Por: Alex Cabrera, CEO y fundador de Prevsis
La burbuja de inteligencia artificial no estallará por falta de tecnología. Estallará porque se ha vendido una fantasía muy convincente a directores y gerentes financieros, haciéndoles creer que contratar a un experto en IA o comprar una herramienta que promete conectarse a los datos corporativos basta para transformar una organización.
La realidad es bastante más áspera. La mayoría de los proyectos fracasan no porque la tecnología subyacente sea deficiente, sino porque se implementan sobre estructuras organizacionales y bases de datos deficientes. El Proyecto NANDA del MIT cuantifica que el 95 % de los proyectos empresariales de IA generativa no produce ningún retorno medible pese a una inversión estimada entre US$30.000 y US$40.000 millones, y que apenas un 5 % extrae valor real. Esto ocurre frecuentemente al trabajar con proveedores que entienden la teoría de la inteligencia artificial, pero que nunca han liderado una transformación operativa real y desconocen los procesos en terreno de las empresas.
Creer que el proveedor tecnológico comprende de forma implícita la transformación de una organización compleja resulta ser una ilusión costosa. Un equipo puede dominar el funcionamiento de los modelos de lenguaje, las redes neuronales y los algoritmos, pero eso no garantiza que entiendan cómo opera un equipo de prevención de riesgos, cómo fluyen los datos en la gran minería o la manufactura, cómo se controla efectivamente a los contratistas, cómo se miden los indicadores de sostenibilidad o cómo se integran dichos procesos al núcleo del negocio.
En las implementaciones fallidas aparece siempre el mismo patrón. Se observan sistemas fragmentados construidos durante décadas sin coordinación, silos de información, datos sin normalizar y procesos carentes de documentación formal. Sobre ese escenario llega un proyecto de IA o se adquiere una herramienta de última generación, se realiza una demostración atractiva ante el directorio y de inmediato comienza el choque con la realidad operativa. Según el informe S&P Global, 2025, en un solo año subió de 17 % a 42 % el abandono de iniciativas IA antes de entrar en operación.
La inteligencia artificial requiere datos de calidad, limpios, categorizados, validados, versionados y gobernados. Cuando los algoritmos operan sobre datos deficientes, producen respuestas estéticamente plausibles pero desconectadas del negocio, generando alucinaciones o amplificando sesgos.
Lo que pocos actores del mercado quieren admitir es que la inteligencia artificial no es el punto de partida. Constituye el catalizador final de un proceso profundo que debe comenzar mucho antes. La evidencia empírica respalda esta secuencia, ya que el estudio anual de McKinsey identificó el rediseño de los flujos de trabajo como el factor con mayor incidencia en la capacidad de una organización para capturar impacto en sus resultados, y mostró que las compañías de alto desempeño tienen casi tres veces más probabilidad de haber rediseñado a fondo sus procesos antes de apoyarse en los modelos (McKinsey, 2025).
Como ejemplo práctico, empresas como Prevsis han tenido que perfeccionar sus procesos de transformación digital y de implementación de la mano de sus clientes para lograr consolidar una plataforma de IA que verdaderamente funcione para las operaciones industriales. Cada empresa posee una realidad diferente y requiere primero estructurar y diseñar meticulosamente sus procesos de prevención de riesgos laborales, sostenibilidad y gestión de contratistas. Este trabajo fundacional permite que los datos generados se encuentren limpios, relacionados y categorizados desde su origen. Solo al alcanzar ese nivel de madurez organizativa, los agentes de IA se conectan a una plataforma ordenada y operan sobre información fidedigna. Posteriormente, los datos producidos por esos mismos agentes retroalimentan el ecosistema, creando un ciclo de mejora continua.
Para la adopción de soluciones verticales, los mejores proveedores no son quienes aprendieron inteligencia artificial y luego salieron a buscar dónde aplicarla. Los verdaderos aliados estratégicos son aquellos que ya poseían una profunda experiencia operativa en un dominio específico, comprendieron las fricciones reales del negocio, identificaron las oportunidades exactas de aceleración y solo después incorporaron la inteligencia artificial dentro de una arquitectura de software pensada exclusivamente para los desafíos de esa industria. Esa diferencia tiene respaldo cuantitativo, porque el mismo informe del MIT encontró que comprar soluciones a proveedores especializados y construir alianzas tiene éxito cerca del 67% de las veces, mientras que los desarrollos internos aislados aciertan apenas un tercio de esa cifra (NANDA, MIT, 2025).
El riesgo inmediato es repetir el mismo error con la siguiente ola tecnológica. Gartner anticipa que más del 40 % de los proyectos de IA agentica se cancelarán antes de que termine 2027, presionados por costos crecientes y por un valor de negocio que nunca llega a materializarse (Gartner, 2025). El desenlace se repetirá mientras las organizaciones sigan comprando promesas en lugar de capacidades operativas. La pregunta que un directorio debería formularle a cualquier proveedor no es cuántos modelos de inteligencia artificial domina, sino cuántas operaciones reales de su industria ha logrado ordenar y transformar antes de incorporar esa tecnología.
La buena noticia es que el camino existe y está probado. Las empresas que hoy obtienen retornos tangibles no compraron inteligencia artificial, se aliaron. Elegir bien al proveedor, uno que conozca el terreno antes que el algoritmo, es la decisión que afecta positivamente la última línea. La burbuja no estallará para quienes comprendan que la inteligencia artificial no sustituye el trabajo de fondo, lo potencia.
Destacado: La moda entra en la era de la inteligencia artificial
