Hay un desfase creciente entre la euforia que rodea a la inteligencia artificial y lo que realmente está ocurriendo en las entrañas de las empresas. Mientras los titulares celebran cada nueva herramienta, cada promesa de automatización total, una realidad más cruda se extiende en los departamentos de tecnología y operaciones muchos de estos proyectos no están cumpliendo con las expectativas. De hecho, una buena parte está fallando.
El abismo entre la promesa y los resultados
Según un estudio de Gartner, únicamente el 28% de los despliegues de IA en infraestructura y operaciones alcanza el retorno esperado. Eso quiere decir que más del 70% no logra justificar su inversión con resultados tangibles. Aún más revelador el 20% de los proyectos de IA en estas áreas termina en fracaso. Pero quizás el dato más contundente no sea una media, sino una confesión colectiva el 57% de los responsables consultados admite haber tenido al menos una iniciativa fallida. No se trata de una anomalía. Es un patrón.
Estos números no miden si la IA es buena o mala como tecnología. Se centran en cómo las empresas la están aplicando en su infraestructura tecnológica y sus operaciones internas. Son decisiones prácticas, no especulaciones futuristas. Y en ese terreno, las dificultades son reales. Los grandes problemas no están en la potencia de los algoritmos, sino en la organización, los datos y las personas.
¿Por qué fallan los proyectos?
Uno de los mayores escollos, según Melanie Freeze, directora de investigación en Gartner, es la expectativa desmedida.
Pero la realidad es más lenta, más exigente. La IA no llega como un salvador tecnológico. Necesita datos limpios, procesos claros y talento especializado para funcionar."Muchos equipos asumieron que la IA iba a automatizar tareas complejas de forma inmediata, reducir costes o resolver problemas operativos arrastrados durante años"
Y justamente en esos tres frentes es donde muchas empresas tropiezan. La carencia de talento especializado es un cuello de botella constante. No basta con contratar un modelo preentrenado hay que adaptarlo, monitorearlo, mantenerlo. Y eso requiere habilidades que aún escasean. A eso se suman las dificultades para integrar la IA en procesos ya existentes, que muchas veces son fruto de décadas de decisiones tecnológicas acumuladas. Y, por supuesto, el eterno problema la calidad o disponibilidad de los datos. Si la información es inconsistente, incompleta o está dispersa, el modelo no aprende bien. Y si no aprende bien, falla.
Dónde sí funciona la IA
No todo son malas noticias. Gartner identifica áreas donde la IA está dando resultados positivos, especialmente en la gestión de servicios de TI y las operaciones en la nube. Allí, un 53% de los responsables reporta mejoras. ¿Por qué ahí sí funciona? Probablemente porque son entornos más estandarizados, con flujos de datos más controlados y métricas más claras. La automatización de alertas, la detección de anomalías o la optimización de recursos en la nube son tareas donde la IA puede brillar, siempre que tenga las condiciones adecuadas.
La burbuja que podría reventar
Mientras tanto, los grandes proveedores tecnológicos siguen invirtiendo a lo loco. Centros de datos que ocupan kilómetros cuadrados, acuerdos multimillonarios, alianzas estratégicas todo apunta a que la demanda de IA seguirá creciendo. Pero esta inversión masiva descansa, en parte, en la certeza de que las empresas adoptarán estas tecnologías con éxito. ¿Qué pasa si no es así?
El riesgo de mercado está latente. Si las empresas que usan estos servicios no logran rentabilizar sus proyectos, es previsible que comiencen a frenar el gasto. Ya hay señales otras encuestas, como un estudio del National Bureau of Economic Research, indican que muchas compañías aún no detectan un impacto claro en productividad o empleo derivado de la IA. Eso no significa que la tecnología no sirva. Significa que su integración es más compleja de lo que se anunció.
Estamos ante un momento de inflexión. La IA no es un producto plug-and-play. Es una transformación que exige madurez organizacional, inversión en personas y una humildad tecnológica que, hasta ahora, ha estado ausente. Las máquinas no fallan por falta de inteligencia. Fallan cuando las expectativas humanas se desbordan. Y si no ajustamos esas expectativas, lo que hoy suena como un avance revolucionario podría convertirse, mañana, en un costoso recordatorio de que no todo lo que brilla es oro.