Por qué tantos proyectos de IA se estancan — y por qué empezar en el punto de trabajo lo cambia todo
La inversión en IA sigue creciendo, pero muchas iniciativas se estancan silenciosamente o se abandonan por completo. El problema rara vez es la tecnología en sí, sino el punto en el que las organizaciones deciden comenzar.
En pocas palabras:
Muchos proyectos de IA se estancan no porque la tecnología falle, sino porque las organizaciones comienzan en ámbitos demasiado complejos y mal definidos. Empezar con grandes transformaciones, criterios de éxito poco claros y proyectos piloto frágiles suele agotar el impulso. Los equipos que avanzan tienden a comenzar más cerca del trabajo cotidiano, apoyando a las personas donde se crea el valor, en lugar de reconstruir los sistemas desde el inicio.
La IA sigue atrayendo atención e inversión, y sin embargo un número sorprendente de organizaciones está reduciendo o interrumpiendo iniciativas tempranas. Informar sobre grandes esfuerzos de IA agentiva que se están abandonando no es un comentario sobre la tecnología en sí, sino un recordatorio de que las condiciones necesarias para el éxito rara vez están presentes cuando estos proyectos comienzan.
Gartner ha destacado esto de forma reiterada. En sus predicciones estratégicas para 2025, Gartner advirtió que muchas iniciativas de IA agentiva probablemente fracasarán debido a un valor empresarial poco claro o a controles de riesgo inadecuados. En otra publicación, Gartner informó que una proporción significativa de proyectos de GenAI tiene dificultades para avanzar más allá de la fase piloto, a menudo porque las organizaciones subestiman las exigencias operativas que rodean al modelo.
Estos hallazgos ofrecen un punto de partida útil para una reflexión más amplia: muchos proyectos de IA tienen dificultades no porque la IA rinda por debajo de lo esperado, sino porque el entorno a su alrededor no está listo para respaldar un progreso significativo.
Un patrón recurrente en las organizaciones que exploran la IA es que el entusiasmo inicial llega sin definiciones de éxito igual de claras. Los líderes suelen describir objetivos en términos como eficiencia, automatización o “mantenerse por delante”, pero esas ambiciones no se traducen automáticamente en objetivos concretos para un programa específico.
Cuando las expectativas no se alinean desde el principio, los proyectos tienden a acumular ambigüedad. Incluso equipos altamente capaces pueden encontrarse trabajando duro pero sin certeza sobre el resultado específico que se supone que deben lograr. Ese desalineamiento no siempre aparece en las primeras etapas, pero finalmente aflora como deriva del alcance, fatiga de las partes interesadas o dificultad para evaluar el progreso de forma objetiva.
El énfasis de Gartner en el valor empresarial poco claro es especialmente relevante en este contexto. Cuando el propósito no está bien definido, incluso las ideas prometedoras tienen dificultades para ganar impulso.
Los pilotos pretenden ser una forma segura de explorar nuevas capacidades, pero en la práctica a menudo requieren un tiempo y una energía significativos de equipos escasos: personal técnico, expertos en la materia, responsables de operaciones y propietarios de datos.
Y, sin embargo, los pilotos rara vez reciben el tiempo o la estabilidad que necesitan.
Es común ver pilotos que son:
- demasiado cortos para demostrar valor,
- demasiado limitados para representar operaciones reales,
- demasiado dependientes de recursos que no se pueden liberar, o
- demasiado aislados de los flujos de trabajo a los que pretenden apoyar.
Cuando el piloto concluye, los líderes pueden ver resultados limitados, no porque la idea careciera de mérito, sino porque las condiciones no estaban diseñadas para mostrar una imagen justa del valor. Cuando varios pilotos terminan así, los responsables de la decisión dudan de forma natural a la hora de aprobar la siguiente etapa.
Este es un contribuyente silencioso pero influyente al aumento del número de proyectos discontinuados.
En muchas organizaciones, surge el mismo desafío: los proyectos de IA a menudo comienzan en el lugar más difícil posible.
Empiezan intentando:
- reestructurar datos,
- rediseñar flujos de trabajo,
- integrar sistemas heredados,
- y coordinar dependencias entre varios equipos.
Estas son iniciativas importantes incluso cuando los equipos están preparados para ellas. Para organizaciones ya al límite —especialmente pymes— esto puede resultar abrumador.
La observación de Gartner de que las organizaciones suelen subestimar los ajustes operativos necesarios refleja esta realidad. Las posibilidades técnicas de la IA avanzan rápidamente, pero la preparación práctica dentro de la mayoría de las organizaciones avanza a un ritmo diferente.
El peso de la transformación se convierte en la barrera.
No hay nada malo en la ambición, pero en un campo que evoluciona rápidamente se vuelve especialmente importante mantenerse con los pies en la tierra. La confianza en la IA ha mejorado de forma notable y las herramientas se han vuelto más accesibles, pero a veces las expectativas van por delante de lo que una organización puede respaldar de manera realista.
Esto no es una cuestión de miedo o conservadurismo. Es simplemente un reconocimiento de que los proyectos de IA conllevan dependencias ocultas. Muchas de ellas solo salen a la superficie una vez que el trabajo comienza.
Un nivel reflexivo de cautela ayuda a los líderes a distinguir entre lo que es posible en principio y lo que es práctico en su entorno específico. Esa cautela es saludable. Protege recursos, previene la fatiga y evita que las organizaciones se comprometan con cambios ambiciosos antes de estar estructuralmente preparadas.
Lo que destaca en las organizaciones que avanzan con éxito con la IA es que a menudo empiezan en un lugar diferente. En lugar de liderar con transformación, comienzan más cerca del trabajo cotidiano, apoyando las tareas que las personas ya realizan.
Muchos desafíos operativos se remontan a la calidad de las entradas humanas: notas, resúmenes, descripciones, explicaciones, reclamaciones y documentación interna. Estas pequeñas unidades de texto moldean decisiones y cargas de trabajo posteriores mucho más de lo que se les reconoce.
Mejorar estas entradas no requiere integraciones complejas, periodos largos de piloto ni cambios estructurales pesados. Simplemente requiere apoyo en el punto de trabajo: ayudar a las personas a expresar lo que ya saben con claridad y coherencia.
Ese enfoque más ligero a menudo genera valor más rápido. Y, lo que es importante, lo hace sin introducir una presión innecesaria sobre equipos o sistemas.
El patrón de proyectos de IA cancelados no es una señal de que la IA esté fallando. Es una señal de que las organizaciones están comenzando en ámbitos demasiado complejos, demasiado costosos o demasiado poco claros como para mantener el impulso.
Los pronósticos de Gartner subrayan una verdad directa: la IA tiene éxito cuando se introduce en entornos que están listos para ella.
Para muchas organizaciones, esa preparación no vendrá de una transformación a gran escala, sino de comenzar en terreno familiar: mejorar lo que las personas ya hacen bien, una interacción a la vez.
A veces, el movimiento más estratégico no es reconstruir la organización en torno a la IA, sino dejar que la IA apoye a la organización tal como es hoy.
Fuentes:
