La promesa pendiente de la IA: por qué todavía no se traduce en grandes saltos de productividad

Desde hace años, la inteligencia artificial —y en especial la IA generativa— es presentada como el gran motor capaz de transformar la productividad de las organizaciones. Sin embargo, a medida que su uso se vuelve más habitual, distintos estudios internacionales comienzan a mostrar una realidad más compleja: los beneficios existen, pero no aparecen de manera automática ni generalizada, y en muchos casos quedan lejos de las expectativas iniciales.

Investigaciones recientes coinciden en que la IA sí potencia el desempeño individual, sobre todo en tareas administrativas, repetitivas, analíticas o vinculadas a la escritura. No obstante, ese avance personal no se refleja necesariamente en una mejora global de las empresas. Según un informe de la Organización para la Cooperación y el Desarrollo Económicos (OCDE), aún no hay evidencia sólida de que las ganancias individuales se conviertan, por sí solas, en mayor productividad organizacional. Entre las razones, se mencionan proyectos que permanecen en fase piloto, dificultades para escalar soluciones, carencias en la calidad de los datos, falta de habilidades específicas y ausencia de rediseños profundos de los procesos internos.

La “paradoja” de la inteligencia artificial

Este desfasaje entre promesa y realidad es definido por Julián Herman, managing director y socio de la consultora BCG, como una verdadera paradoja. Según explica, la tecnología está disponible y funciona, pero el impacto no se materializa si las organizaciones no revisan su forma de operar. “El error más común es sumar la IA como una herramienta más, sin replantear procesos, métricas ni capacitación”, advierte. En ese sentido, remarca que acelerar tareas no implica necesariamente generar más valor para el negocio.

La misma idea aparece reflejada en un informe de 451 Research, de S&P Global, que analizó respuestas de 1.006 ejecutivos y managers de todo el mundo. El estudio señala que una proporción significativa de empresas no percibe mejoras claras en eficiencia, reducción de costos o crecimiento. De hecho, el 46% no logra impactos fuertes en ningún objetivo de negocio, incluida la productividad, y el 42% de los proyectos de IA se abandona antes de llegar a producción. La conclusión es contundente: la IA generativa no mejora la productividad de forma sistemática, salvo en organizaciones con un foco muy definido.

Productividad desigual y brechas crecientes

Una mirada más optimista, aunque igualmente cautelosa, surge del estudio The Next Great Divergence, publicado en enero. Allí se sostiene que la IA sí puede aumentar la productividad, pero solo en contextos donde ya existen capacidades previas. Como resultado, los beneficios tienden a concentrarse en países más ricos, ampliando la brecha global. El informe subraya que la productividad asociada a la IA depende de la infraestructura, las habilidades y las instituciones, y que el impacto de la tecnología está fuertemente condicionado por el lugar donde se implementa.

A esta distancia entre expectativas y resultados se suma un factor adicional: el costo de aplicar mal la IA. Gonzalo Airoldi, vicepresidente senior y director para América Latina de Aditi Consulting, advierte que muchas organizaciones no solo no mejoran su productividad, sino que pierden dinero al impulsar proyectos guiados por la moda y no por necesidades concretas del negocio. La falta de métricas claras, el escaso rediseño de procesos y una gestión débil del cambio explican, según señala, por qué tantas iniciativas quedan estancadas o se abandonan antes de generar valor real.

El problema no es la herramienta

Para Wanda Dahir, directora de la carrera de Recursos Humanos de la Universidad de Morón, el núcleo del problema está en comprender que la productividad organizacional no surge simplemente de sumar productividades individuales. “Todo depende de cómo se articulan los procesos, la cultura, los incentivos, los sistemas de evaluación y la toma de decisiones”, explica. Desde su mirada, la IA puede acelerar a las personas, pero si la organización no se transforma, el resultado global no cambia.

Los informes de la OCDE y de S&P Global refuerzan esta visión al señalar que muchos proyectos fracasan por datos incompletos o poco confiables, procesos fragmentados y dificultades para integrar la tecnología en los flujos de trabajo existentes. The Next Great Divergence agrega que las brechas en capacidades humanas e institucionales amplifican estos problemas cuando no hay inversión sostenida en habilidades.

Dahir advierte que, con datos deficientes, la IA no solo falla, sino que amplifica errores; con procesos desordenados, acelera la desorganización; y sin personas capacitadas, se utiliza de manera superficial. La productividad, sostiene, es un fenómeno sistémico que requiere información confiable, procesos claros e integrados y equipos preparados.

Medir, capacitar y alinear

Los especialistas coinciden en que el desafío central no es tecnológico, sino lograr que personas, procesos y tecnología avancen alineados. En ese marco, la gestión del cambio aparece como un punto crítico que suele subestimarse.

Herman destaca la importancia de medir antes de implementar: conocer cuánto tiempo llevan las tareas sin IA, definir objetivos claros y monitorear resultados en el camino. A eso se suma la necesidad de capacitación continua. La alfabetización digital y en inteligencia artificial es señalada como una base indispensable, no solo para usar las herramientas, sino para comprender sus límites y sesgos.

En este punto, Dahir subraya la relevancia del llamado prompting: formular buenas preguntas no es una habilidad técnica aislada, sino una combinación de pensamiento estructurado, claridad conceptual y comprensión del funcionamiento de la IA. Esa capacidad, construida con práctica, marca diferencias concretas en la calidad de los resultados.

Sin embargo, los avances técnicos no alcanzan sin habilidades socioemocionales como adaptabilidad, pensamiento crítico e inteligencia emocional. Los estudios citados advierten que las organizaciones que no invierten en este conjunto de competencias ven afectada tanto su productividad como su potencial de crecimiento.

En síntesis, Dahir recomienda mantener una actitud de aprendizaje continuo, incorporando habilidades digitales y mejorando la interacción con la IA. Herman lo resume con una regla interna de BCG que refleja este enfoque: solo el 10% de la complejidad está en los algoritmos, el 20% en la tecnología y el 70% del esfuerzo está puesto en las personas.