La brecha de disciplina: por qué casi toda la inversión en IA aún no rinde

Un marco para distinguir entre financiar actividad y financiar resultados, antes de que el directorio te obligue. · Juan Vegarra

Después de muchos años sentado en directorios y asesorando equipos ejecutivos a lo largo de ciclos tecnológicos, aprendí a reconocer un tipo particular de reunión. Todos coinciden en que la tecnología importa. Todos coinciden en que la empresa ha invertido en serio. Y nadie en la sala puede señalar un número que se haya movido por eso. Esa reunión está ocurriendo constantemente en salas de directorio ahora mismo, y no es señal de que la IA no funcione. Es señal de que casi ninguna organización ha aprendido todavía a distinguir entre desplegar una tecnología y capturar valor de ella.

La escala de la brecha es mayor de lo que casi ningún ejecutivo quiere admitir en público. El Project NANDA del MIT, publicado a mediados de 2025, encontró que el noventa y cinco por ciento de las organizaciones que desplegaron IA generativa no vio impacto financiero medible, contra una inversión colectiva estimada de treinta a cuarenta mil millones de dólares.^[1] Una encuesta de 2026 a doscientos directores de finanzas estadounidenses realizada por la firma de servicios profesionales RGP encontró que solo el catorce por ciento había visto un retorno claro y medible de su gasto en IA.^[2] Forrester ahora reporta que las empresas están posponiendo el veinticinco por ciento del gasto planificado en IA hacia 2027 a medida que se endurece el escrutinio financiero.^[3] El director de finanzas que alguna vez dejó pasar pilotos con preguntas mínimas se convirtió, en unos dieciocho meses, en la voz más exigente de la sala.

Nada de esto significa que la tesis de inversión esté equivocada. Significa que la industria pasó dos años tratando el despliegue como la línea de meta, cuando el despliegue siempre fue la línea de salida. Las organizaciones que en silencio están obteniendo retornos reales de la IA no son las que más gastan. En varios casos que he estudiado de cerca, gastan menos, porque aprendieron a distinguir financiar actividad de financiar resultados, y matan lo primero sin piedad.

Por qué persiste la confusión

Parte de la razón por la que esta distinción es tan difícil de sostener dentro de una organización grande es que la actividad es fácil de medir y los resultados son difíciles de atribuir. Un piloto que se despliega, que consigue una mención de prensa, que se cita en la memoria anual como evidencia de innovación, genera una satisfactoria sensación de avance sin importar si movió un solo número del estado de resultados. La atribución de resultados requiere el trabajo mucho más duro de aislar qué cambió por la tecnología frente a qué habría cambiado de todos modos, y casi ninguna organización tiene la disciplina analítica instalada para hacer ese trabajo con rigor. Así que por defecto cuentan actividad, porque la actividad es contable y los resultados no lo son, al menos no sin esfuerzo real.

Este no es un modo de falla nuevo. Es la misma trampa que se tragó una década de iniciativas de «transformación digital» antes de que llegara la IA, y se tragará lo que venga después de la IA a menos que cambie la disciplina de fondo. La tecnología no es la variable que determina si una inversión rinde. Lo es el rigor aplicado a definir y medir el resultado.

El patrón entre la minoría que sí ve retornos

Tres hábitos se repiten entre las organizaciones que he visto capturar valor de verdad, con la consistencia suficiente para tratarlos como marco y no como coincidencia.

Primero, financian casos de uso con línea directa a un número del estado de resultados, no a una historia de productividad. La detección de fraude, el desvío de atención al cliente, la optimización de cadena de suministro y la aceleración del desarrollo de software están sobreviviendo al escrutinio presupuestal en 2026 porque alguien en la sala puede nombrar la cifra en dólares que la iniciativa debería mover, antes de que empiece.^[3] «Los empleados reportan ahorrar tiempo» no es esa cifra, y los directores de finanzas en gran medida dejaron de aceptarla como tal. Es una corrección sana, no una reacción exagerada.

Segundo, tratan el piloto como una prueba de hipótesis, no como un despliegue suave. Un piloto que «funcionó» pero no tiene ruta definida a producción, ni dueño responsable de escalarlo, ni criterios de cancelación si se estanca, no ha tenido éxito. Ha producido un demo caro. Las organizaciones que escalan con éxito definen cómo se ve el éxito en una métrica de negocio antes de que el piloto empiece, no después de que concluya, lo cual suena obvio y sin embargo es el paso que más comúnmente se salta.

Tercero, separan el gasto de infraestructura del gasto de experimentación y presupuestan cada uno distinto. La preparación de datos, la integración y el gobierno son inversiones de capital en una capacidad, y merecen el escrutinio y la paciencia de cualquier apuesta de infraestructura de varios años. Los pilotos de casos de uso individuales son experimentos, y deben financiarse, acotarse en el tiempo y cancelarse como experimentos cuando no cuajan. Las organizaciones que mezclan ambas cosas en un solo «presupuesto de IA» indiferenciado tienden a matar de hambre la infraestructura que haría exitosos los casos de uso futuros, o a sobrefinanciar pilotos que nunca iban a escalar, porque nadie estuvo obligado a hacer explícita la distinción.

El contraargumento honesto

Sería un error concluir de todo esto que una adopción lenta y cautelosa de la IA es automáticamente el camino más seguro. Parte de la destrucción de capital más aguda que he observado no vino de moverse demasiado rápido. Vino de organizaciones que usaron «estamos esperando a que el caso de retorno sea más claro» como postura permanente, vieron a un competidor más rápido establecer una ventaja operativa genuina en un caso de uso con efectos de red reales — un motor de recomendación de cara al cliente o un modelo de fraude que mejora con más volumen de transacciones — y descubrieron que la brecha se había vuelto carísima de cerrar para cuando se movieron. Disciplina no es lo mismo que demora. El marco de arriba trata de la calidad de la apuesta, no de su velocidad. Una organización puede moverse rápido y aún así financiar resultados en lugar de actividad, si hace el trabajo de definición al inicio en lugar de saltarlo en nombre de la velocidad.

Qué significa esto para el próximo ciclo presupuestal

Si vas camino a una conversación de planificación sobre inversión en IA para 2027, la pregunta útil no es «¿cuánto deberíamos gastar?». Es «¿podemos distinguir hoy, iniciativa por iniciativa, entre las que financian un resultado y las que financian actividad?». Casi ninguna organización, si es honesta, puede responder esa pregunta con confianza todavía. Construir la capacidad de responderla — métricas claras de éxito definidas antes del piloto, dueños de negocio con nombre, un proceso real de cancelación, y una separación entre gasto de infraestructura de grado capital y gasto de piloto de grado experimento — es hoy una inversión más valiosa que casi cualquier caso de uso individual compitiendo por la misma línea presupuestal.

La tecnología maduró más rápido de lo que la alcanzaron casi todos los modelos de gobierno. Esa brecha es donde está desapareciendo el dinero hoy, y es también exactamente donde una minoría disciplinada se está adelantando en silencio. ¿De qué lado de esa brecha está realmente tu organización, y cómo lo sabrías?

Juan Vegarra es autor de El manual del outsider (próximamente). Las opiniones aquí son suyas. Más ensayos · Escríbeme