Las empresas gastan billones en IA y cosechan centavos
Hay un número que debería estar encima del escritorio de cada CFO que hoy firma un presupuesto de inteligencia artificial: 40%. Esa es la proporción de compañías que, según una encuesta reciente de Bain & Company a 951 grandes corporaciones globales, midió sus ahorros reales de IA y los encontró en el rango de cero a diez por ciento. No porque la tecnología fallara en producción. Sino porque el valor prometido nunca llegó a convertirse en valor capturado.
El gasto global en IA alcanzará los 2,59 billones de dólares este año, un salto del 47% respecto al ejercicio anterior, de acuerdo con proyecciones de Gartner. Para el próximo año, la cifra se acerca a los 3,5 billones. Son números que impresionan. Lo que no impresiona, al menos no de la manera correcta, es lo que está del otro lado de esa ecuación: más del 37% de las empresas encuestadas se había fijado como objetivo reducciones de costo de entre 11% y 20%, y la mayoría aterrizó bastante por debajo. Sin alarmas. Sin revisiones. Con nuevos presupuestos ya aprobados para la siguiente ola.
Esto no es una historia sobre tecnología fallida. Es una historia sobre cómo las organizaciones construyen dependencias que no saben nombrar, y sobre cómo los sistemas que parecen estar avanzando a veces solo están girando sobre sí mismos.
El ciclo que nadie quiere ver en el pizarrón
Bain identificó un mecanismo que, descrito con claridad, debería generar incomodidad en cualquier sala de directivos: el 44% de las empresas está financiando la próxima ola de IA con los ahorros de la ola anterior. Ahorros que, según la misma encuesta, fueron inferiores a lo proyectado.
Se trata de una circularidad estructural. La empresa invierte en automatización robótica de procesos o en aprendizaje automático, obtiene menos de lo esperado, usa esa base reducida para financiar el siguiente ciclo con inteligencia generativa, y ahora se prepara para repetir la operación con agentes autónomos. Cada ronda de inversión se justifica con los retornos incompletos de la anterior. El resultado neto no es acumulación de valor. Es acumulación de apuestas.
Lo llamativo no es que esto ocurra. Lo llamativo es que ocurre sin fricción. Bain describe el déficit como un gap que "debería incomodar a los ejecutivos", pero que no es lo suficientemente grande para matar los programas. Esa zona intermedia, demasiado costosa para ignorar y demasiado pequeña para cortar, es precisamente donde viven los sistemas frágiles. No colapsan de golpe. Se deterioran lentamente, mientras siguen pareciendo operativos.
Lo que el informe no dice explícitamente, pero que emerge de su lógica, es que este patrón tiene un nombre organizacional preciso: la empresa se ha vuelto dependiente de un ciclo de inversión en tecnología que funciona como sustituto de decisiones más profundas sobre cómo trabaja. Cada nueva herramienta pospone la pregunta que nadie quiere responder con calma: ¿estamos rediseñando cómo opera esto, o solo automatizando lo que ya hacemos mal?
Por qué el problema de datos es en realidad un problema de gobernanza
El 41% de las empresas encuestadas por Bain señala el acceso e integración de datos como el principal obstáculo para el avance de la IA. Lleva años en ese lugar. Ha sobrevivido a rondas masivas de modernización de infraestructura, migraciones a la nube y consolidaciones de plataforma. Sigue ahí.
Eso no puede explicarse únicamente con dificultades técnicas. Los obstáculos técnicos, en organizaciones con presupuestos de este tamaño, se resuelven. Lo que no se resuelve con dinero ni con nuevos sistemas es la ausencia de decisiones sobre quién es responsable de qué dato, quién tiene autoridad para imponer estándares y quién paga el costo político de unificar fuentes que diferentes áreas administran como territorios propios.
El dato fragmentado es casi siempre el síntoma de un poder fragmentado. Las organizaciones que no pueden integrar sus datos no tienen principalmente un problema de arquitectura técnica: tienen un problema de arquitectura humana. Nadie es dueño del problema completo, y por eso el problema se perpetúa aunque se cambien las herramientas alrededor.
