Geyto Research · Mariano D'Angelo · Revisión de evidencia · · 3 min de lectura
Por qué los pilotos de IA no escalan. Lo que muestran los estudios
Casi todas las organizaciones prueban IA y pocas la escalan. Qué muestran los estudios recientes sobre la distancia entre el piloto y el trabajo diario.
En breve: casi todas las organizaciones ya probaron IA, y una minoría logra llevarla al trabajo de todos los días con resultados. Los estudios recientes coinciden en dónde se abre la distancia: no tanto en la calidad de los modelos, sino en la integración con el trabajo, en el rediseño de los procesos y en la capacidad para sostener el cambio. Un piloto prueba que la herramienta funciona. No prueba que el trabajo va a cambiar.
La distancia en números
La encuesta de McKinsey de 2026, con 1.719 participantes de 97 países, encontró que casi 9 de cada 10 organizaciones usan IA en al menos un área. Pero el 44 % dice estar escalándola a toda la organización, y el 37 % le atribuye algún impacto en sus resultados operativos, una proporción casi igual a la del año anterior. Las organizaciones que McKinsey identifica como de alto desempeño en IA son el 6 %.
La encuesta de Grant Thornton (2026) muestra la misma distancia desde otro ángulo: las organizaciones con la IA plenamente integrada reportan crecimiento de ingresos asociado a la IA casi cuatro veces más que las que están en etapa piloto (58 % frente a 15 %).
El informe del 95 %
En 2025, un informe de MIT NANDA, The GenAI Divide, se volvió una referencia por una cifra: el 95 % de las organizaciones no obtenía retorno medible de sus inversiones en IA generativa. El estudio combinó la revisión de más de 300 iniciativas públicas, entrevistas en 52 organizaciones y una encuesta a 153 ejecutivos. Los propios autores advierten que la cifra es direccional: se apoya en lo que dicen las organizaciones, no en sus estados financieros.
Más útil que la cifra es su explicación. Para los autores, la barrera principal no es la calidad de los modelos ni la regulación, sino lo que llaman una brecha de aprendizaje: la mayoría de los sistemas no retiene lo que aprende, no se adapta al contexto de cada organización y no mejora con el uso. Los pilotos funcionan en condiciones controladas y se estancan cuando tienen que integrarse a los procesos reales.
El mismo informe registra otro dato revelador: sólo el 40 % de las empresas había comprado una suscripción oficial a un modelo de lenguaje, mientras que en más del 90 % había personas usando herramientas personales de IA para su trabajo. La IA ya estaba en el trabajo; la organización todavía no.
Lo que hacen distinto las que escalan
En la encuesta de McKinsey, casi tres cuartos de las organizaciones de alto desempeño dicen haber rediseñado de fondo la forma de hacer el trabajo, frente a alrededor de un cuarto del resto. También son dos veces más propensas a tener un compromiso visible de la dirección y una forma definida de medir el impacto de la IA.
Son correlaciones, no pruebas de causa. Pero apuntan en la misma dirección que una idea con más de veinte años: M. Lynne Markus llamó technochange a los proyectos en los que la tecnología es el medio para cambiar cómo funciona una organización, y mostró que fallan cuando se gestionan sólo como proyectos técnicos. Escalar la IA se parece más a eso que a instalar una herramienta.
Qué dice esto sobre la adopción
Un piloto contesta una pregunta acotada: si la herramienta puede funcionar. La adopción contesta otra: si el trabajo cambia y si ese cambio se sostiene. Entre una y otra aparecen cosas que el piloto no mide: qué tareas cambian, qué nuevos traspasos hay entre personas y sistemas, quién revisa lo que produce la IA, qué datos y sistemas tienen que estar listos, y qué capacidad hay para sostener todo eso donde ocurre el trabajo.
Cuando la distancia es grande, se puede trabajar sobre las dos partes: construir capacidad en la organización, y también ajustar la iniciativa, su alcance, su secuencia y lo que pide primero.
Qué hacer con esto
- Diseñar el piloto pensando en la escala: probar la herramienta y también el cambio en el trabajo.
- Medir más que el uso: si cambió la forma de trabajar y si eso se sostiene.
- Mirar el uso informal que ya existe; dice mucho sobre la demanda real.
- Revisar la iniciativa, no sólo a las personas, cuando el piloto no escala.
Más en Usar IA no es adoptarla, en Por qué se estancan las implementaciones después del go-live y en La paradoja de la productividad.
Geyto Research publica ensayos, revisiones de evidencia y notas de mercado sobre la adopción de IA y tecnología en las organizaciones.
Preguntas frecuentes
¿Cuántas organizaciones escalan la IA?
En la encuesta de McKinsey de 2026, casi 9 de cada 10 organizaciones usan IA en al menos un área, pero el 44 % dice estar escalándola a toda la organización y el 37 % le atribuye algún impacto en sus resultados operativos.
¿Es cierto que el 95 % de los pilotos de IA fracasa?
La cifra viene del informe The GenAI Divide del MIT (2025), que encontró que el 95 % de las organizaciones no obtenía retorno medible de sus inversiones en IA generativa. Los propios autores advierten que es una estimación direccional, basada en entrevistas y encuestas, no en reportes financieros.
¿Qué hacen distinto las organizaciones que escalan?
En la encuesta de McKinsey, casi tres cuartos de las que más valor obtienen rediseñaron la forma de hacer el trabajo, frente a alrededor de un cuarto del resto. También son dos veces más propensas a tener un compromiso visible de la dirección y una forma definida de medir el impacto.
Fuentes
- Challapally, A., Pease, C., Raskar, R. y Chari, P. (2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA. Reseña en Computing.
- McKinsey & Company (2026). The state of AI. Encuesta a 1.719 participantes de 97 países, mayo-junio de 2026.
- Grant Thornton (2026). 2026 AI Impact Survey Report. Encuesta a 950 líderes de negocio, febrero-marzo de 2026.
- Markus, M. L. (2004). Technochange management: using IT to drive organizational change. Journal of Information Technology, 19(1), 4–20.
Compartir