Cuando el FOMO gobierna la inversión en IA

Este artículo es una versión extendida de mi última columna de opinión en el Diario Gestión.

Según Gartner, el mundo invertirá cerca de $2.5 billones de dólares (US trillions) en Inteligencia Artificial en 2026, un 44% más que el año pasado. Este crecimiento es particularmente interesante cuando el mismo Gartner también indica que solo una de cada 50 inversiones en IA genera valor transformacional. No solo Gartner lo dice. Mohamed Kande, chairman de PwC, dijo en Davos que más del 50% de las compañías no están “obteniendo nada” de la adopción de IA y el MIT reveló en su AI Report del 2025, que solo un 5% de los “AI pilots” han entregado millones de USD en valor. Ante esta paradoja surgen dos preguntas inevitables:

• ¿Por qué la IA está entregando resultados tan por debajo de lo esperado (o posible)?

• ¿Y por qué empresas e inversionistas parecen no inmutarse, incrementando sus apuestas por esta tecnología?

Creo que las respuestas a estas preguntas están relacionadas y podrían surgir de un sentimiento muy humano, más común en la adolescencia. En lenguaje coloquial, la IA genera FOMO, “Fear of Missing Out”. Nadie quiere quedarse por fuera. Lo entiendo, pero también me inquieta que tanto dinero y tanto esfuerzo se desperdicie.  A la mayoría de las empresas y personas que veo a mi alrededor no les sobra la plata y tal vez por el mismo FOMO, por hacer algo con IA porque todos lo hacen, se bajan los niveles de estrategia, sensatez y exigencia. Es fundamental que esto cambie en el 2026, que las empresas, y sus líderes y colaboradores, actúen con madurez, para evitar estos errores que siguen siendo comunes y limitan los resultados:

1. Obsesión por la IA sin casos de negocio claros. 

Sigo recibiendo llamadas de empresas que quieren que les enseñe a sus ejecutivos a usar la IA. Siempre hago las mismas preguntas: ¿para qué la necesitan, bajo qué estrategia pretenden implementar la IA, qué problemas quieren resolver? Y la realidad es que muchas veces la respuesta no es precisa. Esto es preocupante, porque ninguna tecnología, por más poderosa que sea, sustituye la claridad estratégica. La IA no es un fin, es un medio. Quien la impulsa debe tener criterio para elegir entre muchos casos de negocio donde podría aplicarse y también para escoger entre miles de herramientas, qué IA adquirir o crear para el negocio.

2. Contenidos que otros tienen que corregir.

Harvard y MIT han compartido algo que llaman “AI workslops”. Se refieren a casos muy frecuentes donde empleados crean comunicaciones, reportes o documentos con IA mal hechos y los envían al siguiente eslabón de la cadena organizacional. Han medido que quienes reciben estos contenidos pierden unas 2 horas tratando de entenderlos y corregirlos y en una empresa de 1000 empleados, esto puede generar un impacto en costos de más de $9 millones de USD al año. Es fundamental que en la cultura organizacional se eviten estas situaciones. La IA no elimina el pensamiento y criterio humano. Realmente los hace más necesarios.

3. Expectativas no realistas en reducción de personal.

Hace pocos días Jack Dorsey anunció que ante el potencial de la IA, reducirá la fuerza laboral de su fintech Block en un 40%, pasando de 10,000 a 6,000 empleados. Este tipo de noticias, que son más comunes en empresas tecnológicas, elevan la presión en empresas de otros rubros por lograr eficiencias similares. Y la realidad es que la cosa no es tan sencilla. 

En las startups y empresas de tecnología han habido contrataciones excesivas en los últimos años para poder innovar y crecer aceleradamente. Además, los LLMs han sido entrenados muy bien en lenguajes de programación por desarrolladores de software, quienes al ser apenas el 1% de la fuerza laboral, los necesitan para ser más productivos. Además, son personas que en general saben integrar muy bien la IA a su flujo de trabajo. 

Es un gran error asumir que esta dinámica tan particular se replica automáticamente en otros roles e industrias. En muchas funciones del negocio, los colaboradores no saben usar bien la IA (como vimos en el punto anterior). Incluso si los empleados son responsables en cómo usarla, muchas veces es difícil que la IA alcance la precisión esperada,  por no manejar los matices de interacción, juicio o contexto de cada negocio y requerir de muy buenos prompts o entrenamientos. No todos los roles e interacciones son fáciles de reemplazar con IA. Primero hay que aumentar la capacidad del talento con IA y luego considerar reducciones donde haya evidencia de que es posible sin afectar al negocio. 

4. Despliegues muy centralizados o muy diseminados

Veo empresas que aplican IA solo en unos pocos procesos centrales del negocio, mientras no abordan oportunidades que existen en cada rol o área que sumadas, podrían tener un gran impacto. En el extremo opuesto, también he visto organizaciones desorganizadas, que compran por ejemplo copilot para varios empleados, sin una estrategia de gobernanza clara, que permita visualizar las acciones de los empleados, medir sus resultados, escalar buenas prácticas y frenar las riesgosas. 

Ni lo uno ni lo otro es suficiente. Las empresas más eficientes a mi alrededor tienen equipos de tecnología que se encargan de implementar la IA en casos complejos y transversales del negocio, mientras también democratizan el uso de IA en los colaboradores de distintas áreas, sin perder el control. Para maximizar el retorno de la IA, es fundamental que las empresas implementen medidas “topdown” y también permitan esfuerzos “bottom up”, siempre bajo un sistema robusto de gobernanza y medición de esos esfuerzos. 

5. IA como una tecnología y no como una transformación

La IA no es como Zoom en la pandemia. No es un software sencillo de instalar y de usar. El mundo de la IA tiene múltiples posibilidades y por eso confunde a los CEOs a la hora de decidir cómo empezar y progresar y confunde a los empleados a la hora de decidir cuándo y cómo usarla. Las empresas más inteligentes delimitan bien la cancha y crean un sistema con responsables claros para medir bien cómo están progresando en la adopción de IA, haciendo los ajustes necesarios en el camino para maximizar su retorno. La adopción de la IA implica un proceso de cambio profundo y de mejora continua. No es nada sencillo y no se deben esperar resultados inmediatos, pero si progreso evidente en el tiempo. Sin una buena estrategia y un sistema robusto de implementación, la IA se convierte en una colección de experimentos aislados. Con un sistema que no solo considere lo tecnológico, sino sobre todo lo cultural y humano, se convierte en una verdadera transformación. 

El verdadero riesgo hoy no es llegar tarde a la IA, es usarla sin dirección y con mucho desperdicio. La IA no es una carrera de velocidad como muchos creen, es una prueba de madurez organizacional.