El panorama corporativo de 2026 se encuentra dividido por una cifra que redefine la narrativa de la transformación digital. Según el reporte State of AI in Business 2025 de MIT, el 95% de los proyectos de inteligencia artificial (IA) generativa han registrado pérdidas financieras o un retorno de inversión (ROI) nulo durante el presente ejercicio. Este dato ha generado un debate entre analistas financieros, directores de tecnología y firmas de consultoría sobre la sostenibilidad de los modelos económicos actuales basados en el procesamiento de lenguaje natural y sistemas autónomos.
La tesis del déficit: el costo de la experimentación sin escala
La corriente escéptica, encabezada por analistas de mercados de capitales, señala que el despliegue de la IA ha seguido un patrón de gasto de capital (CapEx) sin una contrapartida proporcional en el flujo de caja operativo. En el estudio State of AI in Business 2025, en su apartado sobre métricas de rentabilidad, se establece que “el 95% de las organizaciones no han logrado monetizar sus despliegues de IA debido a la falta de integración con los flujos de trabajo diarios y a los elevados costos de inferencia por token”.
Esta visión es respaldada por Srinivas Rao en su análisis para Medium, titulado “How the AI Industry Created $644 Billion of Economic Vandalism in 2025”. Rao argumenta que las empresas han transferido presupuestos de salarios hacia sistemas que no han entregado las ganancias de productividad prometidas. Según Rao en dicho artículo, “entre el 70 % y el 95 % de los pilotos de IA no alcanzan la fase de producción, lo que resulta en una captura de valor por parte de los proveedores de infraestructura mientras las empresas asumen el riesgo operativo”.
Tabla 1: Comparativa de Inversión vs. Retorno por Sector (Datos 2025)
| Sector industrial | Inversión promedio (Millones USD) | Tasa de proyectos con ROI positivo | Costo operativo de mantenimiento |
| Servicios Financieros | $12.4 | 8% | 22% anual |
| Manufactura | $8.2 | 4% | 18% anual |
| Comercio Minorista | $5.9 | 6% | 15% anual |
| Salud / Farmacia | $15.1 | 3% | 25% anual |
| Tecnología y Medios | $20.5 | 12% | 30% anual |
El análisis técnico de Goldman Sachs en su reporte “AI: IN A BUBBLE?” refuerza esta postura. Jim Covello, analista de la firma, indica que el gasto estimado de mil millones de de dólares en infraestructura de IA en los próximos años requiere que la tecnología resuelva problemas complejos para ser rentable, algo que, según los datos de 2025, aún no ocurre de manera generalizada.
La antítesis del crecimiento: el valor de la IA agéntica y temprana
En contraste con las cifras de pérdidas generalizadas, otros informes presentan datos que sugieren un éxito concentrado en las organizaciones con mayor madurez técnica. Google Cloud, en su informe “ROI of AI 2025”, ofrece una perspectiva diferente sobre el uso de agentes autónomos. Según Google Cloud en el estudio ROI of AI 2025, “el 88% de los adoptantes tempranos de IA agéntica reportan un ROI positivo, lo que marca una transición desde la fase de experimentación hacia la de realización de valor”.
Esta divergencia de datos sugiere que el mercado se ha fracturado en dos segmentos. Por un lado, las empresas que utilizan herramientas de IA de manera superficial y, por otro, las que han reestructurado sus procesos. Deloitte, en su reporte “AI ROI: The paradox of rising investment and elusive returns”, documenta que el 74 % de las organizaciones líderes han logrado que sus iniciativas cumplan o superen las expectativas, aunque admiten que el periodo de recuperación de la inversión se ha extendido a un rango de 2 a 4 años.
Tabla 2: Diferenciales de Desempeño entre Líderes y Rezagados (2025)
| Métrica de Desempeño | Líderes (5% del mercado) | Rezagados (95% del mercado) |
| Tiempo de despliegue a producción | 4 meses | 14 meses (promedio) |
| Reducción de costos operativos | 15,5% | 1,2 % |
| Integración de datos propios | 85 % de los modelos | 20 % de los modelos |
| Formación de personal técnico | 60 % de la plantilla | 10 % de la plantilla |
Según el estudio de MIT, en el apartado de análisis estratégico, “la brecha de rentabilidad no es una falla de la tecnología en sí, sino una deficiencia en la arquitectura de datos y en la gobernanza corporativa, donde el 57 % de las empresas reconoce que sus datos no están preparados para el escalamiento de modelos”.
La brecha del aprendizaje y la economía de la “IA en la sombra”
Un factor determinante en el reporte de pérdidas del 95 % es lo que el estudio denomina la “brecha de aprendizaje”. De acuerdo con el reporte State of AI in Business 2025 de MLQ.ai, “los sistemas de IA empresarial actuales presentan flujos de trabajo rígidos que no retienen la retroalimentación de los usuarios finales, lo que conduce al abandono de los pilotos tras los primeros tres meses de uso”.
