Un informe del Proyecto MIT NANDA revela que el 95% de las organizaciones no obtienen retorno en IA pese a inversiones millonarias, identificando la Brecha GenAI: solo el 5% de pilotos generan valor real. La principal barrera no es tecnología ni regulación, sino la falta de aprendizaje contextual y adaptación en los sistemas. Herramientas como ChatGPT mejoran productividad individual, pero fracasan en flujos críticos por no retener memoria. El éxito depende de integración profunda en procesos específicos, colaboración con proveedores externos y enfoque en back-office (no solo front-office). La próxima evolución serán agentes autónomos interoperables con capacidad de aprendizaje continuo. 

A pesar de la inversión empresarial de entre 30 y 40 mil millones de dólares en GenAI, este informe del Proyecto MIT NANDA revela un resultado sorprendente: el 95% de las organizaciones no obtienen ningún retorno (lo mismo afirma uno de los fundadores de Globan en Argentina).

Los resultados están tan claramente divididos entre compradores (empresas, medianas empresas, pymes) y desarrolladores (startups, proveedores, consultoras) y se la denomina Brecha GenAI: solo el 5% de los pilotos de IA integrada generan millones en valor, mientras que la gran mayoría permanece estancada sin un impacto medible en las ganancias y pérdidas. Esta brecha no parece estar impulsada por la calidad del modelo ni por la regulación, sino por el enfoque.

NOTA: El Proyecto NANDA (Networked AI Agents in Decentralized Architecture) se originó en el MIT y tiene como objetivo desmantelar los cuatro puntos críticos dentro de la infraestructura de este ecosistema centrándose en la innovación impulsada por el consenso e IA: DNS, CA, Orquestación y Atestación.

A continuación, se resumen los principales puntos de la investigación "Estado de IA en las empresas" realizada entre enero y junio 2025 y publicada en julio.

• Se entrevistaron a 52 organizaciones y se obtuvieron encuestas de 153 líderes senior, recopiladas en 4 conferencias importantes de la industria.
• La mayoría de la implementación de sistemas GenAI a nivel empresarial fracasan debido a flujos de trabajo inestables, falta de aprendizaje contextual y desalineación con las operaciones diarias.  
• La principal barrera para la escalabilidad de sistemas GenAI es el aprendizaje, ya que estos no retienen la retroalimentación, no se adaptan al contexto ni mejoran con el tiempo.  
• Los sistemas con capacidad de aprendizaje, cuando se enfocan en procesos específicos, pueden generar un valor real, incluso sin una reestructuración organizacional importante.  

Herramientas como ChatGPT y Copilot se han adoptado ampliamente. Más del 80% de las organizaciones las han explorado o probado, y casi el 40% informa de su implementación.

Sin embargo, estas herramientas mejoran principalmente la productividad individual, no el rendimiento de las ganancias y pérdidas. Mientras tanto, los sistemas empresariales, ya sean personalizados o vendidos por proveedores, están siendo rechazados discretamente. El 60% de las organizaciones evaluaron estas herramientas, pero solo el 20% alcanzó la fase piloto y solo el 5% llegó a producción. La mayoría fracasa debido a flujos de trabajo frágiles, falta de aprendizaje contextual y desalineación con las operaciones diarias.

De las entrevistas, encuestas y análisis de 300 implementaciones públicas, surgieron cuatro patrones que definen la Brecha GenAI:

• Interrupción limitada: solo 2 de los 8 sectores principales muestran un cambio estructural significativo.
• Paradoja empresarial: las grandes empresas lideran el volumen de pilotos, pero se quedan atrás en la ampliación.
• Sesgo de inversión: los presupuestos priorizan las funciones visibles de alto nivel sobre el back office con alto retorno de la inversión.
• Ventaja de implementación: las colaboraciones externas duplican la tasa de éxito de las implementaciones internas.

