La incorporación de inteligencia artificial en las organizaciones ya no es una materia pendiente. Según 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 función de negocio, frente al 78% del año anterior. Sin embargo, casi dos tercios aún no han logrado escalarla a nivel corporativo y solo un 39% reporta un impacto medible en su EBITDA (Ganancias antes de intereses, impuestos, depreciación y amortización) consolidado.
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 pérdidas) de las compañías. A su vez, S&P Global registró que las empresas que abandonan la mayoría de sus iniciativas de IA aumentaron de 17% a 42% en un año, mientras Gartner proyecta que más del 40% de los proyectos de IA agéntica serán cancelados antes de finalizar 2027.
Para Juan David Zuluaga, Federation Lead de SoftwareOne, estos resultados no demuestran que la tecnología carezca de utilidad, sino que su impacto depende de cómo se integra en la organización. «Muchas empresas comenzaron a implementar soluciones por miedo a quedar rezagadas o por entusiasmo, sin un rediseño 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 líneas base claras desde el día uno», explica.
América 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 rápido avance en el aprendizaje de habilidades técnicas de IA, pero aún enfrenta desafíos relacionados con infraestructura, integración de datos y ejecución.
Los casos de uso muestran que el retorno aparece cuando la IA se integra a procesos concretos y se acompaña de una estrategia de implementación. La fintech sueca Klarna, por ejemplo, desplegó un asistente virtual que gestionó 2,3 millones de conversaciones en su primer mes y redujo el tiempo de resolución de 11 a 2 minutos. Sin embargo, posteriormente reincorporó agentes humanos, evidenciando la necesidad de definir desde el inicio los límites entre automatización y criterio humano.
En Chile, la minería también muestra el potencial de integrar IA en procesos críticos. Aplicaciones de mantenimiento predictivo y optimización operacional han permitido anticipar eventos no planificados y reducir pérdidas asociadas a procesos productivos, demostrando que el retorno requiere una integración profunda con los flujos de trabajo y no solo pilotos aislados.
La evidencia apunta a que la diferencia entre implementar IA y capturar valor no está únicamente en la sofisticación de los modelos, sino en la capacidad de las organizaciones para transformar sus procesos, fortalecer el gobierno de datos y establecer métricas de impacto desde el inicio. La próxima etapa de la IA empresarial, por tanto, no estará marcada por quién adopta más rápido, sino por quién logra convertir esa adopción en resultados concretos y sostenibles.
