Por qué la mayoría de los pilotos de IA en empresas no pasa de la demo

El 95% de los pilotos de IA generativa en empresas no genera retorno medible. No lo dice un vendor: lo dice el informe del MIT State of AI in Business 2025 (Project NANDA), tras revisar 300 despliegues públicos, 150 entrevistas a líderes y 350 encuestas a empleados. Con $30-40 mil millones invertidos, la enorme mayoría de las iniciativas se queda en demos que nunca escalan. El MIT lo bautizó el "GenAI Divide": una línea cada vez más nítida entre el puñado que extrae millones y el resto que sigue presentando pruebas de concepto.

El patrón se repite

Una empresa prueba un chatbot, un asistente o un agente sobre unos documentos sueltos. En la demo funciona —los modelos están más que listos—. A los tres meses, en producción, el mismo sistema responde con información vieja, mezcla permisos que no debería cruzar o directamente inventa. El diagnóstico fácil es culpar al modelo y esperar el próximo release. Pero el problema casi nunca está arriba: está abajo. No hay una base sólida que alimente a la IA con la información real de la empresa, actualizada, con permisos y con fuente.

El activo, antes que las capas

Ahí está la línea que separa a las empresas que capturan valor de las que se quedan pilotando. Las primeras tienen una base de conocimiento con IA funcionando todos los días, no chatbots sueltos: conecta las fuentes reales —contratos, mails, sistemas, documentos—, responde con cita verificable, respeta permisos y dice "no sé" cuando no tiene el dato en vez de improvisar. Sobre esa base, los agentes y las automatizaciones por fin funcionan. Sin ella, lo único que se automatiza son los errores, y más rápido.

El dato del MIT refuerza el punto: el 5% que sí extrae valor no lo hace comprando herramientas genéricas, sino integrando flujos y datos propios. La capacidad de la IA es transversal; la ventaja competitiva es específica y vive en el conocimiento de cada empresa.

La lección para los que arrancan

No es frenar, es ordenar. Primero el activo —el conocimiento de la empresa, consultable y confiable—, después las capas que corren encima. Es tentador empezar por el agente vistoso porque demuestra rápido; es más aburrido, y mucho más rentable, empezar por la base que lo sostiene. Las organizaciones que entiendan ese orden son las que están cruzando del piloto a la producción. El resto va a seguir sumando demos hasta que el CFO corte el presupuesto —y, si el patrón del MIT se sostiene, ese corte llega antes de lo que el entusiasmo hacía creer.