¿Por qué el 95% de las empresas fracasa al invertir en IA?

La fiebre por la inteligencia artificial (IA) ha llevado a miles de empresas a invertir fortunas, pero los resultados son alarmantes. Según un reciente informe del Instituto Tecnológico de Massachusetts (MIT), el 95% de las compañías que han iniciado proyectos de IA generativa aún no logran rentabilizar su inversión.

Esta cifra ha encendido las alarmas sobre una posible burbuja tecnológica. Sin embargo, Jason Droege, el nuevo CEO de Scale AI —empresa valorada en 29,000 millones de dólares tras una inversión masiva de Meta—, asegura que el problema no es la tecnología, sino cómo se está aplicando.

¿Por qué no funciona la IA en la mayoría de los negocios?

Para Droege, el error principal radica en la expectativa de que la IA es una "varita mágica". Muchas corporaciones han intentado implementar modelos de lenguaje sin entender que la realidad operativa es mucho más compleja que simplemente conectar un software.

"Existe la promesa general de que solo conectas el modelo y todo funcionará. La realidad es un poco diferente", explicó Droege. Según el ejecutivo, las empresas fallan porque:

• Eligen el problema incorrecto: Intentan usar IA para tareas donde no aporta valor real.
• Falta de datos personalizados: Usan modelos genéricos en lugar de entrenar la tecnología con datos específicos de su propia industria.
• Ausencia de supervisión humana: Creen que el proceso puede ser 100% automatizado desde el primer día.

Las claves para ganar dinero con la Inteligencia Artificial

Entonces, ¿dónde está el verdadero negocio? Droege señala que la IA brilla en procesos donde los humanos son lentos, inconsistentes o propensos a errores. Algunos ejemplos de éxito que Scale AI está implementando incluyen:

1. Sector Salud: Resúmenes de historiales médicos para que los doctores lleguen mejor preparados a la consulta.
2. Seguros: Procesamiento automatizado de reclamos para agilizar los reembolsos.
3. Gobierno: Evaluación de permisos de construcción basados en normativas históricas antes de la revisión humana final.

El papel de los expertos humanos

Un punto crítico para el éxito es la retroalimentación constante. En el caso de la salud, por ejemplo, son los médicos más experimentados quienes deben revisar el sistema y señalar errores para que la IA aprenda. Este proceso puede tardar semanas o meses, pero es lo que diferencia a una herramienta útil de un simple juguete tecnológico.

¿Estamos ante una burbuja o una transición lenta?

Aunque el escepticismo crece, analistas como Gil Luria de DA Davidson sugieren que estamos en una fase de transición. "Llevará años para que las grandes empresas implementen herramientas de IA que generen ingresos y ahorren gastos de forma masiva", comentó.

En Hispanoamérica, donde la adopción tecnológica suele enfrentar retos de infraestructura y presupuesto, la lección de Scale AI es clara: antes de invertir en el modelo más costoso, las empresas deben identificar qué tareas repetitivas están frenando su crecimiento.

¿Crees que la IA realmente reemplazará empleos o solo será una herramienta más para los profesionales expertos?