Bain propone, con cierta ironía productiva, usar la propia IA para atacar ese nudo: identificar un flujo de trabajo repetible y de alto valor donde las personas estén extrayendo datos manualmente, consolidando hojas de cálculo y produciendo reportes, y reemplazar esa secuencia completa. No como solución definitiva, sino como demostración de que el problema puede moverse. La táctica tiene mérito, pero solo funciona si alguien tiene autoridad para imponer la consolidación que la herramienta va a requerir. Sin esa decisión previa, el agente de IA se convierte en otro sistema más que convive con el caos en lugar de ordenarlo.
El informe de Bain también señala que la gobernanza de la IA está repartida de forma casi equitativa entre tecnología, funciones de negocio y equipos centrales, sin un responsable claro en la mayoría de las organizaciones. Eso tiene consecuencias concretas: cuando un agente autónomo comete un error con consecuencias reales en un sistema de producción, la rendición de cuentas no puede improvisarse en el momento. Debe haberse establecido antes. Las organizaciones que no lo hicieron no tienen un problema de IA. Tienen un problema de gobernanza que la IA acaba de volver visible.
Lo que separa a quienes capturan valor de quienes solo acumulan gasto
Bain distingue, con una frase que merece leerse despacio, entre dos tipos de empresas: las que despliegan herramientas de IA sobre los procesos que ya tienen, y las que usan la IA como razón para rediseñar cómo funciona el trabajo desde el principio. La distancia entre ambas no es tecnológica. Es de ambición organizacional y de voluntad para asumir el costo político de cambiar cómo están estructuradas las decisiones cotidianas.
El primer grupo produce los números del informe de Bain: ahorros del 0% al 10%, presupuestos en aumento, expectativas que se desplazan hacia la siguiente ola. El segundo grupo, considerablemente más pequeño, está construyendo algo diferente. No porque tenga mejor tecnología, sino porque decidió que la tecnología no era el objeto central de la iniciativa. El objeto central era el proceso, el rol, la decisión. La tecnología era el instrumento que permitía rediseñarlos.
La recomendación de Bain de no "pavimentar caminos de tierra con IA" captura este punto con precisión. Si el proceso que se está automatizando tiene ineficiencias de diseño, automatizarlo solo las hace más rápidas y más difíciles de ver. El ahorro real no llega de hacer lo mismo más rápido. Llega de preguntarse, antes de aprobar cualquier programa, cómo se diseñaría ese proceso desde cero si se construyera hoy. Esa pregunta no la responde ningún modelo de lenguaje. La responde una organización con claridad suficiente sobre lo que quiere producir y con liderazgo dispuesto a pagar el costo de la transición.
Aquí aparece la fragilidad más silenciosa de todo el fenómeno. El 90% de las empresas está aumentando su presupuesto de IA. Solo el 7% tiene agentes funcionando de manera completamente autónoma en producción. Esa brecha entre inversión y autonomía real es el espacio donde se acumula la dependencia que nadie ha nombrado todavía: la dependencia de un ciclo de inversión que genera la ilusión de transformación sin producir el rediseño que la haría sostenible.
Los CFOs que Bain entrevistó en una línea paralela de investigación señalan que están comenzando a cambiar las métricas con las que evalúan el retorno de la IA. Menos énfasis en ahorro de costos directo, más atención a velocidad para obtener información, calidad de decisiones y velocidad de respuesta ante variaciones. Ese cambio de métrica no es cosmético. Indica que una parte del liderazgo financiero ha entendido que la pregunta no era "cuánto ahorramos" sino "qué podemos hacer ahora que antes no podíamos". Llegar tarde a esa distinción es costoso. Pero llegar es mejor que seguir midiendo lo incorrecto con presupuestos cada vez más grandes.
La madurez organizacional frente a la IA no se mide por el tamaño de la inversión ni por la sofisticación de las herramientas elegidas. Se mide por la capacidad de una organización para auditar sus propias apuestas anteriores con honestidad, para asignar responsabilidad antes de que el error ocurra y para resistir la tentación de financiar la próxima ola con los retornos incompletos de la anterior. Las empresas que no puedan hacer esas tres cosas no están en el camino de la transformación. Están girando dentro de un ciclo que se financia a sí mismo y que, por el momento, todavía no les ha generado el costo suficiente para detenerse a mirarlo.
