Pero ¿qué dice el informe para desatar tal ola de ventas? Por lo que comenta Sheryl Estrada en Fortune, las empresas estadounidenses han invertido entre 35.000 y 40.000 millones de dólares en proyectos de IA generativa (genAI), pero la mayoría de los esfuerzos se encuentran estancados en la fase piloto. Según el informe de la llamada “Iniciativa NANDA” del MIT, solo alrededor del 5% de las iniciativas generan un rápido crecimiento de los ingresos; la mayoría tiene poco o ningún impacto, o sea, están fracasando. Al parecer, el problema principal no es la calidad de los modelos utilizados, sino la falta de integración, aprendizaje y alineación con los flujos de trabajo corporativos. Las empresas suelen invertir en soluciones de ventas y marketing, pero los mayores beneficios parecen estar en la automatización del back-office y la optimización de los procesos internos, señala Viktor Eriksson de Computerworld.
El informe NANDA del MIT Media Lab, “The GenAI Divide: State of AI in Business 2025« encontró que las empresas exitosas tienden a comprar soluciones especializadas y construir asociaciones, mientras que los proyectos de desarrollo internos fracasan con mucha más frecuencia, y que pese a los miles de millones de dólares invertidos en IA generativa, el 95% de las organizaciones no obtienen ningún retorno comercial. Los autores del informe señalan que «los resultados están tan claramente divididos entre compradores (empresas, mercado medio, pymes) y desarrolladores (startups, proveedores, consultoras) que lo llamamos la brecha GenAI» y sostienen que «solo el 5% de los pilotos de IA integrada están extrayendo millones en valor, mientras que la gran mayoría permanece estancada sin un impacto medible en las ganancias y pérdidas». El mencionado informe reconoce si bien la IA generativa es prometedora para las empresas, la mayoría de las iniciativas para impulsar un rápido crecimiento de los ingresos están fracasando.
Explica Estrada, según el informe que, a pesar de la prisa por integrar nuevos modelos potentes, alrededor del 5% de los programas piloto de IA logran una rápida aceleración de los ingresos; la gran mayoría se estancan, ofreciendo poco o ningún impacto medible en las ganancias y pérdidas. La investigación, basada en 150 entrevistas con líderes, una encuesta a 350 empleados y un análisis de 300 implementaciones públicas de IA, describe una clara división entre las historias de éxito y los proyectos estancados.
El autor principal del informe y colaborador de investigación del Proyecto NANDA en el MIT, Aditya Challapally, dialogó con Fortune y le dijo que: «Algunos pilotos de algunas grandes empresas y nuevas empresas más jóvenes realmente están sobresaliendo con la IA generativa; que las startups lideradas por jóvenes de 19 o 20 años, por ejemplo, han visto cómo sus ingresos se disparan de cero a 20 millones de dólares en un año, lo que se debe a que identifican un problema, lo ejecutan bien y se asocian inteligentemente con empresas que utilizan sus herramientas».
Sin embargo, para el 95% de las empresas del conjunto de datos, la implementación de la IA generativa se está quedando corta. ¿El problema principal? No es la calidad de los modelos de IA, sino la «brecha de aprendizaje» tanto para las herramientas como para las organizaciones. Si bien los ejecutivos suelen culpar a la regulación o al rendimiento del modelo, la investigación del MIT apunta a una integración empresarial deficiente. Herramientas genéricas como ChatGPT destacan para las personas debido a su flexibilidad, pero se estancan en el uso empresarial porque no aprenden de los flujos de trabajo ni se adaptan a ellos, explicó Challapally.
Los datos también revelan una desalineación en la asignación de recursos ya que más de la mitad de los presupuestos de IA generativa se destinan a herramientas de ventas y marketing; sin embargo, el MIT encontró el mayor retorno de la inversión en la automatización administrativa, eliminando la externalización de procesos empresariales, reduciendo los costos de agencias externas y optimizando las operaciones.
Entonces, qué hay detrás de las implementaciones exitosas de IA: la forma en que las empresas adoptan la IA es crucial. La adquisición de herramientas de IA a proveedores especializados y la creación de alianzas tienen éxito aproximadamente en el 67% de los casos, mientras que las implementaciones internas solo tienen éxito en un tercio de los casos.
“Este hallazgo es particularmente relevante en el sector de los servicios financieros y otros sectores altamente regulados, donde muchas empresas están desarrollando sus propios sistemas de IA generativa patentados en 2025. Sin embargo, la investigación del MIT sugiere que las empresas experimentan muchos más fracasos al actuar en solitario”, comenta Estrada.
Según Challapally, las empresas encuestadas a menudo se mostraron reticentes a compartir las tasas de fracaso, casi en todos los lugares donde fueron, las empresas intentaban desarrollar su propia herramienta, pero los datos mostraron que las soluciones adquiridas ofrecían resultados más fiables. Otros factores clave para el éxito incluyen empoderar a los gerentes de línea, no solo a los laboratorios centrales de IA, para impulsar la adopción, y seleccionar herramientas que puedan integrarse profundamente y adaptarse con el tiempo.
