El 88% de las empresas usa IA. Solo el 6% ve un impacto en el negocio.

La Inteligencia Artificial hace a tu gente más rápida. Pero la productividad de la empresa no se mueve. Cada persona responde mejor, resume mejor, analiza mejor, y sin embargo el resultado del negocio sigue igual. Acá desarmo por qué pasa, dónde se pierde el valor, y qué tiene que cambiar para que la IA deje de ser una mejora individual y se convierta en capacidad organizacional.

El 88% de las empresas ya usa inteligencia artificial. Los estudios muestran que muestran que a nivel individual estamos logrando mejoras de entre el 14% y el 56% en términos de velocidad y calidad. Respuestas más rápidas, mejores resúmenes, código que se escribe en la mitad del tiempo.

Y sin embargo.

McKinsey encontró en 2025 que solo el 6% de las empresas ve un impacto real en su resultado operativo. MIT estudió 300 implementaciones y concluyó que el 95% no movió un centímetro su P&L. La brecha entre lo que la IA le produce en una persona y lo que le hace a una organización es enorme. Y tiene nombre. Ya la vivimos antes.

La paradoja que ya conocemos

En 1987, Robert Solow dijo algo que se convirtió en una de las frases más citadas de la economía moderna. "Se pueden ver las computadoras en todos lados, menos en las estadísticas de productividad." Esa frase quedó como advertencia de lo que pasa cuando una tecnología se adopta sin cambiar la forma de trabajar.

La productividad de las computadoras no apareció en los estados de resultados hasta los años noventa. Tardó casi una década en tener un real impacto. Y no apareció cuando las empresas compraron más computadoras. Apareció cuando se rediseñó el cómo trabajamos, cuando se rediseño la forma de gestionar y ejecutar el 'negocio' a partir del surgimiento de una nueva tecnología.

Hoy estamos repitiendo exactamente la misma historia. La IA está en todas las earnings calls, en los presupuestos, en las juntas de directorio, en todas las conversaciones. Nos pasamos el día preguntando "¿cómo podemos hacer esto con IA?". Pero el valor no aparece. No está en la productividad. No está en el resultado. Hoy estamos en estado puro de FOMO (Fear of Missing Out)!

No es un problema de tecnología. Es un problema de cómo se usa. Es un problema cultural! (¿RRHH dónde estás?)

Cómo se usa la IA hoy en la mayoría de las empresas

Un analista le pide a la IA que resuma un reporte. Lo hace en segundos. Antes tardaba una hora. Productividad individual, sin discusión.

Ahora pensemos qué pasa con ese resumen. El analista se lo manda a su jefe. El jefe lo lee, lo comenta en una junta. Alguien pide una presentación. Se arma la presentación. Diez personas discuten los argumentos, cuestionan los datos y piden un nuevo resumen con más detalle sobre lo mismo. Sale el nuevo resumen. Se agenda otra junta.

Y en todo ese recorrido, nadie detectó que el indicador se desvió antes de que impactara. Nadie descompuso el problema para saber dónde se concentra. Nadie asignó un plan con responsable y fecha. Y nadie verificó si lo que se decidió movió el número.

El analista fue más rápido. La organización giró en el mismo círculo de siempre.

HBR Analytic Services publicó en abril de 2026 un dato que define el estado actual. Solo el 18% de las organizaciones tiene la IA integrada dentro de sus procesos de trabajo. El 34% la usa como herramienta al lado del proceso. Cuando la IA opera fuera del flujo de trabajo, le falta el contexto para producir resultados de negocio. Se le dio IA a las personas sin cambiar los procesos en los que trabajan. Cuatro de cada cinco empresas siguen poniendo la IA encima de procesos que no cambiaron.

La IA se convirtió en una herramienta individual extraordinaria montada sobre una organización que sigue operando como hace diez años.

Lo que pasa en América Latina

Para las empresas de la región, la brecha entre productividad individual y organizacional se monta sobre otra brecha que ya existía. La productividad laboral de América Latina pasó del 69% de la de Estados Unidos en el año 2000 al 56% en 2019. No subió. Bajó.

