Claves en 30 segundos
- Según MIT NANDA, el 95 % de las organizaciones no obtiene retorno de sus inversiones en IA generativa, pese a una inversión empresarial estimada de 30.000–40.000 millones de dólares.
- De las organizaciones que evaluaron herramientas de IA generativa específicas (60 %), solo un 20 % llegó a piloto y un 5 % a producción.
- Los proyectos desarrollados con proveedores o partners especializados llegaron a producción en torno al 67 % de los casos, frente al ~33 % de los desarrollos internos.
- El informe sitúa la barrera principal en la «brecha de aprendizaje»: sistemas que no retienen contexto ni se adaptan al flujo de trabajo. No la atribuye a la infraestructura, la regulación o el talento.
- Los empleados de más del 90 % de las empresas usan herramientas personales de IA, aunque solo el 40 % de las empresas ha contratado una suscripción oficial.
Ficha del estudio
| Título | The GenAI Divide: State of AI in Business 2025 |
| Autores | Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari |
| Editor | MIT NANDA (Project NANDA) |
| Publicación | Julio de 2025 |
| Periodo analizado | Enero–junio de 2025 |
| Muestra | Más de 300 iniciativas públicas de IA, entrevistas a 52 organizaciones y encuesta a 153 directivos en cuatro congresos del sector |
| Definición de éxito | Despliegue más allá del piloto con KPIs medibles, evaluado seis meses después del piloto |
| Documento original | The GenAI Divide: State of AI in Business 2025, MIT NANDA (en inglés) |
Qué mide de verdad el «95 %»
El dato no dice que la IA generativa no funcione. Dice que la mayoría de iniciativas empresariales no ha pasado del piloto a un uso en producción con impacto medible y sostenido en los seis meses posteriores. Es una vara exigente: un piloto que ahorró horas a un equipo pero no se escaló cuenta como fracaso.
El informe describe una brecha entre dos grupos. Hay muchas organizaciones que prueban herramientas genéricas o desarrollan pilotos aislados, y una minoría que integra la IA en procesos concretos con objetivos medibles. Lo que separa a ambos grupos, según los autores, no es el modelo de IA elegido sino cómo se implanta: si la herramienta aprende del contexto de la empresa, si está conectada a sus sistemas y si alguien mide su resultado.
Matices que conviene conocer
Antes de citar la cifra, hay que tener en cuenta varias limitaciones:
- Son datos declarados, no contables. Los propios autores advierten de que las cifras son «direccionalmente correctas» y proceden de entrevistas, no de informes oficiales de las empresas.
- La muestra es limitada. 52 entrevistas y 153 encuestas no representan necesariamente todos los sectores ni regiones; el informe reconoce además un posible sesgo de selección.
- Seis meses es poco. Para proyectos complejos, la ventana de observación puede ser insuficiente, como admiten los autores.
- El cálculo del 95 % no está detallado. Varios analistas han señalado que el informe no explica cómo se obtiene exactamente la cifra principal.
- El dato de partners frente a desarrollos internos es correlación, no causalidad, como subraya el propio estudio.
Nada de esto invalida el informe, pero sí aconseja leer el 95 % como una señal de tendencia y no como una medición exacta.
Qué significa para las empresas
Para que no quede duda: iAccionable es un partner de implantación, así que somos parte interesada en el dato del 67 %. Con esa advertencia, estas son las lecciones que vemos en la práctica:
- Definir el KPI antes del piloto, no después. Si el éxito es «pasar a producción con métricas», el piloto debe nacer con esa métrica definida.
- Mirar al back-office. El informe indica que entre el 50 % y el 70 % del presupuesto de IA se dirige a ventas y marketing, mientras que la automatización de back-office «suele ofrecer mejor ROI».
- Integrar, no añadir. La brecha de aprendizaje se reduce cuando la IA trabaja dentro de los sistemas que ya usa la empresa (CRM, ERP, eCommerce, BI) y con su contexto.
- Leer la «IA en la sombra» como una señal. Si los empleados ya usan herramientas personales, hay demanda. La tarea es convertirla en uso gobernado y medible.
- Escalar cuando los datos lo confirman. Es el principio de nuestra metodología 30·60·90: primer impacto medible en 30 días, integración a los 60 y piloto con KPIs a los 90.
Declaraciones
«El dato del 95 % no habla de la tecnología, habla de método. Los proyectos que llegan a producción tienen algo en común: un problema de negocio concreto, una métrica definida desde el primer día y una integración real con los sistemas de la empresa».
José Luis Blasco, Strategy at iAccionable
«Recomendamos citar este informe con sus matices. Es una señal valiosa de dónde se está atascando la adopción de la IA, pero no una medición contable del retorno».
José Luis Blasco, Strategy at iAccionable
Recursos para medios
- Gráfico «5 de cada 100» (PNG, 1080×1350), de libre uso citando a iAccionable.
- Contacto de prensa: José B. Moreno · joseb@iaccionable.com
Fuentes
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (julio de 2025).
- Fortune, «MIT report: 95% of generative AI pilots at companies are failing» (agosto de 2025).
- BigDATAwire, «MIT Report Flags 95% GenAI Failure Rate, But Critics Say It Oversimplifies» (septiembre de 2025).