Casi nadie le está sacando plata a la IA todavía: el patrón exacto de los que sí
El informe 2025 de MIT sobre IA en los negocios encontró que el 95% de los pilotos de inteligencia artificial generativa en grandes empresas no genera ningún retorno medible en el balance. McKinsey confirma el patrón: 88% de las organizaciones ya usa IA en algún proceso, pero solo 39% puede señalar un efecto medible en los resultados, y apenas 5,5% le atribuye a la IA más del 5% de su ganancia operativa. El dato que separa a los que sí ganan: según BCG, las empresas que concentran sus esfuerzos en un promedio de 3,5 casos de uso de IA generan 2,1 veces más retorno que las que reparten el esfuerzo en muchos frentes.
El problema de la inteligencia artificial en las empresas ya no es si funciona: es que casi nadie ve la plata. El reporte 2025 sobre el estado de la IA en los negocios que hizo el MIT encontró que el 95% de los pilotos de IA generativa en compañías grandes no produce ningún retorno medible en el estado de resultados. McKinsey llegó a un número parecido desde su encuesta 2025: 88% de las organizaciones ya tiene IA metida en algún proceso, pero solo 39% puede señalar un efecto concreto en los números finales, y nada más que 5,5% le atribuye a la IA más del 5% de su ganancia operativa (el EBIT, la ganancia antes de intereses e impuestos). Boston Consulting Group (BCG) suma un dato incómodo más: 75% de los directores de las empresas grandes pone a la IA entre sus tres prioridades principales, pero solo 25% dice que su organización está sacando un valor real de ella.
Leemos esto en Nuexty como la confirmación de algo que veníamos sospechando: el problema no es la herramienta, es la dispersión. BCG encontró el patrón exacto que separa a los que ganan de los que pierden plata: las empresas que enfocan sus esfuerzos en un promedio de 3,5 casos de uso de IA generan 2,1 veces más retorno que las que reparten sus recursos en muchos frentes al mismo tiempo. Profundidad le gana a amplitud. Y esto no es solo un problema de corporaciones gigantes: es el mismo error que comete cualquier emprendedor o equipo chico que prueba IA en diez procesos a la vez en lugar de dominar uno solo hasta que de verdad rinda.
Señal 01 · El síntoma
El 95% no ve un peso
El informe 2025 sobre el estado de la IA en los negocios que hizo el MIT es contundente: el 95% de los pilotos de inteligencia artificial generativa en grandes compañías no genera ningún retorno medible en el estado de resultados (el P&L, la cuenta que suma ingresos menos costos). No es que la IA no funcione en las pruebas: es que casi nunca cruza la línea hacia el resultado financiero real.
McKinsey, en su encuesta 2025 sobre el estado de la IA en las empresas, encontró un patrón parecido desde otro ángulo: 88% de las organizaciones ya usa IA en algún lugar del negocio, pero apenas 39% puede señalar un efecto medible en los números finales. Y solo 5,5% le atribuye a la IA más del 5% de su ganancia operativa. La adopción subió mucho más rápido que el resultado.
Leemos esto como la separación clara entre usar IA y que la IA te cambie el negocio. Son dos cosas distintas, y la mayoría de las empresas —grandes y chicas— todavía está solo en la primera.
BCG cruzó los números de las empresas que sí sacan retorno de la IA con las que no, y encontró la variable que las separa: las compañías que concentran sus esfuerzos en un promedio de 3,5 casos de uso de IA generan 2,1 veces más retorno que las que reparten sus recursos en muchos frentes a la vez. No importa tanto cuánto invertís: importa en cuántas cosas distintas lo repartís.
El mismo estudio encontró que 75% de los directores de las empresas grandes (el C-suite, la cúpula ejecutiva) pone a la IA entre sus tres prioridades principales, pero solo 25% dice que su organización está sacando un valor real de ella. Esa brecha entre "es prioridad" y "funciona" se explica, en gran parte, por dispersión: probar IA en diez procesos al mismo tiempo diluye el aprendizaje y el presupuesto en lugar de concentrarlo en uno solo hasta que rinda.
Para nosotros esto vale tanto para una corporación con presupuesto de IA como para un emprendedor solo con un asistente de IA: la ventaja no está en probar todo, está en llevar dos o tres casos de uso hasta que de verdad funcionen antes de sumar el cuarto.
A pesar de que la mayoría de las empresas todavía no ve retorno, el capital sigue apostando fuerte a la infraestructura de IA. Salesforce mantuvo conversaciones para comprar Listen Labs, una plataforma de investigación de mercado con IA que ya trabaja con Anthropic, Google y Nestlé, por unos 2.000 millones de dólares. La cifra se suma a una ola reciente: Nvidia compró Hugging Face (el repositorio más usado para modelos de IA abierta) por unos 12.900 millones de dólares, y Stripe compró OpenRouter (un enrutador que conecta aplicaciones con distintos modelos de IA) por unos 8.000 millones.
Estas compras no son apuestas a "la IA en general": son apuestas a piezas específicas de infraestructura —enrutamiento de modelos, investigación de mercado automatizada, repositorios de modelos— que resuelven un problema concreto y medible. Es la misma lógica que el hallazgo de BCG: el dinero más sofisticado no reparte, concentra.
La lectura para nosotros es doble: confirma que la ola de IA sigue teniendo sustento real, no es solo entusiasmo, y confirma también que hasta los compradores más grandes están comprando profundidad —una función que resuelve bien un problema— y no amplitud.
Venimos de una semana mostrando el filo de la IA aplicada: ayer vimos una empresa que corre entera con agentes y casi sin planilla; el martes, un equipo de veinte personas manejando el volumen que antes necesitaba cientos. El número de hoy —95% de los pilotos sin retorno— explica por qué esa brecha es tan ancha: la mayoría no está corriendo el mismo experimento con foco, está dispersando el esfuerzo en probar de todo un poco.
Si estás usando IA en tu negocio —o estás por empezar— el error más común no es elegir mal la herramienta: es probar demasiadas cosas a la vez sin llevar ninguna hasta el final. Elegí un solo proceso que te cueste tiempo o plata todas las semanas (armar propuestas, responder consultas, cargar datos) y llevalo con IA hasta que funcione solo, antes de sumar el segundo. Ese es el patrón de 3,5 casos de uso enfocados que encontró BCG: menos frentes, más profundidad, más retorno real.
Para vos que trabajás en una empresa mediana o grande, el mensaje es el mismo con otra escala: antes de pedir presupuesto para el próximo piloto de IA, preguntá cuántos procesos ya está tocando la IA en tu área. Si la respuesta es "varios, pero ninguno terminado", ahí está la fuga de plata que muestran los números de hoy.
La movida del día
Elegí hoy un solo proceso de tu negocio donde perdés más tiempo o plata cada semana. Escribí en una hoja qué pasos tiene y cuáles podrías resolver con un asistente de IA. Llevalo hasta que funcione sin que tengas que revisarlo línea por línea, y recién ahí sumá el segundo caso de uso. No abras un tercer frente hasta que el primero te esté devolviendo tiempo o plata de verdad.
¿Por qué la mayoría de las empresas no ve retorno de la inteligencia artificial?
Porque reparten el esfuerzo en muchos procesos a la vez en lugar de llevar pocos casos de uso hasta el final. El MIT encontró que el 95% de los pilotos de IA generativa no genera retorno medible, y BCG mostró que las empresas que concentran sus esfuerzos en un promedio de 3,5 casos de uso generan 2,1 veces más retorno que las que dispersan sus recursos.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
