La pregunta que hoy ya no admite una respuesta fácil no es si la inteligencia artificial funciona, sino por qué, en la mayoría de las organizaciones, sigue sin rendir.
En mi columna anterior sostuve que el organigrama actual no está diseñado para el próximo ciclo. Hoy, esa tesis ya tiene una consecuencia financiera concreta.
Según el estudio global Build for the Future x AI de BCG, solo el 5% de las organizaciones ha logrado capturar ganancias financieras sustanciales a partir de la IA, con retornos totales para el accionista cerca de cuatro veces mayores que los de las rezagadas. El 95% restante sigue atrapado en pilotos que generan entusiasmo, pero no mueven el margen.
Los sectores que ya rompieron la barrera
Tres industrias han logrado convertir la IA en retorno medible porque, cuando llegó el momento de actuar, ya contaban con datos ordenados (gobernados).
En logística y cadena de suministro, los modelos predictivos aplicados a la gestión de última milla han reducido los costos operativos hasta en 22%. En fintech y gestión de activos, la detección de fraude en tiempo real y la personalización hipersegmentada ya están generando márgenes de beneficio neto superiores al 18%. En bioquímica y farmacéutica, la IA ha acortado en 40% el tiempo de descubrimiento de nuevos compuestos, reduciendo los plazos de lanzamiento de ocho a tres años.
Tres decisiones que separan a quienes avanzan de quienes solo gastan
1. Identificar el caso de uso crítico y descartar el resto
Las organizaciones que han logrado crear valor real con la IA lo han hecho concentrándose en un número acotado de iniciativas, escalándolas con rapidez y midiendo de forma sistemática su impacto financiero. Si una iniciativa no mueve la aguja en los primeros 120 días, probablemente es ruido.
2. Pasar del upskilling al reskilling estructural
En el trabajo de campo de BCG con cientos de empresas, solo el 10% del valor de la IA proviene de los algoritmos. El 70% depende de las personas, los procesos y la transformación cultural. Sin embargo, aunque casi tres de cada cuatro empleados ya usan IA con regularidad, solo el 36% se declara satisfecho con la formación recibida. Si el equipo solo usa la IA para ir más rápido, pero no para decidir mejor, solo está acelerando el desorden.
3. Auditar los datos antes de instalar cualquier modelo
Gartner predice que, para 2026, se abandonará el 60% de los proyectos de IA que no estén respaldados por datos listos para su uso. Desde Value hemos comprobado que las organizaciones que sí logran retornos reales dedican su primer año, casi por completo, a ordenar su arquitectura de datos antes de lanzar cualquier modelo. Poco sexy, pero necesario.
La pregunta que no debería postergarse
McKinsey reporta que, en 2025, casi dos tercios de las empresas no lograron superar la fase de piloto y que solo el 39% registró algún impacto en el EBIT. Ese no es un problema tecnológico. Es un problema de estructura y de talento.
¿Estamos dispuestos a eliminar las "cajas" del organigrama que la IA ya ha dejado vacías de valor o seguiremos manteniendo estructuras del siglo XX para gestionar tecnologías del siglo XXI?
El 5% ya tomó una decisión. El resto, por ahora, sigue gastando presupuesto.
