El MIT Media Lab, a traves de su iniciativa NANDA, publico "The GenAI Divide: State of AI in Business 2025", posiblemente el estudio mas completo hasta la fecha sobre el uso real de inteligencia artificial generativa en las organizaciones.
El trabajo se apoya en 150 entrevistas con lideres empresariales, 350 encuestas a empleados y el analisis de 300 casos publicos de implementacion de IA generativa. Su objetivo: entender por que unos pocos logran resultados significativos mientras la mayoria se queda en promesas incumplidas.
Solo el 5% de los pilotos generan un impacto rapido en ingresos o P&L. El 95% restante no produce beneficios medibles.
La principal causa no es tecnologica, sino organizacional. El MIT lo denomina learning gap: la incapacidad de las empresas de integrar modelos de IA en sus flujos de trabajo, estructuras y culturas (el componente humano de la inteligencia aumentada).
El ROI no surge de donde mas se invierte. Mas de la mitad de los presupuestos se dirigen a ventas y marketing, pero el mayor retorno aparece en la automatizacion de back-office: reduccion de outsourcing, menor dependencia de agencias externas y mayor eficiencia administrativa.
La fuente tecnologica importa. Las herramientas adquiridas a proveedores especializados tienen una tasa de exito cercana al 67%, mientras que los desarrollos internos alcanzan apenas un tercio de esa cifra.
Las startups muestran otra dinamica. Empresas fundadas por jovenes de 19 o 20 anos alcanzaron mas de 20 millones de dolares en ingresos en menos de un ano, al enfocarse en resolver un unico problema con precision y en asociacion con plataformas externas.
El impacto en el empleo es silencioso pero estructural. No hay despidos masivos, pero muchas companias optan por no reponer vacantes administrativas o de soporte, lo que anticipa un rediseno de la composicion laboral.
La brecha es cultural, humana y estrategica. Se trata de un problema de absorptive capacity, como lo llamaron Cohen y Levinthal: la habilidad de una organizacion de reconocer, asimilar y aplicar conocimiento externo. El MIT lo describe como learning gap: la incapacidad de institucionalizar el aprendizaje colectivo.
Como explico hace tiempo, las organizaciones del presente y futuro deben abordar la ambidextricidad estrategica: la capacidad simultanea de explotar con eficiencia y posicion resiliente las unidades actuales y explorar (incubar, adquirir) lo nuevo hacia la disrupcion ofensiva y defensiva.
Y la IA, potenciada por los frameworks de negocios adecuados debe estar integrada a ambas zonas. La gobernanza de ambas y el nivel de autonomia de los equipos para experimentar con IA tambien debe adaptarse por zona, en el marco de una estrategia corporativa con IA y los actores en el centro.
Es el equilibrio estrategico de ambidextricidad el que genera verdaderas empresas antifragiles.
Lo que muestra el MIT es una actualizacion empirica del dilema del innovador descrito por Christensen. Las grandes corporaciones, atrapadas en sus propios sistemas de incentivos, metricas y procesos, no logran capitalizar las tecnologias potencialmente disruptivas y caen vencidas por ellas.
Es por una falta de plasticidad organizacional y, como advierte Christensen, por incentivos racionales (maximizar facturacion, rentabilidad) que los atan al presente que todavia funciona, aunque ya este en proceso de ser desplazado.
En cambio, startups pequenas y agiles, con estructuras livianas y foco extremo, logran escalar en meses lo que a los incumbentes les resulta inalcanzable.
Esto deberia interpelarnos: como disenamos estructuras que, sin renunciar a la eficiencia del core, mantengan la flexibilidad necesaria para absorber disrupciones? Como nos convertimos en ambidiestros?
Como escapamos a la trampa de las consultoras de elite que impulsan transformaciones sin poder transformarse ellas mismas?
Como volvemos a explorar los frameworks de innovacion necesarios si quedaron asociados a la destruccion de valor?
El learning gap es, en el fondo, un cultural gap.
