75% de los ejecutivos dice que la IA es prioridad, pero solo 25% obtiene valor. Qué separa usar una herramienta de adoptarla de verdad, con evidencia.
En menos de dos años, el costo de usar una IA con rendimiento comparable a GPT-3.5 cayó más de 280 veces: de USD 20 a USD 0,07 por millón de tokens, entre noviembre de 2022 y octubre de 2024.
En ese mismo período, ninguna organización mejoró 280 veces.
Ahí está la tensión que nos interesa. No es una brecha entre empresas que compran tecnología y empresas que no. Es una brecha entre tener acceso a una herramienta y ser capaz de convertirla en una forma de trabajo.
El futuro fue ayer. Cuando una empresa termina de entender una tecnología, la conversación del mercado ya cambió.
Este artículo explica qué muestra la evidencia sobre la adopción de IA en empresas, dónde se pierde el valor y qué hacer al respecto.
La tecnología cambia a una velocidad que las organizaciones no pueden igualar
Los datos del Stanford AI Index 2025 dan la dimensión del movimiento:
- Entre 2023 y 2024, el desempeño de los sistemas de IA subió 18,8 puntos porcentuales en MMMU, 48,9 en GPQA y 67,3 en SWE-bench.
- El costo de inferencia para un desempeño equivalente a GPT-3.5 bajó más de 280 veces en unos 18 meses.
- El rendimiento del hardware creció cerca de 43% anual, con una baja de costo de 30% anual.
- El uso organizacional de IA pasó de 55% en 2023 a 78% en 2024. El uso de IA generativa en al menos una función saltó de 33% a 71%.
Una herramienta mejora por actualización. Una organización mejora por aprendizaje.
Para incorporar una tecnología, una empresa tiene que entenderla, probarla, conectarla con sus datos, adaptar procesos, capacitar personas, definir reglas y medir resultados. Nada de eso se descarga.
Usar IA no es capturar valor
Acá aparece el dato más incómodo de todos.
El BCG AI Radar 2025, sobre 1.803 ejecutivos, encontró que:
- 75% ubica la IA entre sus tres prioridades estratégicas.
- Solo 25% declara estar obteniendo valor significativo.
- 60% no define ni monitorea indicadores financieros vinculados al valor de la IA.
- Dos de cada tres empresas tienen dificultades para rediseñar flujos de trabajo, modificar incentivos y cultura, o desarrollar el talento necesario.
El Stanford AI Index, con datos de McKinsey, va en la misma línea: entre quienes reportan ahorros por IA, la mayoría declara mejoras inferiores al 10%. En ingresos, el nivel más común de mejora es inferior al 5%.
BCG resume la transformación efectiva con una regla que vale la pena memorizar: 10-20-70. Diez por ciento algoritmos, veinte por ciento tecnología, setenta por ciento personas y procesos.
Si el 70% del trabajo está fuera de la herramienta, comprar la herramienta resuelve el 30% del problema en el mejor de los casos.
La barrera principal no es técnica
Cuando se le pregunta a las empresas qué las frena, la respuesta no es el precio ni la disponibilidad.
World Economic Forum, Future of Jobs Report 2025 (más de 1.000 empleadores, 14 millones de trabajadores, 55 economías):
- 63% identifica la brecha de habilidades como la mayor barrera para transformar el negocio.
- De cada 100 trabajadores, 59 necesitarían formación antes de 2030.
- En promedio, 39% de las habilidades actuales cambiarán o quedarán obsoletas entre 2025 y 2030.
Eurostat, datos 2025: solo 19,95% de las empresas de la Unión Europea con 10 o más empleados usó IA en 2025. Entre las que evaluaron usarla y no lo hicieron, la razón principal fue la falta de conocimiento especializado: 70,89%. Después vinieron la falta de claridad sobre consecuencias legales (52,52%) y las preocupaciones de privacidad (48,83%).
IBM Global AI Adoption Index: entre empresas que exploraban o desplegaban IA, 33% señaló falta de habilidades o experiencia, 25% complejidad de datos y 22% dificultad para integrar y escalar.
El cuello de botella es la capacidad de aprender, decidir, integrar y gobernar. No el acceso.
La adopción es un proceso, no una decisión binaria
Hay una investigación de Zhu, Kraemer y Xu (Management Science, 2006) que estudió 1.857 empresas de 10 países y modeló la asimilación tecnológica en tres etapas: iniciación → adopción → rutinización.
El hallazgo más útil para esta conversación: la presión competitiva impulsa la iniciación y la adopción, pero puede perjudicar la rutinización. Una empresa puede perseguir la última tecnología sin haber aprendido a usar bien la anterior.
Zhu y Kraemer (Information Systems Research, 2005) agregan que el eslabón perdido entre adopción y valor es el uso efectivo posterior a la adopción, y que la integración de back-end pesa más que incorporar funcionalidades visibles.
Fichman y Kemerer (Management Science, 1997) aportan el concepto de barrera de conocimiento: las tecnologías organizacionales complejas generan una carga de aprendizaje que inhibe su difusión, y las organizaciones avanzan mejor cuando ya tienen conocimiento relacionado.
Comprar, habilitar o licenciar una herramienta no demuestra adopción. La prueba es si el trabajo cambió, si la organización aprendió y si el valor se puede medir.
El tamaño no resuelve la adopción
Sería cómodo decir que las empresas grandes adoptan más lento que las chicas. Los datos muestran algo más interesante.
En la Unión Europea, durante 2025 usó IA el 55,03% de las empresas grandes, contra 30,36% de las medianas y 17% de las pequeñas. Las grandes tienen capital, equipos, datos y escala para empezar antes.
Pero la investigación de Zhu, Kraemer y Xu muestra que esa ventaja inicial puede convertirse en inercia estructural durante la integración y la rutinización.
Las organizaciones grandes suelen poder comprar y probar antes, pero tienen más estructura que transformar para que la tecnología se convierta en una nueva forma de trabajo.
Para una PyME argentina esto es una ventaja real, si se aprovecha. Procesos más simples de mapear, decisiones más rápidas, impacto que se siente antes.
El valor aparece después de inversiones que no se ven
Brynjolfsson, Rock y Syverson describieron un fenómeno que explica buena parte de la frustración actual: la curva J de productividad.
Las tecnologías de propósito general —y la IA lo es— exigen inversiones complementarias en procesos, productos, modelos de negocio y capital humano. Esas inversiones son en gran medida intangibles y ocurren antes de que aparezca el beneficio observable.
Primero hay costo, aprendizaje y reorganización. Después, si el trabajo se hizo bien, aparece productividad.
Esto tiene dos lecturas y las dos importan:
- Una demora no siempre es fracaso. Puede ser la parte invisible de la curva.
- Pero una prueba eterna, sin rediseño ni medición, tampoco es transformación. Es una herramienta pagando licencia.
La diferencia entre las dos situaciones es si sabés qué estás esperando, quién decide y cómo vas a medir el avance.
Cuatro conceptos para ordenar la conversación
Estas son las categorías que usamos cuando trabajamos con una organización:
Deuda de adopción
Herramientas incorporadas sin integración, sin hábitos y sin valor medido. Se acumula igual que la deuda técnica y también se paga con intereses.
Velocidad de apropiación
El tiempo que pasa entre que una herramienta está disponible y su uso efectivo y sostenido. Es la métrica que más nos interesa mejorar.
Tecnología en producción
Tecnología integrada a un proceso real, con responsable, criterio y métrica. Todo lo demás es piloto. Es exactamente la diferencia que explica por qué la mayoría de los proyectos no llega a producción.
Capacidad de absorción (Cohen y Levinthal, 1990)
La aptitud organizacional para reconocer el valor del conocimiento externo, asimilarlo y aplicarlo. Depende del conocimiento previo: una organización no empieza a aprender el día que compra la herramienta.
Cinco preguntas antes de incorporar la próxima herramienta
Si estás por sumar una tecnología nueva, respondé esto primero:
- ¿Qué problema concreto resuelve? Si la respuesta es "nos permite usar IA", todavía no hay problema identificado.
- ¿En qué proceso real se inserta? No en cuál podría insertarse. En cuál se va a insertar la semana que viene.
- ¿Quién es el responsable? Una persona con nombre, no un área.
- ¿Con qué se integra? Qué datos consume, qué sistemas toca, qué pasa cuando falla.
- ¿Cómo vas a medir si funcionó? Una métrica definida antes de empezar, no después.
Si alguna queda sin respuesta, no estás frente a un proyecto de adopción. Estás frente a una prueba. Las pruebas están bien, siempre que sepas que lo son. Y si la duda es en qué punto está tu organización, repasá las señales de que tu empresa está lista para la IA.
Qué hacemos en ΛI con esto
No vendemos la última IA. Acompañamos a organizaciones a ordenar el escenario, elegir dónde tiene sentido actuar, conectar tecnología con procesos y datos, sostener la adopción y medir el impacto real.
La ventaja competitiva no está en conocer cada novedad. Está en construir una organización capaz de reconocer, absorber y aplicar lo que importa.
El futuro fue ayer. La capacidad de adaptación se construye hoy.
Por dónde empezar
El Diagnóstico ΛI dura entre uno y dos días. Mapeamos cómo trabaja tu equipo hoy, identificamos dónde hay deuda de adopción y devolvemos un orden de prioridades con responsables y métricas propuestas.
Su costo se descuenta del Sprint si decidís avanzar. Si antes de esa conversación querés dimensionar la inversión, lo desarrollamos en cuánto cuesta implementar IA en una PyME argentina.
Fuentes
- Stanford HAI, Artificial Intelligence Index Report 2025
- BCG, AI Radar 2025 (1.803 ejecutivos)
- World Economic Forum, Future of Jobs Report 2025
- Eurostat, uso de IA en empresas, datos 2025
- IBM, Global AI Adoption Index
- Zhu, Kraemer y Xu, Management Science, 2006
- Zhu y Kraemer, Information Systems Research, 2005
- Fichman y Kemerer, Management Science, 1997
- Brynjolfsson, Rock y Syverson, The Productivity J-Curve y AI and the Modern Productivity Paradox
- Cohen y Levinthal, Administrative Science Quarterly, 1990