La tasa de adopción de IA generativa supera las formas más antiguas de IA, así como las previsiones empresariales.
por S&P Global
Las tasas de fracaso de los proyectos parecen ser elevadas a medida que las organizaciones intentan entregar proyectos de IA generativa a buen ritmo.
Menos organizaciones informan resultados positivos de la IA generativa, pero algunas están encontrando valor en áreas inesperadas.
Introducción
La adopción de la IA generativa ha superado incluso las ambiciosas estrategias establecidas por las organizaciones en 2024. La tecnología ha ido pasando de la experimentación a la implementación operativa, aunque muchas organizaciones aún intentan ampliar completamente las implementaciones. Sin embargo, el impacto organizacional de estos proyectos no ha progresado tan rápido como su creciente implementación. La Voz de la Empresa: IA y Aprendizaje Automático, Casos de Uso 2025 —una encuesta a 1006 profesionales de TI y de línea de negocio de nivel medio y superior en Norteamérica y Europa— revela que, a pesar del gran entusiasmo y la inversión, muchas organizaciones no están obteniendo mayores beneficios que cuando solo experimentaban con la tecnología.
La toma
La IA generativa está generando impacto en las organizaciones. La pregunta cada vez más frecuente es si este impacto está a la altura de las inversiones organizacionales, así como del costo de oportunidad. La opinión generalizada ha sido que este equilibrio costo-beneficio se inclinaría a favor de la IA generativa a medida que el rendimiento del modelo mejorara y las organizaciones comenzaran a integrarla en sus prácticas. En cambio, los datos de este año indican que menos organizaciones están viendo impactos positivos de la IA generativa y, en muchos casos, el rendimiento de los proyectos de IA en relación con los KPI se está estancando. Las mayores tasas de fracaso de proyectos reportadas, probablemente impulsadas por el enfoque acelerado para la adopción de la IA generativa, son otro indicador preocupante del rendimiento de estas inversiones. Sin embargo, un grupo de organizaciones de alto rendimiento está desafiando este patrón general con una estrategia de monitoreo y personalización más madura, un enfoque más holístico para la priorización de proyectos y un mejor manejo de los desafíos de seguridad, sesgo y privacidad de datos.
Resumen de los hallazgos
La tasa de adopción de la IA generativa supera las formas de IA más antiguas, así como las previsiones empresariales. La mayoría de las organizaciones que invierten activamente en IA ya tienen IA generativa en producción. De estas, el 27 % afirma tener una adopción generalizada, mientras que el 33 % afirma que se limita a departamentos o proyectos específicos. Esto supone un aumento con respecto a las cifras de la encuesta del año anterior, del 13 % y el 28 %, respectivamente. La tasa de adopción supera la de las iniciativas de IA basadas en patrones y reglas, y las previsiones realizadas por las organizaciones en 2024. Para finales de 2025, el 40 % prevé la implantación generalizada de herramientas de IA generativa en toda la organización.
Las tasas de fracaso de proyectos parecen ser elevadas, ya que las organizaciones intentan entregar proyectos de IA generativa a buen ritmo. El porcentaje de empresas que abandonan la mayoría de sus iniciativas de IA antes de que lleguen a producción ha aumentado del 17 % al 42 % interanual, y las organizaciones informan, en promedio, que el 46 % de los proyectos se descartan entre la prueba de concepto y la adopción generalizada. Esto marca una desviación significativa de la tendencia a la baja anterior, lo que pone de relieve las dificultades que enfrentan muchas organizaciones para implementar rápidamente proyectos de IA. Las empresas con tasas de fracaso de proyectos más altas son notablemente más propensas a encontrar resistencia por parte de clientes y empleados, y tienen un mayor nivel de preocupación por el daño a la reputación. Las organizaciones con una tasa de fracaso de proyectos más baja tienen un enfoque más holístico para la priorización de proyectos y son comparativamente más propensas a considerar criterios de cumplimiento, riesgo y disponibilidad de datos al seleccionar proyectos.
Menos organizaciones reportan resultados positivos de la IA generativa, pero algunas están encontrando valor en áreas inesperadas. La proporción de organizaciones que mencionan un impacto positivo de las inversiones en IA generativa ha disminuido en todos los objetivos empresariales evaluados. Si bien la mayoría de las organizaciones aún percibe un impacto positivo, la última encuesta refleja una notable caída interanual en áreas como los objetivos de crecimiento de ingresos (76%, frente al 81%), la gestión de costos (74%, frente al 79%) y la gestión de riesgos (70%, frente al 74%). Estas disminuciones son relevantes porque muchos esperaban que el rendimiento de las iniciativas de IA generativa aumentara a medida que la tecnología madurara y las organizaciones pasaran de experimentar con herramientas a integrarlas en sus procesos. Es preocupante que, entre los encuestados cuyas organizaciones habían invertido en IA generativa, el 46% indicó que ningún objetivo empresarial había experimentado un “impacto positivo significativo” de dicha inversión. Considerando las inversiones que las organizaciones han realizado en IA generativa y los claros costos de oportunidad, el rendimiento de estas aplicaciones es preocupante.
