Aditya Challapally, el encargado de liderar el equipo elaboró el informe, destacó que el 5% de empresas que logró éxito con la IA se concentra en una área muy especializada y tienen un contacto directo y permanente con sus clientes. Se trata de firmas que invierten en herramientas de marketing y ventas con IA.
Pero, según el MIT, la aplicación de IA que verdaderamente puede marcar diferencia en los beneficios de una corporación es la que permite la automatización de los procesos internos. Esto significa, usar la IA para mejorar los procesos de toda la empresa, no sólo para gestionar el producto final enfocado al cliente como ofrecen herramientas como ChatGPT y Copilot, entre otras.
Tras la difusión de este trabajo del MIT, las acciones de todas las compañías vinculadas a la IA, como OpenAI, Microsoft o Google, sufrieron fuertes caídas en Wall Street, en medio de rumores sobre la existencia de una “burbuja de IA” que está cada vez más cerca de explotar.
Cae la confianza en la IA, según el consenso de los expertos
Hay varios informes que contienen puntos coincidentes sobre esta etapa de tensión en que ingresó la experiencia de la IA Gen. Algunos son de firmas como KPMG, PwC, McKinsey, Oliver Wyman y empresas como IBM que se suman a las advertencias del Instituto de Tecnología de Massachusetts (MIT).
Por caso, un informe reciente de IBM refleja con claridad esa tensión: apenas un 52% de los CEO asegura estar obteniendo beneficios tangibles más allá del ahorro de costos.
Argumentan que si bien significa un progreso, sigue muy lejos de la pretensión de lograr un impacto inmediato y generalizado en ingresos, productividad o competitividad.
A su vez, un relevamiento de PwC destaca que a pesar del entusiasmo por el potencial de la IA, persiste una brecha de confianza. Sólo el 49% de los CEO consultados dijo que espera mejoras en la rentabilidad gracias a la IA generativa. Y sólo 1 de cada 3 consultados respondió que se siente plenamente confiado en su implementación.
Las conclusiones de estos trabajos son cada vez más comprobadas. Tanto las ya mencionadas investigaciones recientes del MIT, como reportes de firmas como McKinsey, PwC y Oliver Wyman coinciden en señalar que el entusiasmo inicial de los líderes corporativos dio paso a un período de cautela, en el que abundan las experiencias con resultados modestos y el temor a que la curva de maduración sea más prolongada de lo esperado.
El MIT documentó que la gran mayoría de las experiencias piloto instrumentadas en las empresas no logró exhibir un retorno de la inversión que sea claro ni que tenga un impacto medible, principalmente por problemas de integración y expectativas infladas.
En paralelo, McKinsey ya advertía en 2024 que los beneficios concretos se concentran en un pequeño grupo de compañías de alto rendimiento, mientras que el promedio enfrenta fricciones vinculadas al riesgo, la gobernanza corporativa y la implementación de herramientas en la estructura interna.
En otras palabras, lo que advirtió la consultora fue que mientras unos pocos lograban avanzar con casos exitosos, la mayoría transitaba un sendero de aprendizajes costosos y resultados parciales.
Cuáles son las dificultades para llevar al éxito las experiencias piloto de IA
Uno de los puntos críticos que están demostrando los llamados “use cases star” (casos estrella) es la dificultad para escalar en su desarrollo. Hasta ahora, los ejemplos más citados de aplicaciones de IA Generativa se concentran en generación de contenido y asistentes virtuales. Más allá de esos nichos, la adopción de otras utilizaciones más complejas avanzan a ritmo más lento.
Un relevamiento de la consultora Oliver Wyman muestra que más de la mitad de los CEO perciben “la falta de casos probados y replicables” como uno de los principales riesgos de la IA, al mismo nivel que la gobernanza o la seguridad.
PwC, en tanto, reconoce que existen puntos de mejora en materia de productividad, pero que el desafío real es extender esas mejoras localizadas en un solo punto hacia la cobertura completa de procesos críticos en las organizaciones.