Integrar IA al corazon de la estrategia, exige mucho mas que licencias de software: requiere redisenar como aprendemos, como decidimos y como nos organizamos. No se trata de un asunto de CAPEX u OPEX, sino de redisenar como aprendemos, decidimos y nos organizamos.
Requiere sobre todo que los mismos lideres adopten IA como lenguaje. Internalicen los conceptos y sus implicancias. Comprendan las herramientas (que son muy simples y basadas en lenguaje natural) y su potencial unido al modelo de negocio y operativo.
Formacion y autonomia. No basta con entrenar en herramientas; hay que empoderar equipos para experimentar y decidir. Diferentes focos de gobernanza y accion en explotacion y exploracion.
Espacios de juego y validacion. La innovacion requiere entornos donde equivocarse sea aceptable y los aprendizajes se capitalicen. Pero esto implica metodologia y frameworks para limitar esos riesgos y errores.
Mentalidad intraemprendedora. Ver a cada colaborador como un agente de transformacion capaz de detectar oportunidades y prototiparlas con IA. Escucha y experimentacion son las habilidades del futuro. Aprender a validar antes de ejecutar o escalar.
Aprendizaje en ciclos cortos. Probar, medir, ajustar, validar. El metodo cientifico aplicado a la gestion.
Equipos hibridos. Humanos y algoritmos interactuando segun el valor que cada uno aporta: productividad, creatividad, criterio. IA como colaborador, y no como herramienta de productividad. Escucha activa al cliente. La IA debe aplicarse para resolver fricciones reales, anticipar necesidades y mejorar experiencias. Puede promover y complementar nuestra empatia, inteligencia emocional y capacidad relacional. Puede potenciar el trabajo en equipo, la escucha activa y la colaboracion.
Desde hace tiempo sostengo que no hablamos de inteligencia artificial aislada, sino de inteligencia aumentada: la fusion entre capacidades humanas y algoritmos. Ya no somos solo humanos: quienes comprendemos, nos adaptamos y adoptamos el nuevo paradigma nos convertimos en humanos aumentados.
El MIT lo confirma indirectamente. Los proyectos que fracasan son aquellos que deben generar algo nuevo (ej. ventas): porque exigen esa inteligencia aumentada y no esta presente.
Back-office y automatizaciones de productividad que repiten lo ya existente, requieren menos inteligencia aumentada y se apoyan en la capacidad de la IA independiente.
Los startups que prosperan, en cambio, son los que potencian la capacidad humana: equipos que adoptan la IA como extension de su pensamiento, habilidades y de su criterio estrategico. Empresas que la colocan en el corazon de la estrategia. Empresas nativas de IA adaptadas a los nuevos paradigmas.
Necesitamos formar lideres y equipos capaces de aprender con IA, decidir con IA, co-crear con IA. Comprender que habilita estrategicamente para el negocio cada despliegue publico de IA.
No es cuestion de generar o adoptar el modelo mas sofisticado, la tecnologia se commoditiza con velocidad. La ventaja sostenible no esta en el acceso a lo tecnico, sino en la capacidad estrategica y cultural de integrarla.
Las barreras de entrada y diferenciales se construyen desde la estrategia: desde el modelo de negocio y operativo. No es una revolucion tecnica sino de los frameworks de negocios.
Muchos ejecutivos y directivos enfrentan hoy una brecha critica de comprension respecto a lo que realmente esta en juego a nivel estrategico y competitivo.
El gran aporte del informe no es senalar que el 95% fracasa, sino mostrar que el exito no depende de la IA en si, sino de la capacidad organizacional de integrarla con proposito, coherencia y aprendizaje continuo.
Ese 5% seran las empresas del manana. Y rapidamente se convierten en las empresas de hoy.
La IA es un catalizador. El motor es la cultura, la estrategia, la capacidad de aprendizaje organizacional y co-creacion. Las organizaciones del futuro son organizaciones de aprendizaje.
En las que los seres humanos puedan co-crear con IA, generar inteligencia aumentada individual y colaborativa, potenciar a la IA y dejarse potenciar. Alcanzar un nuevo nivel de desarrollo. Humanos aumentados.