Se está gestando una situación más positiva en torno a algunas áreas de aplicación de la IA generativa que hace un año eran menos prioritarias para las organizaciones o que les generaban valor. En particular, la interacción interna con sistemas, los procesos complejos de varios pasos, como el diseño y la creación de prototipos, y el contacto con las ventas parecen estar asociados con un mayor impacto empresarial que áreas populares como la creación de contenido o el resumen de información. Dado que estos desafíos más complejos, basados en tareas, están estrechamente relacionados con los marcos “agenticos”, estas áreas de aplicación podrían experimentar un mayor impulso el próximo año.
Los agentes de IA se perciben como clave para generar valor con IA generativa. Ante estos beneficios menores a los esperados, el paradigma emergente de la IA generativa está generando un renovado entusiasmo por su potencial para la creación de valor. El interés es casi universal: el 58 % de los encuestados afirma estar buscando oportunidades para implementar agentes y asistentes, y otro 40 % está abierto a explorarlos. Los usuarios esperan que los agentes generen el mayor impacto en los ámbitos de la automatización de tareas y procesos. La automatización de procesos es un área principal donde las organizaciones han reportado beneficios menores a los esperados de las iniciativas de IA generativa existentes. En relación con esto, las organizaciones están implementando una combinación de técnicas para mejorar la calidad, la relevancia y la seguridad de los resultados de los modelos, incluyendo la monitorización de respuestas en vivo (55 %), el ajuste fino (48 %) y el almacenamiento en caché de respuestas (38 %), todas las cuales adquieren mayor importancia en el complejo mundo de los agentes y su gestión, a medida que estas entidades son cada vez más autónomas y capaces de tomar acciones autodirigidas.
Cada vez más organizaciones están comprendiendo los desafíos clave de la IA generativa, pero el coste es un área de enfoque cada vez mayor. Las organizaciones siguen identificando desafíos importantes en torno a la IA generativa. Los desafíos más comunes se relacionan con la privacidad de los datos (38%), los riesgos de seguridad (38%) y los costes (37%). Sin embargo, menos organizaciones citan los riesgos de seguridad como un desafío en comparación con el año pasado (la cifra muestra una disminución de 7 puntos con respecto a la encuesta anterior) y las organizaciones también parecen ser más efectivas a la hora de identificar casos de uso y abordar la diversidad de contenido. Si bien algunas preocupaciones, como la disponibilidad y la sostenibilidad de los datos de entrenamiento, experimentaron un ligero aumento, el patrón general fue positivo, con una disminución interanual en muchos desafíos clave. No obstante, el coste se está convirtiendo en una preocupación cada vez mayor para muchas organizaciones. No solo se ha observado un ligero aumento interanual en la frecuencia con la que se cita el coste como un desafío para la adopción de la IA generativa, sino que también se ha convertido en el factor de toma de decisiones más común en la priorización de proyectos de IA. Además, el coste no solo fue el KPI de proyecto con peor rendimiento, sino que las evaluaciones de rendimiento parecen haber empeorado interanualmente.
La escasez de habilidades sigue siendo un desafío persistente. En la encuesta del año pasado, el 10% de los encuestados indicó que la escasez de habilidades era la principal preocupación en sus iniciativas de IA, lo que la convierte en el problema más acuciante identificado en la encuesta. Este año, el porcentaje de organizaciones que la reconocen como una preocupación se mantiene estable en el 27%, lo que significa que sigue siendo un desafío prevalente. Sin embargo, la proporción de quienes la consideran la principal preocupación disminuyó ligeramente al 8%, a medida que se ha prestado más atención a cuestiones relacionadas con las limitaciones presupuestarias, la precisión y la privacidad. El impacto de la escasez de habilidades varía según el sector; es particularmente pronunciado en la manufactura, las telecomunicaciones, la construcción y el sector inmobiliario. Estas industrias también reportan retornos de la inversión notablemente menores en las iniciativas de IA, lo que sugiere que la escasez de habilidades es un obstáculo importante para el éxito. En respuesta, las organizaciones están diversificando sus estrategias para abordar este desafío. Aproximadamente la mitad de las organizaciones que enfrentan escasez de habilidades se están enfocando en la capacitación o el perfeccionamiento de su fuerza laboral actual (49%), mientras que una proporción similar está recurriendo a integradores y consultores de TI (46%) para cubrir las necesidades.
La inversión en MLOps continúa aumentando, y las organizaciones están mejorando sus prácticas de medición. Si bien el rendimiento de los proyectos de IA no ha mejorado significativamente, sí lo ha hecho el número de criterios utilizados para medirlo. Las organizaciones, en promedio, utilizan 7,1 de las 20 métricas de medición de IA consideradas en la encuesta, frente a las 6,3 de la encuesta del año anterior. A pesar de las mejoras en el rendimiento en áreas como el tiempo de inferencia y la frecuencia de uso, en general, menos criterios se consideran “muy exitosos” en comparación con el año anterior, con puntuaciones más bajas en las métricas de riesgo y coste. El aumento en el número de técnicas de medición puede reflejar, en parte, mejoras graduales en la inversión en MLOps. La proporción de organizaciones que han invertido en herramientas MLOps aumentó del 24 % al 27 % interanual, y un 42 % adicional prevé empezar a utilizar una herramienta MLOps en los próximos 12 meses. Las principales razones por las que las organizaciones no han invertido en MLOps se relacionan con el limitado uso actual de la IA y la dificultad para demostrar el retorno de la inversión (ROI) de dichas inversiones.