Por qué 73% de la IA empresarial fracasa

Esta semana el debate sobre IA en el alto nivel ejecutivo cambió de tono. El 4 de mayo IBM publicó un estudio global con más de 2,000 organizaciones encuestadas que muestra dos datos difíciles de ignorar para cualquier directivo en México. El primero es que 76% de las empresas ya creó la figura del Chief AI Officer o Director de Inteligencia Artificial — la persona que responde por toda la cartera de IA frente al consejo y al CEO — cuando hace apenas un año eran solo 26%. El segundo, todavía más revelador, es que 61% de los CEOs sienten que su propio consejo de administración está empujando la adopción de IA más rápido de lo prudente. Una semana después, el 11 de mayo, CNBC retomó el mismo tema con la pregunta concreta que muchas juntas están haciendo: ¿necesitamos un director de IA en este consejo?

Este movimiento se monta sobre una incomodidad mayor que viene de varios reportes recientes. McKinsey reportó que 88% de los líderes encuestados ya despliegan IA en su organización, pero 86% reconoce que su empresa no estaba preparada para integrarla en operaciones cotidianas. Distintas firmas — IBM, Morgan Stanley, MIT Sloan — coinciden en un mismo orden de magnitud: solo entre 21 y 29% de las iniciativas de IA llegan a entregar el retorno que se prometió cuando fueron aprobadas. El resto — alrededor de 73% según un análisis reciente de gasto empresarial — se queda en pilotos que mejoran tareas individuales pero no mueven el resultado de la compañía. El gasto global estimado en IA empresarial para este año supera los 600 mil millones de dólares; mucho de eso, en términos prácticos, no aparece en el estado de resultados de quien lo gastó.

Para una organización en México, este desfase importa por una razón concreta. El consejo escucha a sus pares internacionales, lee la prensa global y empieza a presionar al equipo directivo para que la empresa tenga una estrategia de IA visible. El equipo directivo despliega lo más rápido que puede — copilotos, asistentes, pilotos en varias áreas — y al cabo de seis o nueve meses no consigue mostrar números que justifiquen el gasto. La conclusión no es que la IA no sirva; es que el problema no era tecnológico desde el principio. Lo que hoy distingue a las empresas que sí extraen valor del resto no es el modelo que eligieron, sino la disciplina con la que decidieron antes de comprarlo: qué resultado de negocio van a cambiar, cómo lo van a medir y quién dentro de la organización tiene la autoridad para apagar la iniciativa si no funciona.

Contexto. DBS Bank, el banco más grande del sudeste asiático con sede en Singapur, lleva más de una década preparándose deliberadamente para usar IA en lugar de comprarla cuando se puso de moda. El problema clásico de una banca de su tamaño es doble: el costo operativo crece más rápido que los ingresos porque cada nueva línea exige más procesos manuales de verificación, y la experiencia del cliente se degrada en los puntos donde una persona tarda en responder lo que un sistema podría contestar en segundos.

Decisión. En lugar de un gran programa de transformación, DBS adoptó una arquitectura de cartera. Cada caso de uso de IA — fueron acumulando hasta más de 370, sostenidos por más de 1,500 modelos — se trata como una inversión que debe rendir cuentas: tiene un patrocinador con nombre y apellido, una métrica de negocio definida antes del despliegue, un horizonte de evaluación y un mecanismo para apagarlo si no entrega los resultados esperados. El banco no se permite la categoría de proyecto de IA sin patrocinador ejecutivo ni la categoría de modelo desplegado sin métrica. Esto suena obvio cuando se lee, pero no es la regla cuando se compara con cómo operan la mayoría de las empresas que hoy invierten en IA.

Resultado. DBS cerró 2025 reportando aproximadamente 740 millones de dólares estadounidenses en valor económico atribuido a IA, un salto desde los aproximadamente 275 millones que reportaba a finales del año fiscal 2023. El valor se divide en tres categorías que el banco mide por separado: ingresos adicionales, reducción de costo y riesgo evitado. En operaciones, la automatización inteligente recortó hasta 80% del tiempo manual en transacciones rutinarias; en servicio al cliente, los asistentes virtuales atienden más del 80% de las consultas sin intervención humana, lo que liberó capacidad para casos complejos.

