En 2026, los presupuestos de IA ya no son experimentales. Deloitte midió que el acceso de los empleados a la IA aumentó un 50 % en 2025 en las organizaciones pioneras, según su encuesta State of AI in the Enterprise 2026, publicada el 21 de enero de 2026 en Davos, y que cubre a 3 235 líderes en 24 países. Al mismo tiempo, la encuesta State of AI trust in 2026 de McKinsey confirma que la madurez avanza, pero que persisten lagunas en estrategia, gobernanza y gestión de riesgos.
Ese es el dilema del año. La adopción está en su nivel más alto. La tasa de fracaso también. La iniciativa NANDA del MIT, en The GenAI Divide: State of AI in Business 2025 (basada en 150 entrevistas a ejecutivos, una encuesta a 350 empleados y 300 despliegues públicos), observó que alrededor del 95 % de los pilotos de IA generativa tienen poco o ningún impacto medible en la rentabilidad. El informe de BCG AI Transformation Is a Workforce Transformation, publicado el 3 de junio de 2026, lo dice aún más claro: apenas el 5 % de las organizaciones obtienen beneficios financieros sustanciales de sus proyectos de IA, y alrededor del 70 % del valor proviene de la dimensión humana y organizativa, no del algoritmo.
La diferencia entre el 5 % y el 95 % casi siempre depende de cómo se construyó el caso de negocio desde el inicio. Aquí tienes seis formas en que el cálculo miente en silencio, y una pregunta que puedes hacer antes de aprobar el presupuesto.
1. La trampa del "tiempo ahorrado es dinero ahorrado"
El patrón. Un empleado ahorra dos horas al día. Se multiplica por un coste cargado medio de 50 $ la hora, se proyecta a un año, y la hoja de cálculo dice que la empresa recupera 25 000 $ por persona. Se multiplica por el equipo. Se imprime la diapositiva.
El coste real. Klarna anunció en 2024 que un asistente de IA había reemplazado el trabajo de 700 agentes de atención al cliente, luego reconoció en 2025 que la calidad del servicio había bajado, y comenzó a reconstruir una operación híbrida humano + IA. La estimación de ROI original no estaba mal en un porcentaje. Estaba mal en una categoría. El coste de recuperar la confianza del cliente no estaba en la hoja de cálculo.
Pregunta clave. Si no redujimos plantilla y no facturamos las horas recuperadas a un cliente que paga, ¿adónde fue realmente el tiempo y qué nos costó?
2. Ignorar el coste total de propiedad
El patrón. El caso de negocio se construye contra la línea del contrato con el proveedor, o la estimación mensual de API al volumen actual.
- Costes de consumo. El uso de tokens y las llamadas al modelo crecen con la adopción, a menudo de forma no lineal.
- Costes de datos. Limpieza, etiquetado, aumento e ingeniería de los datos que el modelo necesita.
- Costes de supervisión humana. Revisión de salidas, corrección de errores, reentrenamiento en casos límite y mantenimiento de instrucciones.
El comunicado de Gartner del 26 de febrero de 2025 (Roxane Edjlali, analista principal) advierte que el 60 % de los proyectos de IA que no se apoyan en datos listos para IA serán abandonados o fracasarán antes de finales de 2026. Los sobrecostes que provocan esos abandonos rara vez aparecen en el caso de negocio inicial.
Pregunta clave. ¿Cuál es nuestro coste anual totalmente cargado por proceso en régimen estable, incluyendo datos, cómputo, reentrenamiento y revisión humana, y a qué nivel de adopción se rompe la economía unitaria?
3. Medir indicadores de vanidad en lugar de resultados de negocio
El patrón. El panel muestra usuarios activos, volumen de consultas, versiones de modelo desplegadas y curvas de adopción al alza. El comité de IA declara un despliegue exitoso.
El informe de BCG de junio de 2026 lo dice sin rodeos: apenas el 5 % de las organizaciones obtienen beneficios financieros sustanciales. El mismo informe señala que el 95 % restante muestra típicamente adopción alta e impacto bajo, una paradoja que solo se resuelve cuando se dejan de medir variables de entrada y se empiezan a medir variables de resultado.
Pregunta clave. Si quitamos los números de adopción y miramos solo ingresos, margen, tasa de error y tiempo de ciclo, ¿la curva sube?
4. Atribuir el crecimiento general a la herramienta de IA
El patrón. Las ventas subieron un 14 % el trimestre posterior al despliegue de IA. La herramienta de IA se lleva el crédito en la presentación al comité de dirección.
El Hype Cycle for Agentic AI 2026 de Gartner es más crudo: los rápidos avances de la IA agéntica se ven superados por el bombo y la confusión. Una proporción creciente de las "victorias de la IA" declaradas vive dentro de esa banda de bombo.
Pregunta clave. ¿Qué habría hecho esta métrica sin la herramienta de IA, en una cohorte comparable o un trimestre comparable, y podemos demostrar esa diferencia por escrito?
5. Tratar la IA como una inversión de capital puntual
El patrón. El proyecto se aprueba como gasto de capital, se amortiza en tres años, y se olvida al cuarto mes.