La IA es una oportunidad enorme para revertir esta brutal tendencia (negativa). Y lo que es peor, un estudio del WEF y McKinsey de enero de 2026 encontró que solo el 23% de las organizaciones de la región genera algún valor económico con IA. Y el hallazgo más revelador es que las organizaciones que no generan impacto tienen tres veces más probabilidad de tener baja madurez de datos. En mi articulo "Tu IA no entiende tu negocio" (Link) hablo un poco del 'por qué' y oportunidades frente a un mundo desconocido para muchas de las áreas de una organización. La frase "hasta que no tenga todos los datos lindo y ordenados no empiezo con Data y Analytics" es quizás hoy la frase más desctructiva a nivel organizacional. 

En México, el 92% de las empresas planea aumentar su inversión en IA, pero solo el 1% alcanzó lo que el IMD 2025 (Fuente Needed) define como madurez plena, la completa integración de la IA en los flujos de trabajo como impulsora de resultados de negocio. Uno de cada cien. Y para completar el cuadro, el manejo de datos en las empresas mexicanas no mejoró, empeoró, cayendo de 33% a 31% entre 2024 y 2025. Los datos van para atrás mientras la inversión en IA va para adelante. Esa desconexión explica porque el valor esperado no se va a ver al menos de la manera que esperamos. 

La IA se adoptó como comportamiento individual antes de convertirse en infraestructura confiable. Y esa es exactamente la diferencia.

Por qué la productividad individual no se suma

Suena intuitivo pensar que si cada persona trabaja más rápido, la empresa debería ir más rápido. Pero no funciona así.

Entre la persona que responde más rápido y la empresa que mejora su resultado hay una capa invisible. Es la capa de los procesos, los datos integrados, las reglas del negocio traducidas a un lenguaje que la tecnología entienda, y un ciclo que conecta la señal con la acción y la acción con el resultado.

La productividad individual se mide en velocidad de tarea. La productividad organizacional se mide en velocidad de resultado. Y entre las dos hay un vacío que ningún chat resuelve.

El ciclo que cierra la brecha

Si el problema no es la IA, sino dónde y cómo operamos, entonces la pregunta cambia. Ya no es "qué modelo uso" sino "qué ciclo tengo para convertir un dato en un resultado verificado".

Hay una oportunidad que pocos están viendo, porque la mayoría sigue creyendo que con tener un chat conectado a los datos alcanza. No alcanza. Lo que falta es un ciclo de gestión cerrada, y tiene cuatro momentos. Cada uno alimenta al siguiente, y ninguno sirve solo.

Gestión optimizada con IA

Detectar. Vigilar los indicadores críticos (KPIs) de forma continua contra umbrales definidos, y avisar al responsable antes de que el desvío sea irreversible. No esperar al reporte del lunes. No depender de que alguien abra un dashboard. La organización se entera en tiempo real, con el dato, el contexto y la tendencia. Lo que hoy le llega al Director como sorpresa en la junta del lunes debería llegarle como alerta el jueves anterior, con tiempo para actuar.

Diagnosticar. Cuando algo se desvía, descomponer el indicador a través de la jerarquía de la organización para mostrar dónde exactamente se concentra el problema, en quién, y qué tan lejos está cada responsable del umbral. Hoy, ese trabajo le lleva días a un analista que abre un dashboard, filtra nivel por nivel, exporta a Excel y arma un PowerPoint. Para cuando llega la respuesta, el dato ya envejeció. La alternativa es una radiografía instantánea que muestra todo al mismo tiempo, en segundos, y conecta directo con la acción.

Actuar. Asignar iniciativas con responsable y fecha. No una nota en un cuaderno, no un acuerdo verbal que se diluye entre una reunión y la siguiente. Un plan concreto, visible, que alguien persigue hasta que esté hecho. La diferencia entre las organizaciones que ejecutan y las que tienen buenas intenciones está acá, en la capacidad de convertir una decisión en un compromiso con dueño, fecha y seguimiento sistemático.

Verificar. Confirmar si lo que se hizo movió al indicador. Ejecutar tareas y hablar con un agente de AI, no es lo mismo a crear valor. Si el resultado no mejoró, volver a alertar y recomendar un curso de acción distinto y tener claridad sobre qué está haciendo la organización para impactar en dicho objetivo se vuelve vital. Este es el momento que casi nadie tiene. Las empresas cierran tareas, archivan planes y pasan al siguiente tema sin mirar si algo cambió. Verificar es lo que convierte un ciclo de gestión en un ciclo de resultado.

El 80% de las organizaciones se queda en algún punto entre el primero y el segundo momento. Detectan tarde, diagnostican a mano, actúan con buenas intenciones y no verifican nunca. El valor se pierde en cada transición. Y se pierde en silencio, porque nadie mide lo que nunca se cerró.