La preocupación que sintetizan estos enfoques es que los avances se concentran en áreas muy específicas y todavía no se traducen en transformaciones sistémicas.
Otro motivo de desconfianza que destacan los informes de los expertos es el costo real total de la incorporación de algunas soluciones de IA. Contra la expectativa inicial que asociaba la IA generativa con un ahorro automático, los números revelan una economía mucho más compleja.
La instrumentación de esta herramienta implica gastos de contabilidad, almacenamiento y seguridad, sumados a la necesidad de mantener a personas de carne y hueso haciendo seguimiento de todo el circuito para revisar y controlar la calidad de los resultados.
Más allá de la economía, los riesgos técnicos también siguen pesando a pesar de que la IA fue promocionada como una herramienta autosuficiente capaz de resolver todas las dudas casi al instante.
Según un informe de McKinsey, los ejecutivos consultados mencionan tres focos principales: las alucinaciones (respuestas inexactas o sin sentido en que puede incurrir la IA), los sesgos en los enfoques y la falta de explicabilidad/interpretabilidad de los modelos.
El 40% de los encuestados consideró que este último aspecto es un requisito clave, pero apenas un 17% respondió que trabaja activamente en resolverlo. “Esa brecha explica las limitaciones que tiene el uso de estos pilotos en sectores regulados como el financiero, la salud o el abastecimiento”, destaca el trabajo.
Las dificultades también aparecen en el nivel del liderazgo corporativo. McKinsey subraya que apenas un 1% de las empresas se percibe “madura” en IA, y que la principal barrera no es la voluntad de los empleados, sino la capacidad de dirección y orquestación desde la alta gerencia.
El problema se agrava en el rango ejecutivo más alto. Según Gartner, solo el 44% de los CEO no cree que su CIO (director de informática) sea lo suficientemente experto en IA como para delegar en él el manejo de la agenda en el mediano plazo. La confianza es aún menor cuando se trata de otras funciones que reportan al CEO, como finanzas, marketing o recursos humanos.
La IA y la demanda de transparencia
El debate sobre el retorno de la inversión se cruza también con una exigencia cada vez más fuerte por parte de los inversores: la “transparencia”.
Según el informe Global Investor Survey 2024 que elabora PwC, el 73% de los inversores cree que las empresas deben acelerar la adopción de IA, pero al mismo tiempo reclaman más información sobre cómo se implementa, se administra y se supervisa.
El trabajo destaca que sólo el 49% de los CEO espera mejoras concretas en rentabilidad y apenas un tercio (1 de cada 3) se declara plenamente confiado en la implementación de estas herramientas.
En este contexto, la transparencia deja de ser un valor abstracto y se convierte en una ventaja competitiva, especialmente frente al avance de regulaciones como la Ley de IA en la Unión Europea y las normativas en discusión en Estados Unidos y Asia.
“El verdadero valor de la IA se materializa cuando se implementa con responsabilidad y transparencia. Las empresas que lideren este cambio no solo ganarán en eficiencia, sino también en confianza y legitimidad ante sus grupos de interés”, señaló Diego López, de PwC Argentina.
Pese a todas estas dudas, el panorama no es enteramente pesimista. Un estudio de KPMG muestra que el 78% de los CEO mantiene la expectativa de lograr retorno de la inversión en un plazo de uno a tres años.
Muchos reconocen que, más allá de los resultados inmediatos, invierten en IA por temor a quedar rezagados frente a competidores.
Sin embargo, en el corto plazo prima la cautela. El mercado financiero se ha mostrado volátil ante informes que cuestionan el impacto real de la tecnología, golpeando las cotizaciones de compañías asociadas a la “ola AI”.
—
fuente: Inteligencia artificial y negocios: el retorno de la inversión se demora y crecen las dudas …”> GOOGLE NEWS
