- Según un informe del MIT, el 95% de las empresas en todo el mundo no obtiene ganancias reales de la adopción de IA generativa
- Las empresas experimentaron a gran escala con modelos de lenguaje grandes como ChatGPT y Copilot, pero la mayoría de los usos se limita a mejoras de productividad
- Los casos de éxito solo se confirmaron en el 5% de los pilotos de IA integrados, y en la mayoría no hubo impacto en ventas ni en ganancias
- Las principales razones son que la IA generativa no encaja bien con los procedimientos reales de trabajo, no recuerda la retroalimentación y no logra adaptarse al contexto
- El informe descarta los temores de una sustitución masiva de empleos y analiza que, aunque es posible reducir costos externos, por ahora es poco realista una reestructuración interna o despidos masivos
- En conclusión, la IA tiene fortalezas en tareas específicas más que como estrategia, y recomienda que las empresas se concentren en áreas limitadas donde puedan obtener resultados inmediatos, en lugar de buscar una innovación a escala de toda la organización
Inversión empresarial en IA generativa y retorno
- En los últimos 3 años, las empresas han invertido entre 30 y 40 mil millones de dólares en proyectos de IA generativa
- Sin embargo, son muy pocas las empresas que han obtenido retornos de negocio reales
- Según una nueva investigación del MIT, el 95% de las empresas respondió que no tiene beneficios medibles pese a adoptar IA
- Solo el 5% de los proyectos piloto de IA está generando valor por millones de dólares
Estado de adopción y límites de los modelos de lenguaje grandes
- Más del 80% de las grandes empresas está probando o ejecutando como piloto LLM principales como ChatGPT y Copilot
- Cerca del 40% de las empresas ha adoptado estos sistemas en cierta medida, pero en la mayoría de los casos se limita a reforzar la productividad individual de los empleados
- Casi no hay impacto en la mejora de los ingresos o las ganancias totales de la empresa
Limitaciones técnicas de la IA generativa
- Muchas veces, las herramientas de IA generativa no encajan bien con los procesos reales de trabajo
- Entre los problemas más representativos se señalan flujos de trabajo inestables, falta de aprendizaje contextual e integración ineficiente con las tareas
- La mayoría de los modelos de IA generativa no logra conservar retroalimentación pasada ni transferir fácilmente aprendizajes entre contextos y tareas
- Según el informe, la mayoría de los sistemas de GenAI no puede mantener retroalimentación, adaptarse al contexto ni mejorar a largo plazo
- Por estas características, solo aumentan los costos de integración a largo plazo dentro de las empresas, mientras que la mejora real de eficiencia sigue siendo insuficiente
Diferencia entre las expectativas de negocio y la realidad
- Aunque las expectativas y la escala de inversión en IA generativa fueron altas, esto no se tradujo en reducción de costos ni en generación de ingresos reales
- En la práctica, se usa para tareas limitadas como servicio al cliente, marketing y redacción de documentos; ahorra tiempo, pero tiene poco efecto directo en el aumento de ingresos
Impacto en el empleo y en la estructura organizacional
- Las preocupaciones de que la IA generativa provoque una reducción masiva de empleos en el corto plazo tienen poco sustento
- Se prevé que el efecto de la IA se limite más a optimizar costos externos, como reducir gastos de subcontratación, que a cambiar la estructura interna del personal
- Se espera que, más que sustituir de inmediato a gran escala a los trabajadores, se quede en una reducción de costos de outsourcing
Malentendidos técnicos y límites del avance
- Muchos casos de fracaso ocurrieron porque las empresas no entendieron con precisión las posibilidades reales y los límites de la IA
- La IA generativa puede crear texto o código rápidamente, pero carece de aprendizaje continuo y flexibilidad como la de un ser humano
- Por ejemplo, un empleado puede responder de manera flexible a errores previos o a nuevas exigencias, pero la IA no puede transferir ese tipo de memoria continua
Inversión y dirección futura
- Inversionistas y directivos esperan un avance continuo de la tecnología de IA, pero en el corto plazo el progreso va más lento de lo previsto
- El informe sugiere que todavía es prematuro introducir IA de inmediato en todas las industrias y flujos de trabajo
- Las organizaciones necesitan concentrar su adopción en áreas acotadas donde sea posible obtener efectos inmediatos y medibles
- Ejemplos: automatización de soporte al cliente, herramientas de apoyo al desarrollo y redacción de borradores de documentos
- La integración de IA en toda la empresa sigue siendo muy riesgosa y con alta probabilidad de fracaso
Conclusión e implicaciones
- La materialización del valor empresarial de la IA generativa se limita a unos pocos casos exitosos
- La mayoría de las empresas apenas obtiene una ayuda marginal en tareas cotidianas
- El informe enfatiza que las empresas deben ver la IA generativa no como un motor de crecimiento total, sino como una herramienta limitada
- Aunque las expectativas son altas, mientras los sistemas actuales no logren adaptarse como un ser humano, será difícil que las empresas obtengan grandes ganancias de la IA
Aún no hay comentarios.