El 95% de los pilotos de IA: qué midió el informe NANDA

El 18 de agosto de 2025 empezó a circular una cifra rotunda: el 95% de los pilotos empresariales de inteligencia artificial generativa no logra retorno. Procedía de The GenAI Divide: State of AI in Business 2025, un informe de hallazgos preliminares elaborado en colaboración con Project NANDA, vinculado al MIT. El documento afirma que el 95% de las organizaciones obtiene retorno cero y que solo el 5% de los pilotos integrados extrae millones de dólares de valor.

Pero el informe no publica el numerador y el denominador exactos que producen ese porcentaje. Tampoco usa siempre la misma unidad: habla de organizaciones, pilotos, soluciones y herramientas. La conclusión honesta no es que la cifra sea falsa, sino que es una estimación de los autores que un lector no puede reconstruir con los datos mostrados. Aprender a detectar esa diferencia —entre una cifra declarada y una tasa reproducible— es la capacidad que permanece cuando el titular caduca.

Qué estudió realmente NANDA

Los autores, Aditya Challapally, Chris Pease, Ramesh Raskar y Pradyumna Chari, describen un diseño de varios métodos. Entre enero y junio de 2025 revisaron más de 300 iniciativas y anuncios de IA divulgados públicamente, realizaron entrevistas estructuradas con representantes de 52 organizaciones y recogieron respuestas de 153 líderes sénior en cuatro conferencias sectoriales. El propio documento se presenta como hallazgos preliminares, no como un ensayo aleatorizado ni como un censo de todas las empresas.

El apéndice añade una ventana temporal importante: define el éxito como un despliegue que supera el piloto y muestra indicadores medibles, y dice medir el retorno seis meses después del piloto, ajustado por tamaño del departamento. También señala que calculó intervalos de confianza mediante remuestreo bootstrap «cuando era aplicable». Sin embargo, no publica una tabla que conecte cada iniciativa con su estado, sus indicadores, su ventana de observación y su resultado. Tampoco muestra el intervalo de confianza del 95%.

Hay otra definición en el cuerpo. Para herramientas generativas específicas de una tarea, considera implementación exitosa aquella que usuarios o ejecutivos describieron como causante de un impacto «marcado y sostenido» en productividad o en pérdidas y ganancias. La primera definición exige despliegue e indicadores; la segunda incorpora apreciaciones de entrevistados. Pueden solaparse, pero no son intercambiables.

El denominador que falta

El gráfico de adopción indica que, entre las herramientas integradas o específicas de una tarea, el 60% fue investigado, el 20% llegó a piloto y el 5% se implementó con éxito. A continuación, el texto llama a eso «tasa de fracaso del 95% para soluciones empresariales de IA». En el resumen, en cambio, el 95% se refiere a organizaciones sin retorno y el 5% a pilotos integrados que extraen valor.

No sabemos si el denominador son las más de 300 iniciativas públicas, las 52 organizaciones entrevistadas, una submuestra de herramientas evaluadas o una combinación. Tampoco se publican los recuentos detrás de cada barra. Por eso no es correcto reformular el hallazgo como «el 95% de todos los pilotos de IA fracasa», ni decir que el 5% acelera ingresos: el informe habla de impacto en productividad o P&L, de despliegue y de valor, conceptos relacionados pero distintos.

También desaparece de esta reescritura la estimación de 30.000 a 40.000 millones de dólares de inversión que abre el documento. El informe la afirma, pero no identifica allí una fuente ni explica cómo la calculó. Una cifra llamativa sin procedencia localizable no gana solidez porque aparezca al lado de un logotipo académico.

Qué sí muestran las observaciones

El patrón cualitativo es útil. Los entrevistados describieron herramientas rígidas, sin memoria suficiente del contexto, mal conectadas con los flujos diarios y necesitadas de intervención manual. El informe denomina a esa distancia learning gap: no basta con que un modelo responda bien de forma aislada; el sistema empresarial debe conservar contexto permitido, integrarse con datos y permisos, recibir correcciones y funcionar de forma repetible.

