El “learning gap”. Por qué 95% de proyectos de IA fracasan, según el MIT

Ana María Martinez
25 sept
3 Min. de lectura

Publiqué esta columna inicialmente en Gestión.

Los suscriptores pueden encontrarla allí también.

Un estudio reciente del MIT, The GenAI Divide: State of AI in Business 2025, reveló que el 95% de los pilotos corporativos de IA generativa no generan ningún impacto significativo en ingresos. Este fracaso no se debe a que los modelos en sí sean malos, sino a cómo se implementan y adoptan dentro de las organizaciones, una brecha que el reporte denomina learning gap.

El learning gap se refiere tanto a los modelos (que no se implementan correctamente para aprender y adaptarse a los flujos de trabajo de la empresa), como a las personas (a quienes no se les da el espacio necesario para aprender a utilizarlos de forma efectiva). Y aunque este gap se resalta como una de las principales causas del fracaso, no es la única. Existen otros factores relacionados.

El reporte también menciona el exceso de implementaciones en las áreas comerciales de las empresas (marketing y ventas), cuando el MIT ha evidenciado, con datos, que las principales oportunidades de retorno de inversión están en las operaciones del negocio, en la automatización y el aumento de la eficiencia.

Además, el estudio destaca que muchas empresas están intentando construir internamente aplicaciones muy complejas, sin contar con el conocimiento técnico necesario para hacerlo. En muchos casos, resulta más sencillo y efectivo comprar y adaptar un modelo para un caso de uso específico del negocio.

Finalmente, el reporte subraya el problema de no involucrar a los líderes de área en el desarrollo de soluciones de IA, siendo ellos quienes mejor conocen los procesos del negocio. Y también menciona el caso contrario, que ocurre con frecuencia: líderes muy proactivos que crean soluciones en solitario, sin conexión con los sistemas centrales de la empresa y el área central de tecnología (lo que se conoce como shadow IT).

Estas son las típicas causas de fracaso que se han visto desde que empezó la transformación digital en las empresas, hace ya varias décadas. Se siguen cometiendo los mismos errores: subestimar la necesidad de invertir en aprendizaje, no partir por las necesidades reales del negocio y dejarse llevar por tecnologías de moda, centralizar excesivamente las implementaciones de tecnología, o por el contrario, no gobernar adecuadamente las iniciativas descentralizadas.

Pero no todas las empresas lo están haciendo mal. El reporte del MIT menciona algunos buenos ejemplos, pero yo prefiero hablar de un caso corporativo que conozco de cerca: SGS, una empresa líder a nivel mundial en análisis, inspección y certificación. La empresa tiene un programa en Perú llamado AutomatorsSGS, que están implementando con nuestro apoyo y bajo el liderazgo interno de Julia Cabañas, la Directora de Tecnología de la empresa. Es un programa que busca identificar las tareas manuales y operativas de cada rol y área, para luego empoderar a los mismos colaboradores a automatizarlas, fomentando el uso de herramientas disponibles y siempre bajo la gobernanza del área de Tecnología.

Son muchos los colaboradores que se han convertido en Automators en la empresa, pero me gustaría resaltar el caso de tres personas del área de Laboratorio, donde analizan muestras para diversos clientes. Aunque se trata de un proceso eminentemente humano y manual, está lleno de tareas administrativas susceptibles de automatización. Los tres colaboradores, Harold Lafuente, José Núñez y Ana Romero, identificaron más de una docena de tareas rutinarias que podían automatizar, como la recepción de muestras, su registro y documentación, la categorización y almacenamiento de fotos, el seguimiento del avance de las muestras, las notificaciones internas a otras áreas y la documentación para clientes. Luego, aprendieron a automatizar estas tareas con herramientas como Power Automate o Power Apps de Microsoft, y lograron liberar miles de horas en su jornada anual.

Esto les entregó el beneficio inmediato del empoderamiento tecnológico: comprendieron que la automatización no es un enemigo, sino un superpoder que ellos mismos pueden dominar. También brindó al área central de Tecnología la posibilidad de escalar procesos automatizados en la empresa y asegurar su alineación con las necesidades del negocio sin perder el control. Y finalmente, les dio a ellos y a la empresa tiempo extra, capacidad humana ahora disponible para tareas de mayor valor.

El equipo de Laboratorio de SGS ahora puede analizar más muestras por semana, prevenir errores administrativos, atender mejor a sus clientes y concentrar su tiempo en el core del negocio. Ahora la empresa demuestra a sus clientes las ventajas competitivas que tiene en sus laboratorios, donde las tareas operativas están cada vez más automatizadas, para que su personal concentre su tiempo en analizar, inspeccionar y certificar con excelencia.