Hace poco, el informe "Estado del AI empresarial en 2025" publicado por el Instituto Tecnológico de Massachusetts (MIT) ha generado amplia atención. El informe señala que se han invertido más de 30 mil millones de dólares en inteligencia artificial generativa (GenAI), pero hasta un 95% de los proyectos piloto de las empresas no lograron pasar a la producción.
La encuesta revela que el obstáculo para el progreso de las empresas no es la tecnología en sí misma ni las regulaciones relacionadas, sino la forma en que se aplican estas herramientas. Muchos sistemas no se integran en los procesos laborales reales, carecen de memoria y capacidad de adaptación, y raramente mejoran con el tiempo, por lo tanto, aunque funcionen bien en el laboratorio, no son efectivos en la práctica.
Nota de la fuente de la imagen: La imagen fue generada por IA, el proveedor de licencias es Midjourney
El concepto de "brecha de GenAI" del informe llama la atención, por un lado solo alrededor del 5% de los proyectos piloto tienen éxito significativo, generando ganancias de millones de dólares; por otro lado, casi el 90% de los demás proyectos se estancan y no pueden superar la fase de prueba. Los investigadores del MIT señalan que esta brecha no radica en tener el mejor modelo o la velocidad de cálculo más rápida, sino en la aplicación real de las herramientas. Los casos exitosos son aquellos sistemas que se integran estrechamente con los procesos laborales reales y pueden mejorar con el tiempo, mientras que los fracasos son aquellos proyectos que intentan integrar la inteligencia artificial general en procesos pesados.
Aunque herramientas generales como ChatGPT y Copilot han sido probadas por más del 80% de las empresas y casi el 40% de ellas las han implementado en cierta medida, estas herramientas en realidad mejoran principalmente la productividad individual, sin impactar significativamente la rentabilidad de las empresas. Cerca del 60% de las empresas han explorado plataformas personalizadas para empresas o sistemas de proveedores, pero solo el 20% de los proyectos han llegado a la fase piloto, y la principal causa de fracaso es que los procesos laborales son frágiles, las herramientas carecen de capacidad de aprendizaje y no se ajustan a las formas reales de trabajo.
El informe también analiza cuatro patrones principales, incluyendo una pequeña transformación en la industria, el dilema empresarial, la sesgada inversión y la ventaja de la implementación. Entre ellos, las grandes empresas lanzan el mayor número de proyectos piloto, pero su progreso a gran escala es el más lento; mientras que las empresas medianas pueden pasar de la prueba a la implementación en aproximadamente 90 días. El MIT también señaló que alrededor del 70% del presupuesto se destina al área de ventas y marketing, a pesar de que a menudo se obtienen mayores beneficios en la automatización del backend.
Algunos críticos cuestionan la transparencia del informe, argumentando que la tasa del 95% de fracaso carece de soporte de datos detallados, y que la definición de éxito y fracaso es discutible, lo que podría hacer que algunos resultados de proyectos sean subestimados. Además, la relación del informe con instituciones comerciales ha generado debate, considerando que esto podría afectar la objetividad de la investigación.
En cuanto al futuro, el informe considera que la próxima etapa se centrará en la "inteligencia artificial de agentes inteligentes", estas herramientas podrán aprender, recordar y coordinarse entre proveedores, formando una red emergente de "agentes inteligentes", esperando que esta red logre una escala y consistencia masivas, algo que los proyectos iniciales de GenAI no han logrado.
Destacado:
📉 El 95% de los proyectos de GenAI empresariales no logran pasar a la producción, y la principal razón es la forma en que se aplican las herramientas.
🏢 Las grandes empresas lanzan más proyectos piloto, pero su avance es relativamente lento, mientras que las empresas medianas suelen pasar más rápidamente a la implementación.
🤖 El futuro se centrará en la inteligencia artificial de agentes inteligentes, con la esperanza de lograr flujos de trabajo más eficientes y coherencia.
