Empresas tiran a la basura miles de millones de dólares en proyectos de IA: estudio muestra por qué fracasan

Juan Luis Ramos / El Sol de México

Lo anterior coincide con un reciente informe de PwC, que indicó que más de la mitad de los CEOs de empresas indicaron que aún no están obteniendo un retorno financiero de las inversiones que hicieron en IA.

Estructura de las empresas frena los beneficios de incorporar IA

Aunque 58 por ciento de las empresas asegura haber establecido métricas de retorno sobre la inversión en sus iniciativas de IA, más de un tercera parte admite que todavía no puede calcular ese retorno.

Pese a ello, siete de cada 10 organizaciones etiquetan a la IA como investigación y desarrollo, esperando beneficios en el largo plazo. La apuesta es estratégica, pero el terreno sobre el que se construye es frágil.

El informe identifica seis dimensiones críticas para evaluar la madurez: escalabilidad, confiabilidad, seguridad, gobernanza, soberanía y sostenibilidad. En cada una de ellas, las brechas son evidentes.

En cambio, los proyectos fallidos suelen vincularse con datos insuficientes o incompletos, límites de infraestructura y resultados inexactos.

Entre los principales factores de fracaso destacan los límites de infraestructura, falta de data suficiente y resultados inexactos. En otras palabras, la base técnica y organizacional sigue siendo el cuello de botella.

Seguridad, una preocupación al implementar IA en empresas

La inquietud por brechas internas asociadas a IA aumentó de 31 a 41 por ciento, acercándose al nivel de preocupación por ataques externos habilitados por IA.

El entorno es percibido como cada vez más complejo y riesgoso para 57 por ciento de los encuestados por la firma, quienes aseguran que la pérdida de datos sería catastrófica para su negocio.

En ese sentido, el reporte indica que más de la mitad de las organizaciones considera que la complejidad dificulta la detección de brechas y cree que la IA beneficia más a los atacantes que a los defensores.

Incluso la confianza en que los empleados utilicen IA de manera segura cayó de 77 a 65 por ciento entre 2024 y el año pasado.

Empresas carecen de infraestructura para el manejo de datos

Esta evolución permite liberar velocidad y capacidad analítica para datos operativos, al tiempo que se mantienen controles estrictos para información sensible.

También hay diferencias en la gobernanza. En organizaciones optimizadas, el liderazgo de TI suele concentrar las decisiones sobre retorno e inversión en IA, selección de modelos y prioridades de uso. 

En empresas menos maduras, la toma de decisiones se dispersa entre gerentes de línea de negocio, lo que puede generar desconexiones entre estrategia y ejecución técnica.

En cuanto a la evolución respecto a 2024, el informe detecta que las alucinaciones de modelos han disminuido, pero la confianza y precisión se mantienen en torno a 40 por ciento, reflejando que la brecha de calidad de datos persiste.

Si bien cerca de la mitad de las organizaciones afirma haber mejorado la calidad de datos para el entrenamiento de modelos —10 puntos más que el año anterior—, todavía una cuarta parte carece de estrategia para explicar las salidas de sus modelos.

Dichos cambios sugieren una fase de ajuste tras el entusiasmo inicial en el uso de la IA, en la que las organizaciones buscan mayor control y resultados medibles de la adopción de esta tecnología.

Para las organizaciones emergentes, el camino pasa por normalizar políticas, centralizar controles de ubicación de datos, establecer indicadores medibles y crear equipos dedicados, así como priorizar tuberías de calidad de datos.