La principal barrera para la ampliación no es la infraestructura, la regulación ni el talento. Es el aprendizaje. La mayoría de los sistemas GenAI no retienen la retroalimentación, no se adaptan al contexto ni mejoran con el tiempo.

Un pequeño grupo de proveedores y compradores está logrando un progreso más rápido al abordar estas limitaciones directamente. Los compradores que tienen éxito exigen una personalización específica para cada proceso y evalúan las herramientas en función de los resultados empresariales, en lugar de los parámetros de referencia del software.

Sistemas que se integran con los procesos existentes y mejoran con el tiempo. Los proveedores que cumplen estas expectativas están logrando implementaciones multimillonarias en cuestión de meses.

Si bien la mayoría de las implementaciones no implican una reducción de personal, las organizaciones que han superado la brecha GenAI están comenzando a ver impactos selectivos en la fuerza laboral en atención al cliente, ingeniería de software y funciones administrativas. Además, las organizaciones con mayor rendimiento reportan ahorros mensurables gracias a la reducción del gasto en Business Process Outsourcing (BPO) y el uso de agencias externas, especialmente en operaciones administrativas.

NOTA: Business Process Outsourcing, es la práctica de delegar funciones o procesos no esenciales de un negocio a un proveedor externo especializado, con el objetivo de reducir costos, mejorar la eficiencia, acceder a tecnología y experiencia especializada, permitiendo a la empresa enfocarse en su core business.

Otras mencionan una mejor retención de clientes y una mayor conversión de ventas mediante la comunicación automatizada y sistemas de seguimiento inteligentes. Estos primeros resultados sugieren que los sistemas con capacidad de aprendizaje, cuando se enfocan en procesos específicos, pueden generar un valor real, incluso sin una reestructuración organizacional importante.

Integración en las empresas

Las organizaciones que tiene existo al implementar GenIA, tiene esta características: 

• Compran en lugar de contribuir.
• Empoderan a los gerentes de linea en lugar de a los laboratorios centrales.
• Seleccionan herramientas que se integran profundamente y adaptan con el tiempo.
• Las empresas están probando herramientas GenAI, pero muy pocas llegan a implementarlas.
• Las empresas que realmente evolucionan, muestran pocos cambios estructurales.

La brecha de GenAI se manifiesta claramente a nivel industrial y solo dos industrias muestran signos claros de disrupción estructural: Tecnología y medios y telecomunicaciones.

Uso de Chatbots

Los chatbots triunfan porque son fáciles de probar y flexibles, pero fallan en flujos de trabajo críticos debido a la falta de memoria y personalización. En las entrevistas, los usuarios empresariales reportaron experiencias consistentemente positivas con herramientas de consumo como ChatGPT y Copilot.

Estos sistemas fueron elogiados por su flexibilidad, familiaridad y utilidad inmediata. Sin embargo, estos mismos usuarios se mostraron abrumadoramente escépticos con respecto a las herramientas de IA personalizadas o de proveedores, describiéndolas como frágiles, sobredimensionadas o desalineadas con los flujos de trabajo reales.

Los usuarios prefieren ChatGPT para tareas sencillas, pero lo abandonan para tareas críticas debido a su "falta de memoria".

Autorización y Shadow IA

Los empleados utilizan herramientas de IA personales, a menudo sin conocimientos ni autorización del departamento de TI, dejando de lado iniciativas empresariales y potencia el uso de Shadow IA. Muchos empleados ya usan IA por su cuenta. Este uso oculto crea un ciclo de retroalimentación, los vuelve menos tolerantes con las herramientas empresariales estáticas.

Invertir en herramientas que solo aceleran el trabajo individual es difícil de justificar cuando no impactan directamente en ingresos o costos. Este sesgo lleva a financiar usos visibles, pero de bajo impacto, mientras se dejan de lado aplicaciones de GenAI con mayor retorno y verdadero efecto transformador en la organización. 