Eso explica por qué productividad individual y retorno financiero no son sinónimos. Ahorrar diez minutos al redactar un correo puede ser real, pero no reduce automáticamente costes ni aumenta ingresos. Para llegar a P&L hay que multiplicar el ahorro por frecuencia y adopción, descontar revisión, errores, licencias, integración, soporte y riesgo, y demostrar que la capacidad liberada tuvo un uso económico. Sin ese puente, una mejora de tarea no es aún retorno empresarial.

El documento también encontró una diferencia entre formas de implantación. En su muestra de entrevistas, las alianzas externas con herramientas personalizadas llegaron al despliegue aproximadamente el 67% de las veces, frente a un 33% de desarrollos internos. Pero la limitación aparece junto al gráfico: las definiciones variaban, el periodo podía ser corto, no había volúmenes precisos de iniciativas y las organizaciones que compran pueden tener capacidades, tolerancia al riesgo o procesos de contratación diferentes. Es correlación en una muestra de 52 organizaciones, no prueba de que comprar cause el éxito.

Las limitaciones no son letra pequeña

El apéndice metodológico reconoce que la muestra puede no representar regiones o segmentos empresariales, que quienes aceptan hablar pueden diferir de quienes no participan y que las métricas de éxito varían entre compañías e industrias. Añade que los proyectos públicos pueden ocultar desarrollos privados, que otros cambios operativos y económicos complican atribuir el retorno y que seis meses pueden infravalorar sistemas empresariales complejos.

Estas advertencias cambian la lectura. Las más de 300 iniciativas públicas sirven para observar discursos y despliegues conocidos, pero un anuncio no contiene necesariamente costes completos ni resultados auditados. Las entrevistas aportan contexto, aunque los casos y citas están anonimizados por confidencialidad. Las encuestas describen a quienes respondieron en esas conferencias, no a una muestra aleatoria del tejido empresarial mundial.

El vínculo institucional también debe nombrarse con precisión. El informe dice que fue producido «en colaboración con Project NANDA» y que sus opiniones pertenecen a autores y revisores, no a sus empleadores afiliados. La página actual de NANDA en MIT Media Lab describe el grupo y su investigación sobre agentes conectados; la antigua URL oficial del informe ahora redirige a esa página. La copia enlazada aquí es la captura archivada del PDF que estuvo públicamente alojado en el dominio de NANDA.

Cómo medir un piloto sin fabricar un porcentaje

Antes de empezar, una empresa debería fijar seis elementos. Primero, la unidad: una tarea, un equipo, un proceso o una cuenta de resultados. Segundo, una línea base anterior al sistema. Tercero, un grupo o periodo comparable que permita estimar qué habría ocurrido sin la herramienta. Cuarto, una ventana suficiente para el tipo de proceso. Quinto, todos los costes: licencia, integración, datos, revisión, incidencias y formación. Sexto, límites de calidad y riesgo que impidan comprar velocidad a cambio de errores.

Después puede escribir la ecuación. Beneficio neto es ingreso adicional verificable más costes evitados, menos coste total del sistema. El retorno divide ese beneficio neto por el coste total. Si la organización mide horas, debe declarar cómo convierte una hora ahorrada en dinero: capacidad realmente reasignada, gasto externo evitado o volumen adicional, no salario multiplicado de forma automática.

La ficha de resultados debería conservar recuentos, no solo porcentajes: cuántos pilotos empezaron, cuántos llegaron al plazo, cuántos abandonaron, qué indicador debía superar cada uno y cuántos lo hicieron. Debe separar «no produjo retorno» de «aún no se pudo medir» y «se canceló por otra razón». Solo entonces un 5% o un 95% tiene un denominador que otro lector puede auditar.

Una cifra útil como pregunta, no como veredicto

El informe NANDA acierta al señalar una brecha frecuente entre una demostración y un sistema integrado. También ofrece sus propias cautelas, algo que muchos titulares perdieron. Lo que no permite es elevar el 95% a ley general sobre toda la IA empresarial.

La próxima vez que viaje una tasa de fracaso, hay que pedir cinco datos: unidad observada, numerador, denominador, definición de éxito y plazo. Si falta uno, se puede contar la estimación con atribución y límites, pero no convertirla en hecho universal. En este caso, la formulación fiel es sencilla: los autores de un informe preliminar de NANDA estimaron una tasa del 95%; el documento expone señales valiosas sobre integración, pero no publica los recuentos necesarios para reproducirla.