Llevo meses leyendo artículos, bombardeado por noticias y participando en reuniones con profesionales de los sectores más dispares donde la frase mágica siempre aparece: «Sí, nosotros ya estamos usando Inteligencia Artificial». Es la insignia de moda que todo gestor, de cualquier sector, quiere llevar en la solapa. Y si miramos los datos de adopción, parece un éxito rotundo: casi el 90% de las organizaciones afirman usarla regularmente.
Pero voy a ser el aguafiestas necesario en esta fiesta tecnológica (siempre hay que ver las dos caras de la moneda): usar una herramienta no es lo mismo que generar valor con ella.
La realidad que veo día a día, fuera de los titulares de LinkedIn, es mucho menos glamurosa. La inmensa mayoría de las empresas están atascadas en lo que llamo el «Purgatorio de los Pilotos»: tienen demostraciones preciosas, pero los datos no mienten. Según el informe «The State of AI: Global Survey 2025« de McKinsey, aunque un 64% dice que la IA les ayuda a innovar, solo un escaso 39% ve un impacto real en sus beneficios operativos.
Sin embargo, hay un problema mucho más grande y oscuro que la simple falta de adopción práctica: la economía básica de la infraestructura.
El elefante de 8 Billones en la sala de servidores
Hasta ahora, nuestra preocupación como gestores era si el equipo sabía dar las instrucciones (prompts) adecuadas a la máquina. Pero las recientes declaraciones de la industria, lideradas por figuras como Arvind Krishna (CEO de IBM), han cambiado la conversación de «tecnología» a «supervivencia financiera».
Los números que maneja el sector son aterradores:
- El coste absurdo: Un solo centro de datos de IA de 1 gigavatio cuesta $80 mil millones.
- La escala inmanejable: Las grandes tecnológicas (Big Tech) proyectan una infraestructura total de $8 billones (trillions), construyendo 100 data centers.
- La imposibilidad financiera: Para pagar solo los intereses de esa deuda, se necesitarían $800 mil millones en ganancias anuales. Ninguna empresa en la Tierra genera eso actualmente.
Y aquí es donde entra Geoffrey Hinton, Premio Nobel de Física 2024 y considerado el «padrino de la IA», para darnos la pieza que falta en este rompecabezas.
La advertencia de Hinton: El «Plan B» es el reemplazo
Si los números de IBM dicen que la inversión no es rentable con el modelo actual, ¿por qué Google, Microsoft y OpenAI siguen construyendo? Geoffrey Hinton lo ha admitido recientemente con una crudeza que pocos CEOs se atreven a verbalizar: la única forma matemática de justificar inversiones de cientos de miles de millones es si la IA reemplaza gran parte del trabajo humano.
Hinton advierte que el objetivo final de estas inversiones masivas no es hacernos «más productivos» (eso no paga una factura de $8 billones), sino eliminar costes laborales masivamente. Ha criticado abiertamente la mentalidad de «beneficios sobre seguridad» —llegando a decir que está orgulloso de que uno de sus estudiantes (Ilya Sutskever) despidiera a Sam Altman por este motivo—, señalando que la industria está corriendo hacia un precipicio sin frenos.
La ecuación es aterradora: IBM nos dice que la infraestructura es impagable, Hinton nos dice que la única forma de pagarla es sustituyéndonos (no ayundándolas), y Mckinsey que pocos empresas está teniendo un impacto real en sus beneficios operativos.
Lo que sí funciona (entre las ruinas de la especulación)
A pesar de este panorama, hay un pequeño grupo (apenas un 6%) que sí logra rentabilidad hoy, sin esperar a la sustitución masiva ni a la superinteligencia. ¿Qué están haciendo bien?
- Del Chatbot al Agente: Ya no se conforman con pedirle a una IA que resuma un texto. El 62% de las organizaciones ya experimenta con Agentes de IA. Para los no técnicos: imaginad la diferencia entre un asistente que solo sabe hablar (chatbot) y uno que tiene «manos» para ejecutar tareas, tomar decisiones y cerrar procesos (agente).
- Mentalidad de Crecimiento vs. Recorte: Este grupo de alto rendimiento no usa la IA solo como una tijera para recortar costes. La ven como un motor para crear nuevos ingresos y rediseñar sus modelos de negocio.
- Inversión Decidida: No están jugando con las sobras del presupuesto; destinan más del 20% de su capital digital a esta transformación.
Los Puntos Ciegos: Por qué fallan tus proyectos hoy
Si bajamos de la estratosfera económica a nuestra oficina, y aquí es donde debemos ponernos el sombrero de gestores críticos, los proyectos fallan por tres razones que, combinadas con las advertencias de IBM y Hinton, son letales:
- La trampa de la eficiencia (y la ética). La obsesión corporativa promedio es enfermiza: «¿Cómo reduzco horas-hombre?». Es un error estratégico garrafal. Los datos nos demuestran que centrarse solo en el coste limita el impacto real. Si aplicas IA para automatizar un proceso que ya era defectuoso o burocrático, lo único que consigues es cometer errores a una velocidad vertiginosa. La eficiencia es necesaria para sobrevivir, pero la innovación es lo que te da ventaja.
- El liderazgo de «manos limpias». Existe una correlación brutal: las empresas donde los líderes sénior se involucran personalmente tienen tres veces más probabilidades de éxito. He visto demasiados directivos que creen que la IA es «cosa del departamento de TI». Si el CEO o el Director de Proyecto no se mancha las manos, no entiende la herramienta y no modela su uso, el equipo tampoco lo hará. La adopción no se delega.
- El riesgo de la alucinación (y la falta de confianza). No podemos construir rascacielos sobre cimientos de gelatina. El riesgo número uno sigue siendo la inexactitud. Un 30% de las organizaciones ya ha sufrido consecuencias negativas por datos incorrectos o «alucinaciones» de la IA (cuando la IA inventa información con total seguridad). Sin procesos de validación humana, la IA se convierte en un pasivo peligroso, no en un activo.
Recomendaciones para salir del «Purgatorio»
Si sientes que tu equipo está dando vueltas en círculos con pruebas que nunca llegan a producción, aquí tienes mi hoja de ruta basada en lo que realmente funciona, sin tecnicismos innecesarios:
- Deja de automatizar, empieza a rediseñar: No intentes encajar la IA en tus viejos flujos de trabajo con calzador. Ten la valentía de rediseñar el proceso desde cero. La pregunta no es «¿cómo hace esto la IA?», sino «¿cómo deberíamos trabajar ahora que tenemos esta capacidad?».
- El «Humano en el Bucle» (Human-in-the-loop) es obligatorio: No busques la autonomía total todavía. Diseña sistemas donde la IA haga el trabajo pesado y un humano experto valide el resultado. Esto mitiga el riesgo de alucinaciones y, lo más importante, genera la confianza necesaria para escalar.
- Liderazgo visible y activo: Si eres gerente, úsala. Que tu equipo te vea interactuar con los agentes de IA. La cultura se come a la estrategia en el desayuno, y si la cultura es de «miedo» o «desinterés» por parte del líder, ninguna tecnología os salvará.
- Cambia el KPI: Deja de medir solo cuánto tiempo ahorras. Empieza a medir qué valor nuevo estás creando.
La IA en 2025 es un estándar, sí. Pero la economía detrás de ella es un campo minado. No seas del 90% que sigue la corriente hacia el acantilado financiero; sé del 6% que construye barcos resistentes para navegarlo.