El verdadero problema de la IA no es la tecnología. Es que el liderazgo no la entiende.

Tres de las firmas de investigación más rigurosas del mundo midieron lo mismo en 2025. Llegaron a la misma conclusión incómoda a la que yo llegué — y no tiene que ver con la tecnología.

La próxima brecha competitiva no será solo entre las empresas que usan IA y las que no.

Será entre los equipos de liderazgo que entienden cómo la IA cambia los modelos operativos — y aquellos que todavía la tratan como una capa tecnológica.

La mayoría aún no distingue bien esa diferencia. Ese es el riesgo estratégico.

El dato que conviene mirar de frente

Cuando tres estudios independientes, con metodologías distintas, convergen en la misma cifra, conviene prestar atención.

McKinsey, en su State of AI 2025 (1.993 organizaciones), encontró que el 88% de las empresas ya usa IA en al menos una función, pero solo el 39% reporta algún efecto en el EBIT — y en la mayoría de los casos, por debajo del 5%.

BCG, en un estudio de más de 1.250 empresas, fue más crudo: solo el 5% logra valor de la IA a escala, mientras que el 60% no obtiene ningún valor material pese a inversiones sustanciales.

Y el MIT, en su reporte GenAI Divide, encontró que el 95% de los pilotos de IA generativa no produjeron ningún impacto medible en el P&L.

Tres firmas. Tres metodologías. Una sola conclusión: la adopción es masiva, pero el valor es raro.

La pregunta correcta no es "¿estamos usando IA?" — casi todos lo hacen. Es "¿por qué tan pocos capturan valor real?"

El cuello de botella no es la tecnología

Acá está el hallazgo más importante, y el más ignorado. El MIT fue explícito: los pilotos fallan por brechas de integración, datos y gobernanza — no por limitaciones de los modelos. Como resume McKinsey, la IA es 20% algoritmos y 80% rediseño organizacional.

El dato más revelador del estudio del MIT es indirecto: mientras solo el 40% de las empresas tiene suscripciones oficiales de IA, el 90% de los trabajadores ya usa herramientas personales como ChatGPT o Claude para sus tareas diarias. Existe una "economía de IA en la sombra" que funciona mejor que los sistemas corporativos — y que la mayoría de los líderes no ve ni gobierna.

Mientras tanto, el 42% de las empresas abandonó la mayoría de sus iniciativas de IA en 2025, frente a solo el 17% el año anterior. No es una desaceleración. Es una señal de que se está invirtiendo sin entender.

Por qué se rompe el modelo de delegación

Durante años, el liderazgo operó sobre la base de la delegación: los ejecutivos definían la dirección, los equipos de tecnología ejecutaban y las unidades de negocio adoptaban.

Con IA — especialmente GenAI e IA agéntica — ese modelo empieza a romperse.

Los líderes todavía pueden delegar la ejecución. Pero ya no pueden delegar el entendimiento.

Lo que el liderazgo necesita saber (y no es Python)

Esto no se trata de aprender a programar ni de ajustar redes neuronales. Se trata de saber:

• Dónde la IA crea valor y dónde crea riesgo
• Qué debe construirse versus comprarse
• Qué debe centralizarse versus federarse
• Qué debe gobernarse
• Qué nunca debería automatizarse sin accountability humana

Cuando el liderazgo no puede hacer esas preguntas, los trade-offs fallan de manera predecible:

• Sobreinvertir en herramientas mientras se subinvierte en datos
• Lanzar pilotos sin un camino real a despliegue
• Subestimar la gobernanza
• Centralizar todo y perder velocidad — o descentralizar demasiado y fragmentar

Un dato de BCG ilumina este último punto: los presupuestos de IA se concentran abrumadoramente en ventas y marketing, a pesar de que el ROI es mayor en operaciones y finanzas. Es exactamente el tipo de trade-off equivocado que ocurre cuando se decide sin fluidez.

Dónde vive realmente el valor

¿Qué hacen distinto el 5% que sí captura valor? Según BCG, los ganadores — las empresas "future-built" — se distinguen por rediseñar sus flujos de trabajo y elevar las capacidades de su talento, no por tener mejores modelos. El verdadero valor de la IA empresarial vive en las dependencias que la mayoría de las decisiones omite: calidad de datos, rediseño de procesos, gobernanza, adopción, accountability y disciplina operativa.

Un equipo puede aprobar una estrategia de IA. Pero si no puede distinguir entre un chatbot, una arquitectura RAG, un modelo predictivo y un agente autónomo, le costará hacer las preguntas correctas — y puede asumir que herramientas como ChatGPT o los copilotos empresariales resolverán problemas complejos de negocio por sí solos.

No lo harán.

Gartner enmarca el mismo punto ciego desde la cúpula: la alfabetización ejecutiva en IA no requiere programar, pero sí exige la inteligencia estratégica para cuestionar supuestos, evaluar riesgos y alinear la IA con las prioridades de largo plazo. Sin esa alfabetización, se aprueban iniciativas que no se entienden del todo.

Lo que he visto en la práctica

Liderando transformaciones de datos e IA en entornos tan distintos como la industria farmacéutica, el retail y los servicios tecnológicos, el patrón que más se repite es el mismo. Cuando implementé modelos predictivos para oncología y vacunas, lo que separaba un piloto exitoso de uno que se quedaba en el camino casi nunca era el algoritmo: era si el negocio había rediseñado su proceso de decisión alrededor del modelo. Los proyectos que capturaron valor no fueron los técnicamente más sofisticados, sino aquellos donde el liderazgo entendió que la IA cambiaba cómo se operaba, no solo qué herramienta se usaba.

Es la misma conclusión a la que llegaron McKinsey, BCG y el MIT por separado. Yo la vi proyecto a proyecto.

Esa es la brecha que definirá la próxima década.

La mayoría de los equipos de liderazgo cree que entiende la IA. Los resultados, muchas veces, dicen lo contrario.

¿Dónde ves hoy la brecha más grande: directorios, C-level, unidades de negocio o liderazgo tecnológico?

Fuentes

• McKinsey, The State of AI 2025.
• BCG, estudio sobre creación de valor con IA en más de 1.250 empresas (2025).
• MIT, The GenAI Divide (2025).
• Gartner, sobre alfabetización ejecutiva en IA.