The AI Value Realization Gap: la brecha que tu dashboard no muestra

Cuatro cifras de 2025 cuentan la historia:

• 88% de las organizaciones ya usa IA en al menos una función (McKinsey, State of AI).
• Solo ~6% son high performers: atribuyen ≥5% de su EBIT a la IA (McKinsey).
• 95% de los pilotos de GenAI no muestra impacto medible en el P&L (MIT NANDA, The GenAI Divide).
• 42% abandonó la mayoría de sus iniciativas de IA en 2025; era 17% en 2024 (S&P Global).

Adopción masiva. Valor escaso. Esa distancia tiene nombre.

Qué es

La IA no genera valor directamente. Genera potencial de inteligencia.

El AI Value Realization Gap es la distancia entre el valor que la IA hace técnicamente posible y el que la organización efectivamente materializa. En el working paper tiene forma precisa:

V = α · P · Γ · Φ

Donde V es el valor realizado; P, el potencial técnico de la IA; Γ, cuán cerca está la firma de la frontera de su industria (lo que mide el AITG de Dean Barr); y Φ, la eficiencia de conversión organizacional, que es lo que modela AVRT. La brecha es la fracción que no se convierte: (1 − Φ).

Dos firmas con el mismo P y el mismo Γ divergen por Φ. Y Φ no es tecnología: es capacidades, gobernanza y liderazgo. Complementos, no sustitutos.

Cómo se mide

Φ se observa en la cadena de conversión. Un ejemplo ilustrativo:

Un banco genera 200 alertas de riesgo con IA al mes.

• 80 cambian una decisión real → DCR = 40%
• 56 se ejecutan como acciones → ACR = 70%
• 28 producen valor medible → VCR = 50%

Conversión end-to-end: 0,40 × 0,70 × 0,50 ≈ 14%. El 86% del potencial se evaporó, no por el modelo, sino por decisiones, ejecución y medición.

Ese es el gap. Y por eso el dashboard no lo muestra: medimos usuarios, prompts y pilotos. Actividad, no conversión.

Lo que viene

Cada métrica de la serie instrumenta un componente de la ecuación: ALDI = 100 · (1 − Φ), DCR, ACR, VCR y AIRR. La Parte 3 aborda la AI Value Chain, el marco central de la teoría.

Si mañana le pidieran cuantificar qué fracción del potencial de su IA se convirtió en resultados, ¿tendría cómo responder?

Fuentes

McKinsey, The State of AI (nov 2025; encuesta jun–jul 2025, n>1.900) · MIT NANDA, The GenAI Divide: State of AI in Business 2025 · S&P Global Market Intelligence (mar 2025). Las metodologías difieren y el 95% del MIT ha sido debatido; lo robusto es el patrón convergente: adopción alta, captura de valor baja. El ejemplo del banco es ilustrativo.