Estancamiento de los pilotos de GenAI 

Faltan sistemas que se adapten, recuerden y evolucionen. El principal factor es el aprendizaje, las herramientas que no aprenden, se integran mal o se no adaptan a los flujos de trabajo. Los usuarios se resisten a las herramientas que no se adaptan, la calidad del modelo falla sin contexto y la experiencia de usuario (UX) se resiente cuando los sistemas no recuerdan. 

La primera razón de porque fracasan los proyectos GenAI es la falta de voluntad para adoptar nuevas herramientas. La segunda razón es por preocupaciones sobre la calidad de la salida del modelo.

Los usuarios valoran la flexibilidad y la capacidad de respuesta de las interfaces LLM para el consumidor, pero requieren la persistencia y el conocimiento contextual que las herramientas actuales no pueden ofrecer. 

ChatGPT suele superar a las herramientas empresariales porque ofrece una experiencia más rápida, intuitiva y familiar, incluso cuando usan modelos similares, pero olvida el contexto, no aprende y no puede evolucionar es por ellos que, para tareas cruciales, el 90% de los usuarios prefiere a los humanos.

Los Agentes IA integran memoria persistente y aprendizaje iterativo. A diferencia de ChatGPT, que requiere contexto completo en cada ocasión, los Agentes mantienen la memoria persiste, aprenden de las interacciones y pueden orquestar de forma autónoma flujos de trabajo complejos.  

Como los mejores constructores de GenIA tienen éxito 

 La IA genera valor cuando aprende, se adapta y se integra en los flujos de trabajo. El éxito viene de casos de uso específicos y de alto impacto, no de herramientas generales. 

La integración al dominio y al contexto es más importante que la amplitud de funciones. Triunfan quienes resuelven aprendizaje, memoria y adaptación continua; fracasan las soluciones genéricas o sin foco.

Los usuarios valoran la automatización de tareas tediosas, siempre que haya seguridad de datos y resultados medibles. Las organizaciones prefieren esperar a que proveedores actuales incorporen IA antes que asumir el riesgo de nuevos startups.

Las organizaciones que tuvieron éxito no trataron a los startups de IA como simples proveedores de software, sino como socios de servicios, exigiéndoles resultados medidos con métricas similares a las de consultoras o BPO. 

Las organizaciones que tiene éxito tiene las siguiente características:

• Actúan como clientes de BPO, no como clientes de SaaS.
• Exigen una personalización profunda.
• Impulsan la adopción desde la primera línea.
• Exigen a los proveedores que rindan cuentas según las métricas del negocio.
• No esperan CU perfectos, se impulsan median la experimentación distribuida, alianzas con proveedores y una clara rendición de cuentas.
• Trabajar con socios externos especializados funciona mejor que intentar hacerlo con equipos internos.
• Dan autoridad real a equipos concretos, permitiendo decidir sobre el proceso, sin esperar aprobaciones constantes (conservando la responsabilidad) aumenta la probabilidad de éxito.
• Tener un dueño del proceso colaborando o trabajando con el equipo aumenta la probabilidad de éxito.  

Las organizaciones que tuvieron éxito descubrieron que el ROI suele ser mayor en funciones ignoradas como operaciones y finanzas. Las herramientas de front-office (ventas y el marketing, por ejemplo) captan la atención, pero las de back-office generan ahorros. 

La siguiente evolución de la IA será una red de agentes autónomos que pueden descubrirse, coordinarse y negociar entre sí a través de Internet. Gracias a nuevos protocolos como Model Context Protocol (MCP), Agent-to-Agent (A2A), y NANDA, estos agentes podrán interoperar, navegar la web, crear integraciones de API en tiempo real sin conectores predefinidos, ejecutar transacciones confiables mediante contratos inteligentes mediante Blockchain y generar flujos de trabajo que se auto-optimizan entre múltiples sistemas y organizaciones.

El informe completo se puede descargar desde aquí.