Qué puedes extraer tú de esto. El instinto natural cuando llegan los reportes globales sobre IA es preguntar qué herramienta comprar primero. DBS muestra que la decisión inicial correcta no es de compra; es de gobierno: cómo se aprueba un proyecto de IA en tu organización, qué necesita demostrar antes de pasar a producción y quién firma. Una empresa mexicana de cien personas no necesita 370 casos de uso ni 1,500 modelos. Necesita exactamente la misma disciplina aplicada a los tres o cuatro casos que sí decida emprender este año. La diferencia entre estar en el 27% que captura valor y en el 73% que no, es esa disciplina, no la talla.

Mientras la atención en México está puesta en la regulación europea y en la propia iniciativa local, China dio este año un paso que conviene seguir aunque suene lejano. El 1 de enero de 2026 entró en vigor una reforma sustantiva a la Ley de Ciberseguridad en China que, por primera vez, incorpora la gobernanza de IA dentro del propio régimen de ciberseguridad y eleva las sanciones máximas a 50 millones de yuanes — alrededor de 7 millones de dólares — o hasta 5% del ingreso anual global de la empresa, el monto que resulte mayor. La Administración Nacional de Datos anunció que durante este año emitirá más de 30 estándares técnicos adicionales aplicables a sistemas de IA, datasets de alta calidad y agentes autónomos. En el primer trimestre del año se hicieron públicas casi cien vulnerabilidades en agentes de IA de uso empresarial, lo que está acelerando la respuesta del regulador chino.

El detalle relevante para una empresa mexicana tiene que ver con la cadena de suministro. Si tu organización exporta a Asia, opera en una zona económica especial con presencia china, contrata software o componentes a proveedores chinos, o tiene un fondo de inversión chino entre sus accionistas, la nueva ley extiende obligaciones de auditoría y documentación de IA a quienes manejen datos de ciudadanos chinos o sistemas conectados a operaciones en China.

Hay un patrón global que conviene nombrar. Bruselas, Washington, Brasilia, Beijing y la Ciudad de México están construyendo reglas distintas, pero todas piden la misma cosa en el fondo: que la empresa pueda demostrar — con documentación que existe antes de la inspección, no después — qué sistemas de IA operan dentro, qué decisiones toman, qué datos consumen y quién responde por ellos. La regulación que llegue primero a tu industria no es del todo predecible, pero el expediente que te van a pedir sí lo es.

Elige una sola iniciativa de IA en tu organización — la más visible, la más cara o la más reciente — y convoca a tres personas a una sesión de treinta minutos: quien la patrocina, quien la opera día a día y quien lleva las finanzas de esa área. El objetivo de la sesión no es revisar el avance del proyecto. Es construir, en una sola hoja, el caso de negocio que debió existir antes de que arrancara y que probablemente no se escribió con esta disciplina.

Llenen, por escrito, cuatro líneas concretas sobre esa iniciativa. La primera: cuál es el resultado de negocio específico que esperan cambiar, dicho en términos del estado de resultados o de un indicador operativo clave. No vale más eficiencia o mejor experiencia del cliente — vale reducir el tiempo promedio de aprobación de crédito de catorce días a tres, o subir tres puntos la tasa de retención en un segmento específico.

La segunda: cuál es el número de partida, medido hoy, antes de que la IA intervenga; sin esta línea, cualquier comparación posterior será una opinión, no una medición.

La tercera: cuál es el umbral por debajo del cual esa iniciativa se apaga. Esto es lo que casi nadie escribe y lo que más diferencia a las empresas que extraen valor del resto. Si en seis meses el indicador no se mueve al menos “X”, ¿qué pasa con el proyecto, con el presupuesto y con el equipo que lo opera? Sin un umbral acordado de antemano, las iniciativas que no funcionan no se cierran — se renombran.

La cuarta: quién firma. No el área, ni el comité; el nombre de la persona que asume públicamente que ese proyecto entregará el resultado en el plazo previsto.

El producto de esta sesión es una hoja que cabe en una página. No es una metodología, no es una certificación, no exige consultor externo. Es la conversación que distingue al banco de Singapur del promedio del mercado. Lo importante es probarlo con un solo caso real de tu organización. Si al terminar la sesión las cuatro líneas siguen vacías, tienes la respuesta a por qué esa iniciativa probablemente no va a aparecer en los resultados del año.

Samuel Campos

Arquitectura Estratégica con IA