¿De verdad fracasa el 95% de los proyectos de IA empresarial? Una lectura atenta del informe del MIT

"El 95% de los proyectos de IA empresarial fracasa."

Probablemente haya visto esta frase cincuenta veces este año. Nosotros también. Después descargamos el informe y leímos las 26 páginas completas. Merece la lectura, pero no por la razón por la que se hizo viral.

¿Qué mide realmente el 95%?

La estadística proviene de "The GenAI Divide: State of AI in Business 2025", un informe de julio de 2025 del Project NANDA del MIT (Challapally, Pease, Raskar y Chari). La investigación se basa en entrevistas con 52 organizaciones, una encuesta a 153 directivos y el análisis de más de 300 iniciativas de IA divulgadas públicamente.

Veamos la definición del propio informe. Para contar como "exitosa", una herramienta debe producir lo que usuarios o directivos describen como un "impacto marcado y sostenido en la productividad o en la cuenta de resultados", evaluado seis meses después del piloto. Es decir, lo que se mide no es el balance sino la declaración de los entrevistados. La propia nota de investigación del informe lo dice: las cifras se basan en entrevistas individuales y no en informes oficiales de las empresas, y deben considerarse orientativas.

Además, en la sección de limitaciones los autores admiten que una ventana de observación de seis meses puede ser demasiado corta para despliegues empresariales complejos, lo que subestimaría las tasas de éxito.

Así que el hallazgo no es "la IA no funciona". El hallazgo es: la mayoría de los pilotos, al sexto mes, aún no había dado frutos a ojos de los entrevistados. No son la misma frase.

Tres hallazgos que nadie cita

1. La economía de la IA en la sombra. Solo el 40% de las empresas encuestadas compró una suscripción oficial de IA. Sin embargo, en más del 90% de esas mismas empresas los empleados ya usan herramientas de IA personales para trabajar. El informe lo llama "shadow AI economy", la economía de la IA en la sombra.

2. La cifra del presupuesto no es una medición. La parte de los presupuestos de IA destinada a ventas y marketing aparece como 50% en una sección del informe y como 70% en otra. La fuente del número es una pregunta que pedía a los directivos repartir 100 dólares hipotéticos entre funciones. Léalo como un estado de ánimo, no como una medición.

3. Alianzas externas frente a desarrollos internos. Los proyectos con socios externos llegaron a producción en torno al 67% de los casos; los desarrollos internos, en torno al 33%. Nosotros vendemos servicios; es natural leer ese número viniendo de nosotros con recelo. El propio informe comparte ese recelo: escribe claramente que la diferencia puede reflejar capacidades organizativas más que la decisión de compra, y que la correlación no demuestra causalidad.

En la misma empresa, la IA "fracasa" y se usa todos los días

Junte las piezas. La empresa dice que su proyecto oficial "no dio resultados". Dentro de esa misma empresa, la gente usa IA todos los días, a menudo con cuentas personales que paga de su bolsillo, y termina su trabajo más rápido.

Nadie lo mide. Nadie conecta esa ganancia con los resultados del negocio.

El diagnóstico del propio informe apunta en la misma dirección: la barrera central para escalar no es la infraestructura, la regulación ni el talento, sino el aprendizaje. Las herramientas no retienen el feedback, no se adaptan al contexto, no mejoran con el tiempo. En el mismo conjunto de datos, alrededor del 83% de los pilotos con herramientas generalistas llegó al uso, el 70% de los usuarios prefiere la IA para tareas rápidas, mientras que para el trabajo complejo y de largo plazo nueve de cada diez prefieren al humano.

Así que lo que falló no es la IA. Lo que falló es la infraestructura que convierte la productividad individual en resultados organizativos: la capa de medición, integración y aprendizaje. En la mayoría de las empresas, esa capa nunca se construyó.

El informe describe exactamente lo que nosotros construimos

El informe contiene un hallazgo que toca directamente a nuestro sector: los ahorros reales aparecen sobre todo en el back office, y una de las partidas es una reducción de alrededor del 30% en el gasto externo en agencias y contenido.

Ese hallazgo no nos preocupa; construimos PumpGrowthOS exactamente por eso. Ya se veía que el modelo clásico de agencia, hacer a mano trabajo repetible y facturarlo, iba a perder frente a la IA. Mire dónde el informe enumera lo que distingue al "5% exitoso": sistemas integrados en los procesos, resultados medibles, despliegues que aprenden con el tiempo. Ese es también nuestro modelo: en lugar de vender servicios de agencia, construir la infraestructura de medición, el ciclo de decisión basado en datos y la automatización integrada en los procesos, y luego operar el crecimiento sobre ese sistema.

Dicho de otro modo, cuando el informe dice "recorte su gasto en agencias", también describe hacia dónde moverse, y lo que describe no es una agencia sino un sistema de crecimiento. Explicamos paso a paso cómo se ve este enfoque en la práctica en nuestra guía de marketing basado en datos.

Una nota de transparencia

El informe proviene del Project NANDA del MIT. NANDA es una iniciativa que desarrolla protocolos para que los agentes de IA trabajen juntos, y la conclusión del informe resulta ser que "la respuesta está en los sistemas basados en agentes". Eso no hace que el informe sea erróneo. Sí significa que los datos y la conclusión merecen leerse por separado. Es lo que hemos hecho en este artículo.

Si en su empresa la IA "no funciona"

Revise primero estas cuatro preguntas:

1. ¿Qué están resolviendo ya sus empleados con cuentas personales? El uso en la sombra es el indicador más honesto de lo que realmente funciona.
2. ¿Con qué métrica mide el impacto de la IA? Sin medición, el veredicto de "fracaso" se apoya en impresiones, no en datos.
3. ¿Lanzó el piloto con una gran visión o con un único proceso acotado? Los ejemplos que funcionan en el informe comparten dos rasgos: alcance acotado y valor rápido y visible.
4. ¿La herramienta que compró aprende de su proceso o empieza de cero cada vez?

La pregunta no es "¿funciona la IA?". La pregunta es: ¿de verdad no funciona, o funciona en un lugar donde usted no está mirando?

Fuente: Challapally, Pease, Raskar, Chari. "The GenAI Divide: State of AI in Business 2025", MIT Project NANDA, julio de 2025. PDF del informe