En 2025 apareció una cifra que se volvió titular: la enorme mayoría de las organizaciones no obtiene retorno de la IA generativa pese a la inversión masiva. Conviene citarla con cuidado —viene de un reporte preliminar del MIT (Project NANDA, Challapally et al., 2025), no revisado por pares, y el dato correcto es sobre organizaciones con cero retorno, no “95% de pilotos sin impacto”, como circuló—. Pero lo importante no es el número. Es su diagnóstico.
El reporte atribuye el fracaso no a los modelos ni al presupuesto, sino a una brecha de aprendizaje organizacional: los sistemas que se despliegan no retienen contexto ni aprenden de la operación. Dicho de otro modo: el cuello de botella es sociotécnico, no tecnológico. Es, casi con esas palabras, la tesis que vengo sosteniendo desde hace años —el problema nunca fue la tecnología; es la organización que no la sabe absorber—. El divide separa a las empresas que trataron el asunto como un problema de ingeniería de las que lo trataron como un problema de aprendizaje organizacional. El puente vive de ese segundo lado.
Dónde sí paga: en la persona
Que la mayoría no capture valor no significa que la IA no sirva. Significa que el valor se juega en un lugar preciso —la persona— y que ahí sí hay evidencia dura. Un estudio publicado en un journal top (Brynjolfsson, Li y Raymond, 2025) midió un 15% más de casos resueltos por hora en un centro de soporte, con un reparto revelador: los trabajadores menos experimentados mejoran mucho más que los expertos. Es la IA nivelando hacia arriba a quien menos sabía, en vez de solo acelerar a quien ya sabía. Es lo que llamo el multiplicador con signo: la IA amplifica lo que encuentra, y el signo lo pone la lectura humana que la orienta.
La distancia entre “desplegamos IA” y “capturamos valor”
El contraste que cierra el argumento viene de otro relevamiento de 2025: según McKinsey, aunque casi todas las organizaciones despliegan IA, solo alrededor del 6% son las que capturan un impacto real y medible en su resultado (un impacto atribuible a la IA de al menos 5% del EBIT). Esa distancia —entre “desplegamos IA” y “capturamos valor”— es exactamente la que separa la métrica de vanidad (modelos desplegados, consultas al chatbot, “uso de IA”) de la métrica de valor (una hora liberada, una decisión mejor, una brecha que se cierra).
El dato macro no reemplaza a un tablero de medición honesto: lo justifica. Si a escala global la mayoría no captura valor, medir bien deja de ser prolijidad y pasa a ser la diferencia entre estar en ese 6% o en el resto.
Qué hacer con esto
- Medir la brecha de aprendizaje, no solo comprar modelos. El reporte del MIT es claro: lo que falta no es un modelo mejor, es una organización que retenga contexto y aprenda de la operación.
- Fijar la unidad de valor en la persona, antes de construir. ¿Qué decisión concreta cambia si este sistema funciona? Sin esa pregunta, el entregable es decoración.
- Distinguir vanidad de valor desde el día uno. Acordar dos o tres ejes de medición al inicio —no elegir después la métrica que mejor salió—.
Un matiz que no suelto: estas son evidencias globales y de otros contextos. Ilustran mecanismos y dan escala; no le prometen un resultado a una pyme argentina, cuyo ancla sigue siendo la evidencia regional (CEPAL, nadIA, ILIA 2025). Pero el mensaje de fondo viaja bien: el 95% que no captura valor no está esperando un modelo mejor. Está esperando que alguien trate el problema como lo que es —sociotécnico— y no como una compra.
Desarrollo del marco en El puente sociotécnico y en Mi enfoque. Ensayos relacionados: La productividad que apaga a tus expertos de mañana · La transformación digital no es un problema técnico.