Este fenómeno ha dado lugar a la “Shadow AI Economy” (Economía de la IA en la Sombra). Mientras las instituciones reportan pérdidas en sus proyectos oficiales, el personal utiliza herramientas externas de manera no oficial. Sundeep Teki, en su análisis del informe de MIT “The GenAI Divide: Why 95% of AI Investments Fail?”, destaca que “el 90 % de los empleados utiliza herramientas de IA personales para sus tareas laborales, lo que demuestra que existe un valor tangible que las estrategias corporativas de arriba hacia abajo no logran capturar ni medir financieramente”.
Tabla 3: Origen del gasto en proyectos con pérdidas (desglose de costos)
| Categoría de gasto | Porcentaje del total | Impacto en el ROI |
| Consultoría Externa (Big 4 / Boutique) | 40 % | Bajo impacto a largo plazo |
| Licencias de Software (SaaS) | 30 % | Costo recurrente sin optimización |
| Cómputo en la Nube (Inferencia) | 20 % | Costo variable creciente |
| Formación de Equipos Internos | 10 % | Impacto positivo pero lento |
La falta de memoria contextual en los modelos implementados por las empresas es citada como la causa técnica principal del fracaso. Según el estudio State of AI in Business 2025, “los modelos genéricos no se ajustan a los contextos específicos de cada industria, lo que obliga a las empresas a gastar en procesos de ‘fine-tuning’ constantes que no garantizan la precisión requerida para operaciones críticas”.
El valle de la desilusión: la madurez según el ciclo de Gartner
La situación financiera descrita por el MIT coincide con la fase del ciclo de vida tecnológico identificada por Gartner. En su reporte “Hype Cycle for Artificial Intelligence 2025”, la consultora sitúa a la IA generativa en el “Valle de la Desilusión”. Según Gartner en este informe, “el interés decae a medida que los experimentos y las implementaciones fallan en la entrega de resultados, lo que obliga a los proveedores a mejorar sus productos para satisfacer a los adoptantes tempranos”.
A pesar de las pérdidas registradas, Gartner sostiene que esta fase es necesaria para la purga de casos de uso sin valor. El reporte “Gartner: Why Gen AI is Hitting a Disillusionment Phase” indica que tecnologías como el aprendizaje automático (ML) están emergiendo del valle hacia la “Pendiente de la Iluminación” gracias al interés en la IA agéntica. Esta evolución técnica permitiría que los proyectos que hoy presentan pérdidas se vuelvan rentables al reducir la necesidad de supervisión humana constante.
Tabla 4: Evolución de las Expectativas de ROI según Gartner (2025)
| Fase del ciclo | Estado de los proyectos | Porcentaje de éxito estimado |
| Pico de Expectativas Infladas (2023-24) | Experimentación masiva | 15% |
| Valle de la Desilusión (2025) | Consolidación y fracaso de pilotos | 5% |
| Pendiente de Iluminación (2026+) | Implementación pragmática | 40% |
| Meseta de Productividad (2027+) | Estandarización industrial | 80% |
Según el estudio State of AI in Business 2025, en su apartado de prospectiva, “las organizaciones que sobrevivan al valle de la desilusión serán aquellas que transiten de la compra de software genérico hacia la construcción de agentes especializados con protocolos de comunicación A2A (Agent-to-Agent)”.
Reconfiguración de la inversión: del capital de riesgo a la utilidad operativa
La respuesta de las empresas ante el dato del 95% de pérdidas ha sido una reevaluación de los presupuestos para el año fiscal 2026. Goldman Sachs, en su artículo “Why AI Companies May Invest More than $500 Billion in 2026”, sugiere que la inversión continuará creciendo a pesar de los resultados actuales, pero con un enfoque en la eficiencia del hardware y la reducción de la deuda técnica.
El reporte State of AI in Business 2025 de MIT concluye que “el mercado está pasando de una fase de ‘IA por curiosidad’ a una de ‘IA por necesidad operativa’, donde solo los proyectos que demuestren una reducción cuantificable en el costo por transacción recibirán financiamiento continuo”. El estudio señala que el 42% de las empresas han abandonado la mayoría de sus iniciativas de IA en 2025 para concentrarse en un único caso de uso de alta prioridad.
Tabla 5: Prioridades de Inversión para el Periodo 2025-2026
| Área de enfoque | Justificación estratégica | Porcentaje de reasignación de presupuesto |
| Gobernanza y Seguridad | Cumplimiento legal y protección de datos | 25% |
| Arquitectura Agéntica | Autonomía de tareas y reducción de costos | 35% |
| Optimización de Datos | Mejora de la precisión del modelo (RAG) | 30% |
| Interfaces de Usuario | Mejora de la adopción interna | 10% |
El debate sobre el reporte de pérdidas del 95% pone de manifiesto que la inteligencia artificial se encuentra en una etapa de ajuste macroeconómico. Según el MIT, “el éxito futuro depende de la capacidad de las empresas para tratar la IA como una infraestructura crítica de largo plazo y no como una solución de software de retorno inmediato”. La convergencia entre los datos de MIT, Gartner y Goldman Sachs indica que, aunque el déficit financiero actual es sistémico, la base técnica para la rentabilidad futura se está estableciendo a través de la especialización de modelos y la integración profunda en los procesos de negocio.