Sobre la disrupción de la fuerza laboral, señalan que ya está en marcha, especialmente en atención al cliente y funciones administrativas: en lugar de despidos masivos, las empresas cada vez menos cubren los puestos vacantes; la mayoría de los cambios se concentran en puestos que antes se externalizaban debido a su bajo valor percibido. El informe también destaca el uso generalizado de la «IA en la sombra» (herramientas no autorizadas como ChatGPT) y el desafío constante de medir el impacto de la IA en la productividad y las ganancias.
Todos los medios especializados y no especializados se hicieron eco del informe, sobre todo, por su impacto en el mercado bursátil de EE.UU. destacando las conclusiones sobre la inmensa mayoría de los fracasos. Sin embargo, Tim Fries de The Tokenist, sostiene que el informe del MIT ha sido malinterpretado, asustando a los inversores y haciendo caer los mercados tecnológicos.
“Se suponía que un nuevo artículo de investigación del MIT sobre IA generativa arrojaría luz sobre las dificultades de las empresas para su adopción. Sin embargo, una vez que medios de comunicación tradicionales como Fortune difundieron los hallazgos (reduciendo los matices a un titular catastrófico), la noticia contribuyó a desencadenar una ola de ventas de acciones tecnológicas. Días después, el MIT retiró discretamente el acceso al artículo, lo que subrayó tanto la sensibilidad de los mercados de IA como los riesgos de una mala cobertura informativa sobre tecnologías de nicho”, comentó Fries quien destaca que el informe detectó no solo que el 5% de los pilotos de IA lograron una rápida aceleración de los ingresos, sino que muchos otros generaron ahorros de costos o eficiencia operativa sin un crecimiento explosivo.
Para Fries los artículos, no solo de Fortune, sino incluso hasta del Financial Times, que además de amplificar la onda expansiva sobre los mercados, simplificaron la conclusión a que el 95% de los proyectos de IA generativa fracasaban con un impacto medible escaso o nulo, borrando la distinción entre perder ingresos extraordinarios y no aportar ningún valor. O sea, Fries sostiene que los análisis de los medios convirtieron una estadística limitada en una narrativa de fracaso generalizado.
Encima Sam Altman de OpenAI había lanzado una advertencia sobre una burbuja de IA. Esta confluencia de señales creó la tormenta perfecta para una ola de ventas en el sector tecnológico, considera Fries quién destaca que, ante las repercusiones, el MIT modificó el acceso al informe por una versión de acceso restringido que requería un formulario de solicitud. Si bien no se ofreció ninguna explicación explícita, el momento de su publicación sugiere inquietud por la forma en que la investigación se había utilizado como arma en los medios de comunicación y los mercados. El incidente quizás subraya dos verdades: primero, que los mercados de IA son hipersensibles a los titulares negativos; segundo, que los principales medios de comunicación económicos siguen estando mal preparados para interpretar responsablemente la densa investigación técnica. Donde el MIT habló de una «brecha de aprendizaje» y de desafíos de integración, Fortune oyó fracaso. Esa distorsión, amplificada a gran escala, se propagó por los mercados globales, causando estragos en medio de otras fuerzas del mercado, comentó Fries. Veremos qué dice el mercado.
Por lo pronto David Ramel de VirtualizationReview comentó, sobre el informe, que las empresas ejecutan la mayor cantidad de programas piloto, pero convierten la menor cantidad; las organizaciones del mercado medio pasan más rápido del piloto a la implementación completa (aproximadamente 90 días) que las grandes empresas (nueve meses o más). Por otro lado, profundiza en que las herramientas de propósito general se exploran ampliamente, pero su impacto es limitado: Más del 80% de las organizaciones han explorado o probado (ChatGPT/Copilot), y casi el 40% informa haberlas implementado. Sin embargo, estas mejoran principalmente la productividad individual, no el rendimiento de la cuenta de resultados. Mientras tanto, el 60% de las organizaciones evaluaron sistemas de nivel empresarial, pero solo el 20% alcanzó la fase piloto y solo el 5% llegó a producción. De ahí que concluyan que la causa raíz es la brecha de aprendizaje.
La explicación central del informe es que la principal barrera es el aprendizaje, más que la infraestructura, la regulación o el talento: «La mayoría de los sistemas GenAI no retienen la retroalimentación, no se adaptan al contexto ni mejoran con el tiempo». El informe resume esta brecha sucintamente: Las limitaciones de ChatGPT revelan el problema central tras la brecha GenAI: olvida el contexto, no aprende y no puede evolucionar. Para tareas complejas y de larga duración, los humanos siguen siendo la principal opción.