El comunicado de Gartner del 25 de junio de 2025 prevé que más del 40 % de los proyectos de IA agéntica serán cancelados antes de finales de 2027, en gran parte porque la gobernanza continua, el reentrenamiento y el mantenimiento nunca se presupuestaron. El calendario de amortización del caso original se vuelve ficción al noveno mes.
Pregunta clave. ¿Cuál es nuestro presupuesto trimestral de mantenimiento para monitorización, reentrenamiento, actualización de instrucciones y revisión de gobernanza, y qué disparador nos dice que el modelo se ha desviado más allá del umbral de retorno útil?
6. Ignorar los pasivos de riesgo, seguridad y cumplimiento
El patrón. El ROI se calcula sobre la velocidad operativa. El riesgo se trata en un frente aparte, a menudo por otro equipo, a menudo tras la aprobación del presupuesto.
La exposición regulatoria se ha vuelto concreta. Conforme al Reglamento europeo de IA (Reglamento (UE) 2024/1689), las multas por los incumplimientos más graves alcanzan los 35 millones de euros o el 7 % del volumen de negocios anual mundial, aplicándose el importe mayor. El "Digital Omnibus", adoptado en 2026, aplazó la mayor parte de las obligaciones de alto riesgo hasta el 2 de diciembre de 2027, pero las obligaciones de transparencia del artículo 50 y la totalidad del régimen sancionador entraron en vigor el 2 de agosto de 2026. El ROI ajustado al riesgo ya no es un refinamiento teórico. Es la ley.
Pregunta clave. Si esta herramienta de IA produce una decisión materialmente errónea, una fuga de datos o un incumplimiento normativo en los próximos doce meses, ¿cuál es la pérdida financiera esperada y aparece en la misma diapositiva que la ganancia proyectada?
Lo que las seis errores tienen en común
Cada error anterior es el mismo error disfrazado: la organización compromete recursos antes de que el caso de negocio haya sido confrontado con evidencia.
El 5 % que captura valor real hace típicamente tres cosas que el 95 % se salta. Puntúa cada proceso candidato según criterios explícitos antes de comprometer presupuesto. Aísla la contribución de la IA con una línea base que pueda defender ante un director financiero. Y fija un umbral de rentabilidad estricto, y se aleja de cualquier proyecto que no lo supere.
Un scorecard de viabilidad que fuerce una respuesta sobre complejidad de decisión, variabilidad de entradas, volumen de transacciones, coste de error y tolerancia a la latencia atrapa cada uno de los errores de este artículo antes de que se firme la primera factura.
Lo que sí funciona: rediseñar la operación primero
La reacción natural ante una lista de fracasos de ROI es rehacer el mismo ejercicio con una hoja de cálculo más ajustada. Las pruebas de 2026 apuntan en la otra dirección.
El mismo informe de BCG que sitúa a los ganadores en el 5 % de las organizaciones es más preciso sobre el origen real del valor. Cerca del 10 % del valor de la IA proviene de los algoritmos en sí. Otro 20 % proviene de la tecnología necesaria para desplegarlos. El 70 % restante proviene de repensar la dimensión humana y de procesos. Dicho de otro modo, una organización que instala un modelo en un flujo de trabajo inalterado captura, en el mejor de los casos, el 30 % que reside en la pila tecnológica. La organización que reingeniería el flujo en torno a lo que el modelo sabe hacer bien captura el resto.
El giro de Klarna en 2025 es la demostración más clara. El anuncio inicial de 2024 presentaba la IA como un reemplazo directo de los agentes humanos de atención al cliente. En 2025, la empresa reconoció que la calidad del servicio había caído y comenzó a reconstruir una operación híbrida. La lección no fue "la IA fracasó". La lección fue "reemplazar un flujo de trabajo con un modelo no es lo mismo que rediseñar un flujo de trabajo para usar un modelo". El híbrido que emergió mantuvo la IA para las consultas de alto volumen y baja complejidad, y derivó disputas, reembolsos complejos y casos de hardship a humanos. El coste del rediseño fue real. El coste de no hacerlo, en confianza del cliente y en readquisición, fue mayor.
El Microsoft 2025 Work Trend Index hace la misma observación del lado de los empleados. En las organizaciones que capturaban valor de la IA, las horas liberadas se reinvertían en tareas de mayor juicio: conversaciones con clientes, resolución de casos límite, mentoría y control de calidad. En las que no, esas mismas horas solo alargaban la reunión media. La IA era idéntica en ambos casos. El diseño operativo alrededor, no.
El patrón se mantiene en los seis errores de este artículo. Cada uno se reduce cuando el flujo de trabajo se rediseña al mismo tiempo que se introduce el modelo.
- La trampa del "tiempo ahorrado" pierde fuerza si la operación encamina explícitamente el tiempo ahorrado hacia una producción medible y nueva.
- La sorpresa del coste total de propiedad se atenúa si los costes de datos, supervisión y reentrenamiento se absorben en el proceso rediseñado desde el primer día.
