho con su progreso. La secuencia es conocida: primero aparece la presión por “hacer algo con IA”, luego llegan los pilotos, después los tableros, los copilots, las pruebas, las automatizaciones parciales y, más tarde, emerge duda sobre dónde está el impacto en finanzas, en productividad, en tiempo ciclo, en precisión operativa, en ingresos, etcétera, etcétera, etcétera.
El valle del desencanto
El ciclo va más allá de la anécdota. Es la fase en la que la organización descubre que la IA no corrige por sí sola una arquitectura de datos deficiente, una operación fragmentada o una cultura acostumbrada a procesos informales.
La OECD lo documenta con lenguaje menos dramático, pero no menos contundente, al indicar que entre los factores que frenan la adopción empresarial de nuevas tecnologías aparecen la falta de preparación digital, la incertidumbre sobre casos de uso y retorno de inversión, la escasez de talento y el costo de adaptar procesos.
IBM , por su parte, encontró en su estudio global de CEOs de 2025 que solo 25% de las iniciativas de IA había entregado el ROI esperado en los años recientes. También señala que 64% de los CEOs admitió que el riesgo de quedarse atrás los empuja a invertir en tecnologías antes de entender con claridad el valor que aportarán a la organización, en otras palabras, invirtieron por mera ansiedad competitiva.
Entonces comienza una etapa de desencanto, un proceso en el que se caen los casos superficiales, los pilotos sin integración, las automatizaciones vistosas pero irrelevantes. Pero también es la etapa en la que sobreviven las aplicaciones más concretas, ya que la IA empieza a demostrar valor cuando se inserta en procesos con datos razonablemente estructurados, objetivos medibles y condiciones de repetibilidad. No son aplicaciones glamorosas y justamente por eso suelen tener más futuro.
Olvidemos la promesa, regresemos a la disciplina
Hay una diferencia decisiva entre hype y madurez. El hype se alimenta de demostraciones. La madurez, en cambio, depende de disciplina. McKinsey encontró que el rediseño de flujos de trabajo era el atributo con mayor efecto sobre la capacidad de una organización para observar impacto financiero. Sugiere que la productividad tiene nada que ver con sumar modelos, sino con rediseñar la manera en que se ejecuta el trabajo.
El problema es que rehacer procesos es mucho menos seductor que desplegar una interfaz nueva. Exige gobernanza, propiedad, datos limpios, revisión de resultados, control de riesgo y formación. McKinsey también advierte una fuerte variabilidad en la supervisión de outputs. 27% de las empresas analizadas aseguró que revisa todo el contenido creado por AI antes de usarlo, mientras otro 27% admitió solo revisar una quinta parte o menos. Es decir, incluso dentro de organizaciones que ya usan IA, la disciplina operacional sigue siendo dispareja.
Abrir el debate sobre los hypes de la IA no significa que le restemos potencial, sino todo lo contrario. Más bien, lo importante es advertir de los riesgos que una empresa puede enfrentar por “dejarse llevar por la corriente”. La IA (como toda tecnología) no avanza en línea recta; atraviesa una secuencia de fascinación, fatiga y depuración.
Lo serio no es subirse primero al discurso, sino construir las condiciones para que la herramienta atraviese el valle del desencanto y llegue, con menos espectáculo y más consistencia, a una fase de productividad verificable.
Add a Comment