Mucho después de nada de nada – La nación

En los últimos años, los efectos de la IA generativa en las empresas han sido uno de los temas más discutidos con promesas de cambiar sectores enteros, crear nuevas oportunidades comerciales y, sobre todo, arrojar incertidumbre sobre el futuro profesional de millones de empleados.

Sin embargo, un informe publicado recientemente ha sacado a la luz una realidad menos optimista: la mayoría de los principales experimentos con generativo generativo en las empresas no logran los resultados esperados, aunque se invierten grandes cantidades de dinero en ellos. En otras palabras: mucho ruido y algunas nueces.

El “fracaso” de la IA en las empresas. Los números son claros. Según el estudio “The Genai Gap: Condición de la IA en el negocio 2025” Del MIT creado, solo el 5% de los proyectos piloto generativo en grandes empresas tienen efectos positivos y medibles en sus ingresos. El resto, abrumador del 95% de los proyectos, no transforma una parte significativa de la organización ni logra un retorno del capital que duda de la fiebre global para la introducción de aceleraciones de IA.

Es importante subrayar que el “fracaso” del informe tiene en cuenta, la falta de un rendimiento económico de la transformación de la compañía. Esto no significa Cómo detallar En Futuriom.

Chatgpt no cambia, pero es muy útil. Como se describe en el estudio, el problema del mal éxito de los proyectos de IA en empresas en empresas en empresas no está relacionado con la calidad de los modelos de IA en sí, sino lo que los investigadores llaman “brecha de aprendizaje”, tanto para las herramientas como para las propias empresas.

Los autores del estudio enfatizan que el fracaso está en una integración comercial mal orientada. Los modelos generalistas como ChatGPT o CO Pilot son efectivos como asistentes para mejorar la productividad de los empleados a nivel personal. Sin embargo, no se adaptan a los procesos de trabajo corporativos especializados y se estancan cuando intentan replicarse a mayor escala. Eso significa que funcionan muy bien en las demos, pero si tiene que enfrentar las variables de los procesos diarios, falla.

Según el informe, el 80% de las empresas han considerado utilizar un modelo generalista para llevar a cabo una tarea específica en la empresa, de estos 50% finalmente un proyecto piloto, y el 40% de ellas se implementaron con éxito, lo cual es un porcentaje muy alto. Sin embargo, su efecto no es transformador, ya que se plantea como un instrumento para apoyar a los empleados y no produce ningún rendimiento directo medible (es un rendimiento indirecto de la productividad).

La clave son los agentes especializados de IA. Por otro lado, los agentes de IA son mucho más fáciles y especializados en una sola tarea si logran cambiar el área en la que aplican porque implican automatización y hacen que la vigilancia humana sea innecesaria. Entonces Lo expliqué A Activos Aditya Challapally, el autor principal del informe: “Algunas grandes empresas y nuevas empresas han crecido de cero a $ 20 millones en un año porque deciden el problema que está bien resuelto, las realiza con precisión y trabajan con socios que realmente usan sus herramientas”.

Como se describe en detalle en el informe, el 60% de las compañías encuestadas examinaron la oportunidad de implementar este modelo. De estos, solo el 20% lo probó en un proyecto piloto. Al final, solo el 5% implementó y automatizó esta tarea. Es lo que el estudio ve como “éxito”.

La IA detiene el pedal del acelerador, no cambia el automóvil. El análisis muestra que más de la mitad del presupuesto, que está asignado generativamente a las empresas, se invierte en proyectos de ventas y marketing en los que las inversiones realizadas no se restauran de manera meditativa (lo que no implica que son un fracaso).

Los autores enfatizan que el retorno real del capital se basa en los procesos internos de automatización y el retroceso. En estos casos, la inversión en la IA comienza a recuperarse de inmediato, ya que todos los costos operativos se cancelan con la automatización del proceso y todo se devuelve. En otras palabras, con los investigadores han descubierto que apostar en las herramientas de soporte se eleva al pedal acelerador de un automóvil para automatizar las tareas con agentes de IA más rápido es como cambiar todo el automóvil. El consultor de Gartner, Es menos optimista Y estima que el 40% de estos “autos” se bloquearán en unos pocos años.

El informe también muestra la diferencia entre las soluciones creadas por las empresas y las herramientas creadas por proveedores especializados. Solo el 33% de los sistemas internos alcanzan un cierto éxito, mientras que las soluciones externas logran cuotas positivas en el 67% de los casos.

El “shadow -ski” y los efectos en el trabajo. Los investigadores reconocieron lo que llamaron “Shadow AI” o el uso no oficial de herramientas como Chatt por parte de los empleados. Esto muestra tanto interés en el uso de IA para reducir la carga de trabajo y la falta de una estrategia corporativa clara para la IA. Por esta razón, la medición de los efectos reales de la IA en la productividad y las ventajas que otorga sigue siendo un tema sobresaliente para las empresas que desean justificar su inversión.

Finalmente, enfatizan que después de las cifras exitosas bajas en la implementación de la IA como medias de automatización y su implementación como asistente, el trastorno laboral en áreas como el servicio al cliente y las tareas administrativas ya es visible. Gracias a este papel como un “asistente” y no como un “artista” en lugar de enfrentarse a millones de despidos, existe una tendencia entre las compañías que se han integrado, que no están vacantes que están libres, especialmente a los trabajos que previamente han sido externalizados por el valor que previamente se ha considerado con bajo valor.

En Xataka | Algunos investigadores fundaron una empresa en la que todos los empleados eran agentes de IA. No hiciste una cuarta parte del trabajo

Imagen | Sin obstáculos (RefugioPresente Snack de flips))