{"id":180297,"date":"2026-08-28T12:35:24","date_gmt":"2026-08-28T15:35:24","guid":{"rendered":"https:\/\/www.itsitio.com\/ch\/?p=180297"},"modified":"2026-08-28T12:35:24","modified_gmt":"2026-08-28T15:35:24","slug":"el-88-de-las-empresas-usa-ia-pero-solo-el-39-ve-resultados","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/ch\/inteligencia-artificial\/el-88-de-las-empresas-usa-ia-pero-solo-el-39-ve-resultados\/","title":{"rendered":"El 88% de las empresas usa IA, pero solo el 39% ve resultados"},"content":{"rendered":"

La incorporaci\u00f3n de inteligencia artificial en las organizaciones ya no es una materia pendiente. Seg\u00fan el informe State of AI de McKinsey, recogido en el AI Index 2026 de Stanford HAI, el 88% de las empresas globales utiliza IA en al menos una funci\u00f3n de negocio, frente al 78% del a\u00f1o anterior. Sin embargo, casi dos tercios a\u00fan no han logrado escalarla a nivel corporativo y solo un 39% reporta un impacto medible en su EBITDA (Ganancias antes de intereses, impuestos, depreciaci\u00f3n y amortizaci\u00f3n) consolidado.<\/p>\n

Otros estudios muestran una brecha similar. Investigaciones del Project NANDA del MIT Media Lab estiman que cerca del 95% de los pilotos de IA generativa no produce un impacto directo y medible en el P&L (ganancias y p\u00e9rdidas) de las compa\u00f1\u00edas. A su vez, S&P Global registr\u00f3 que las empresas que abandonan la mayor\u00eda de sus iniciativas de IA aumentaron de 17% a 42% en un a\u00f1o, mientras Gartner proyecta que m\u00e1s del 40% de los proyectos de IA ag\u00e9ntica ser\u00e1n cancelados antes de finalizar 2027.<\/p>\n

\"La
La falta de una estrategia de gobernanza y de m\u00e9tricas claras limita la capacidad de las empresas para escalar sus iniciativas de IA.<\/figcaption><\/figure>\n

Gobernanza y procesos, claves para capturar valor<\/span><\/h2>\n

Para Juan David Zuluaga, Federation Lead de SoftwareOne<\/strong>, estos resultados no demuestran que la tecnolog\u00eda carezca de utilidad, sino que su impacto depende de c\u00f3mo se integra en la organizaci\u00f3n. \u201cMuchas empresas comenzaron a implementar soluciones por miedo a quedar rezagadas o por entusiasmo, sin un redise\u00f1o real de sus procesos ni una estrategia de gobernanza. Solo un tercio ha implementado un gobierno sobre IA, lo que genera problemas de escalabilidad y costos operativos fuera de control. Separar el valor real de la moda exige disciplina operativa y definir l\u00edneas base claras desde el d\u00eda uno\u201d<\/em>, explica.<\/p>\n

Am\u00e9rica Latina refleja esta misma brecha: mientras el 93% de los trabajadores utiliza herramientas de IA, solo el 28% de las organizaciones se declara preparada para convertir ese uso en valor financiero sostenible. Chile destaca por el r\u00e1pido avance en el aprendizaje de habilidades t\u00e9cnicas de IA, pero a\u00fan enfrenta desaf\u00edos relacionados con infraestructura, integraci\u00f3n de datos y ejecuci\u00f3n.<\/p>\n

Los casos de uso muestran que el retorno aparece cuando la IA se integra a procesos concretos y se acompa\u00f1a de una estrategia de implementaci\u00f3n. La fintech sueca Klarna, por ejemplo, despleg\u00f3 un asistente virtual que gestion\u00f3 2,3 millones de conversaciones en su primer mes y redujo el tiempo de resoluci\u00f3n de 11 a 2 minutos. Sin embargo, posteriormente reincorpor\u00f3 agentes humanos, evidenciando la necesidad de definir desde el inicio los l\u00edmites entre automatizaci\u00f3n y criterio humano.<\/p>\n

\"El
El caso de Klarna muestra tanto el potencial de la automatizaci\u00f3n como la necesidad de mantener el criterio humano en determinados procesos.<\/figcaption><\/figure>\n

Chile: la miner\u00eda como ejemplo de integraci\u00f3n de IA<\/span><\/h2>\n

En Chile, la miner\u00eda tambi\u00e9n muestra el potencial de integrar IA en procesos cr\u00edticos. Aplicaciones de mantenimiento predictivo y optimizaci\u00f3n operacional han permitido anticipar eventos no planificados y reducir p\u00e9rdidas asociadas a procesos productivos, demostrando que el retorno requiere una integraci\u00f3n profunda con los flujos de trabajo y no solo pilotos aislados.<\/p>\n

La evidencia apunta a que la diferencia entre implementar IA y capturar valor no est\u00e1 \u00fanicamente en la sofisticaci\u00f3n de los modelos, sino en la capacidad de las organizaciones para transformar sus procesos, fortalecer el gobierno de datos y establecer m\u00e9tricas de impacto desde el inicio. La pr\u00f3xima etapa de la IA empresarial, por tanto, no estar\u00e1 marcada por qui\u00e9n adopta m\u00e1s r\u00e1pido, sino por qui\u00e9n logra convertir esa adopci\u00f3n en resultados concretos y sostenibles.<\/p>\n

Leer m\u00e1s<\/span><\/h3>\n