La IA generativa se tropieza con la cautela del mundo corporativo

La inteligencia artificial generativa ha irrumpido con la fuerza de un huracán en los escritorios de medio mundo. ChatGPT, Copilot o Claude ya sirven a miles de trabajadores para redactar correos, sintetizar documentos, programar código y tomar decisiones simples. Sin embargo, el entusiasmo que despiertan entre usuarios no se ha traducido en un cambio real en las empresas. El 95% de los proyectos piloto de IA generativa en las compañías no logra ningún retorno medible, revela el informe The GenAI Divide, publicado por el MIT (Massachusetts Institute of Technology). Esto es: apenas un 5% consigue integrarse en los flujos de trabajo de las empresas. “La barrera principal no es la infraestructura ni la falta de talento. Es la capacidad de aprendizaje y de adaptación de la tecnología”, señalan los investigadores.

Aunque, según el informe, se han invertido entre 30.000 y 40.000 millones de dólares en estas innovaciones, siete de los nueve grandes sectores económicos analizados por los expertos no muestran cambios estructurales atribuibles a esta tecnología. Solo el sector de medios y programación presentan signos claros de disrupción. En el resto de los casos, el uso de la IA es superficial y está desconectado del corazón operativo de la empresa.

“Estamos todavía en una etapa temprana en la adopción”, reconoce Luis Garay, socio del fondo de inversión Samaipata. “Muchos proyectos siguen en fase piloto, y la mayor parte del uso es superficial, centrado en herramientas generalistas”, dice, en referencia a aplicaciones como ChatGPT. En España, el 50% de las empresas españolas ya utiliza IA generativa, frente al 42% del promedio europeo, según un estudio de Amazon Web Services (AWS). Un 65% muestra interés creciente por implementarla en sus procesos, pero las dificultades son las mismas: apenas un pequeño porcentaje de estos proyectos pasa a producción y al menos un 30% se abandonará antes de finales de 2025 por costes crecientes, datos deficientes o falta de retorno claro, según datos de la consultora estadounidense Gartner.

La empresa española Galtea, spin-off del Barcelona Supercomputing Center, identifica cuatro dificultades clave: fiabilidad a escala, trazabilidad, eficiencia económica y cumplimiento normativo. Un 70% de las compañías reconoce que tiene serios problemas para seguir la evolución de sus modelos, y solo el 11% de las entidades financieras europeas se siente preparada para cumplir con la futura Ley de IA. “Demostrar que un sistema se comporta de manera consistente, segura y transparente a gran escala es el verdadero reto”, resume Jorge Palomar, CEO de Galtea.

Brecha entre empleados y directivos

Más del 90% de los empleados encuestados por el MIT afirma utilizar herramientas personales de IA en su trabajo gracias a suscripciones propias de ChatGPT, cuentas gratuitas de Claude o asistentes integrados en navegadores como Google. Pero solo el 40% de las compañías ha comprado suscripciones oficiales. Esto revela un fenómeno paralelo, invisible para los departamentos de ciberseguridad o IT, que los autores del informe denominan “la AI en la sombra”. “La IA ya está transformando el trabajo, pero no a través de los canales oficiales”, advierten en el informe.

El problema no es la tecnología, que ya está lista para ser útil, sino la forma que tienen de implementarla las organizaciones. “El hecho de que la gente las use de forma individual revela que aporta valor de verdad”, defiende Nacho Mateo, CEO del South Summit, el principal foro de innovación y emprendimiento del sur de Europa. “Solo falta que esta tecnología se incorpore de forma segura en las empresas. Pero las corporaciones van a ser siempre muy cautas con eso, así que será un proceso lento”.

El informe del MIT identifica varios obstáculos que explican por qué fracasan la mayoría de pilotos de inteligencia artificial generativa: los sistemas no aprenden, no retienen el feedback, no se adaptan al contexto ni mejoran con el uso; suelen ser modelos generalistas mal integrados, sin personalización ni conexión con los sistemas internos; y tampoco se evalúan con criterios de negocio. A eso se suma la falta de autonomía: la IA no tiene acceso a datos reales ni puede tomar decisiones, y eso limita su utilidad práctica. El 5% de proyectos que funcionan personaliza los modelos por proceso, exige que se integren con sistemas existentes, mide su impacto en los resultados de la compañía y permite que aprendan y evolucionen.

Los primeros años de la IA

La desconexión entre la enorme inversión y la escasa adopción ha reactivado la vieja preocupación de la burbuja tecnológica. Mateo pone el momento actual en perspectiva: “Esto ya ha pasado con otras olas como con la tecnología blockchain o la realidad aumentada. Al principio, todo el mundo invierte entusiasmado, luego la tecnología se va puliendo y se ve dónde es realmente útil”. En su opinión, estamos viviendo lo que fueron los años noventa para internet: una tecnología prometedora, sin casos de uso consolidados, pero con un futuro prometedor al que todavía no le vemos ni las costuras.

Garay introduce otro matiz: aunque parezca mucho dinero y muy poco retorno, el sistema de inversión en innovación dentro de las empresas y los mecanismos de inversión en startups (el venture capital) está diseñado para asumir ese riesgo. “Muchas veces se invierten cantidades altísimas sin tener aún un modelo de negocio validado”, reconoce también Mateo. Y añade: “Se hace con la expectativa de que existirá ese modelo, y que la inversión se recuperará a largo plazo”. Además, Garay defiende que la “la oportunidad está en herramientas más integradas y verticales, que automatizan procesos y ahorran recursos. Y esos proyectos aún tienen una penetración muy baja”.

Las barreras invisibles

Más allá de la falta de retorno de la inversión, hay un obstáculo menos visible pero igual de decisivo: la desconfianza. Las grandes empresas no están dispuestas —al menos por ahora— a entregar datos sensibles, permitir autonomía operativa o delegar decisiones en sistemas que no comprenden del todo. “Una empresa no va a dejar sus datos a un agente de IA si no confía en que ese agente no los va a filtrar o borrar”, advierte Alejandro Domingo, cofundador de Neural Trust, una startup española especializada en ciberseguridad de estos grandes modelos de Lenguaje (LLM por sus siglas en inglés). “El salto que hay que dar es pasar de sistemas muy capados, con acceso limitado a los datos, a confiar en ellos lo suficiente como para que interactúen con los distintos datos que guarda la empresa”, añade.

Su startup entra precisamente a cubrir ese servicio: proteger los sistemas de inteligencia artificial generativa frente a ataques, alucinaciones y comportamientos no deseados, asegurando que funcionen en entornos controlados y con garantías de seguridad. Muchos empleados ya están utilizando ChatGPT para resumir documentos internos o redactar mensajes con información sensible. “Si no hay una solución validada internamente, los empleados acaban usando herramientas no autorizadas y metiendo información de la empresa sin saber dónde puede acabar”, advierte Domingo. Por eso, añade, la demanda de soluciones de seguridad para IA está creciendo con fuerza: “Pero también hace falta una labor educativa: explicar qué ataques existen, por qué hay que protegerse y cómo hacerlo”.

Tendencias es un proyecto de EL PAÍS, con el que el diario aspira a abrir una conversación permanente sobre los grandes retos de futuro que afronta nuestra sociedad. La iniciativa está patrocinada por Abertis, Enagás, EY, Iberdrola, Iberia, Mapfre, Novartis, la Organización de Estados Iberoamericanos (OEI), Redeia, y Santander, WPP Media y el partner estratégico Oliver Wyman.

Puedes apuntarte aquí para recibir la newsletter semanal de EL PAÍS Tendencias, todos los martes, de la mano del periodista Javier Sampedro.