Lo que separa a una organización productiva de una que solo tiene gente productiva es la capacidad de cerrar este ciclo de punta a punta, de forma sistemática, sobre los indicadores que sostienen el negocio.

Lo que cambia cuando el ciclo se cierra

Cada una de las piezas que acabo de describir existe hoy por separado en alguna herramienta. Los dashboards muestran datos. Los copilots responden preguntas. Los project managers persiguen tareas. El problema es que ninguno cierra el ciclo completo.

Una alerta sin diagnóstico es ruido. Un diagnóstico sin plan es una reunión más. Un plan sin seguimiento es una presentación. Y una tarea cerrada sin verificar si el indicador se movió es burocracia bien intencionada.

BCG encontró que el 5% de las empresas que genera valor real con IA obtiene 1,7 veces más crecimiento de revenue y 3,6 veces más retorno al accionista que el 60% que sigue sin ver resultados. La diferencia no es el modelo que usan ni cuánto gastan. Es que rediseñaron procesos centrales, miden el impacto con disciplina y ejecutan de punta a punta.

Hicieron el trabajo organizacional. El trabajo que nadie quiere hacer porque no se ve.

Esto es lo que construimos en PeopleOPTI con Amaia. Un ciclo de gestión cerrada que detecta, diagnostica, actúa y verifica. No un dashboard más. No un copilot que responde cuando le preguntan. Un sistema que cierra el tramo entre saber que algo pasa y asegurarse de que se resuelva.

La productividad que importa

Solow tenía razón en 1987. Y tiene razón ahora.

Las computadoras no mejoraron la productividad hasta que las empresas dejaron de usarlas para hacer más rápido lo mismo que se hacía en papel. La IA no va a ser distinta.

La diferencia entre el 88% que usa IA y el 6% que ve resultados no es tecnológica. Es organizacional, es cultura. Es el real y profundo re-diseño de cómo trabajamos. Hasta hemos aprendido a ser hiper eficientes con el Excel y los Dashboards. Los que ven resultados no tienen mejores modelos. Tienen procesos rediseñados, datos integrados y un ciclo que conecta cada señal con una acción y cada acción con un resultado verificado.

Para América Latina, esto no es una conversación teórica. La productividad de la región lleva veinticinco años cayendo respecto Estados Unidos. La IA es la oportunidad más grande que tuvimos en décadas para revertir eso. Pero solo si dejamos de confundir velocidad individual con capacidad organizacional.

La productividad que importa no se mide en cuánto tarda un analista en armar un resumen. Se mide en cuánto tarda una organización en convertir un desvío en un resultado.

Esa es la única métrica que mueve el negocio. Todo lo demás es ruido disfrazado de eficiencia.

Fuentes

McKinsey, "The State of AI in 2025. Agents, innovation, and transformation", noviembre 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

MIT Media Lab / Project NANDA, "The GenAI Divide. State of AI in Business 2025", julio 2025. https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

Humlum y Vestergaard, "Still Waters, Rapid Currents. Large Language Models, Small Labor Market Effects", NBER Working Paper w33777, 2025. https://www.nber.org/papers/w33777

Daron Acemoglu, "The Simple Macroeconomics of AI", Economic Policy, vol. 40, enero 2025. https://academic.oup.com/economicpolicy/article-abstract/40/121/13/7728473

WEF y McKinsey, "Latin America in the Intelligent Age. A New Path for Growth", enero 2026. https://www.weforum.org/publications/latin-america-in-the-intelligent-age-a-new-path-for-growth/

Needed, EY, AMCHAM México y KIO, "Índice de Madurez Digital 2025". https://amcham.org.mx/imd-2026-mexico-vive-su-mayor-salto-digital-en-seis-anos-de-medicion/

HBR Analytic Services, "What Drives AI Value. Why Modernization and Workflow Integration Matter", abril 2026. https://appian.com/resources/analyst-reports/hbr-report-what-drives-ai-value

BCG, "The Widening AI Value Gap. Build for the Future 2025", septiembre 2025. https://media-publications.bcg.com/The-Widening-AI-Value-Gap-Sept-2025.pdf

Reserva Federal de San Francisco, "The Productivity Puzzle. AI, Technology Adoption and the Workforce", abril 2025. https://www.frbsf.org/research-and-insights/publications/system-research-richmond-fed/2025/04/the-productivity-puzzle-ai-technology-adoption-and-the-workforce/