- Los indicadores de vanidad pierden legitimidad si el scorecard sigue los resultados respecto al flujo rediseñado, no la adopción respecto al anterior.
- El error de atribución del crecimiento se vuelve visible si el rediseño incluye un grupo de control que conserva el flujo previo.
- El error del "capital único" se diluye si el rediseño mismo se convierte en la unidad de contabilización, con puntos de control trimestrales integrados.
- El error de riesgo ignorado se reduce si el flujo rediseñado incluye un paso de anulación humana en cada decisión de coste elevado.
La implicación es directa. Antes de medir el ROI de una herramienta de IA, mida el ROI del rediseño operativo que está dispuesto a acometer en paralelo. Si esa cifra es cero, el ROI de la IA tiene pocas probabilidades de superar el techo del 30 % que reporta BCG.
Nota sobre fuentes y límites
Este artículo se apoya en fuentes primarias publicadas entre 2024 y 2026. Las citas extraídas de informes en inglés han sido traducidas libremente. Cuando una cifra no ha podido vincularse a una fuente primaria verificada, se ha descartado.
Las fuentes más sólidas utilizadas aquí son:
- Deloitte, State of AI in the Enterprise 2026, publicado el 21 de enero de 2026, Davos. (Encuesta oficial, 3 235 líderes en 24 países.)
- McKinsey, State of AI trust in 2026: Shifting to the agentic era, AI Trust Maturity Survey, abril de 2026. (Encuesta oficial; título, subtítulo y autores verificados mediante captura de archive.org del 22 de abril de 2026. El cuerpo del informe no era accesible en el momento de redactar este artículo.)
- BCG, AI Transformation Is a Workforce Transformation, cuarta encuesta anual, publicado el 3 de junio de 2026. (Informe oficial.)
- Iniciativa NANDA del MIT, The GenAI Divide: State of AI in Business 2025, metodología: 150 entrevistas a ejecutivos, encuesta a 350 empleados, 300 despliegues públicos. (Informe de investigación académica; cobertura en Fortune el 18 de agosto de 2025.)
- Gartner, comunicado de prensa, Lack of AI-Ready Data Puts AI Projects at Risk, 26 de febrero de 2025 (Roxane Edjlali). (Comunicado oficial.)
- Gartner, comunicado de prensa, Gartner Predicts Over 40 Percent of Agentic AI Projects Will Be Canceled by End of 2027, 25 de junio de 2025. (Comunicado oficial.)
- Gartner, Hype Cycle for Agentic AI 2026, verano de 2026. (Ciclo de investigación oficial.)
- Microsoft, 2025 Work Trend Index, 31 000 trabajadores en 31 países. (Encuesta oficial.)
- IBM, Cost of a Data Breach Report 2025, publicado en julio de 2025. (Informe sectorial anual oficial.)
- Klarna, declaraciones públicas sobre la estrategia de atención al cliente con IA, 2024 a 2026, con cobertura en Forbes (mayo de 2025), Reuters y Bloomberg. (Comunicaciones oficiales de la empresa y cobertura de prensa.)
- Unión Europea, Reglamento (UE) 2024/1689 (Reglamento de IA), artículo 99 sobre sanciones, con el aplazamiento del Digital Omnibus adoptado en 2026. (Reglamento oficial.)
Un límite importante. No existe un único estudio que mida "en cuánto se sobreestiman de media los ROI de IA". Los errores anteriores se infieren de pruebas convergentes (Klarna, la cifra del 95 % de pilotos, el 5 % que gana). Quien afirme un porcentaje preciso para esa sobreestimación está, según nuestra experiencia, inventándolo.
¿Quieres detectar estos errores antes de que golpeen el presupuesto?
Un scorecard corto de viabilidad de proceso, puntuado antes de cualquier compromiso, habría señalado cada uno de los casos anteriores. Cinco ejes, una puerta de rentabilidad, ningún agente construido salvo que la evidencia lo sostenga.
Si tu equipo está evaluando una iniciativa de IA este trimestre, el marco Agentic Process Value (APV) es la metodología que usamos para hacer exactamente esa auditoría. Está publicada en cinco idiomas en agenticprocessvalue.ai.
Fuentes
(Ver la lista anterior para los detalles completos. Esta sección se replica al final del artículo por compatibilidad con el sistema de publicación del sitio.)
- Deloitte, State of AI in the Enterprise 2026 (encuesta oficial).
- McKinsey, State of AI trust in 2026 (encuesta oficial, abril 2026).
- BCG, AI Transformation Is a Workforce Transformation (informe oficial, junio 2026).
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (informe de investigación académica).
- Gartner, comunicados del 26 de febrero de 2025 y 25 de junio de 2025, y Hype Cycle for Agentic AI 2026.
- Microsoft, 2025 Work Trend Index (encuesta oficial).
- IBM, Cost of a Data Breach Report 2025 (informe sectorial oficial).
- Klarna, declaraciones públicas 2024 a 2026, con cobertura en Forbes, Reuters y Bloomberg.
- Reglamento (UE) 2024/1689 sobre IA, artículo 99, con el aplazamiento del Digital Omnibus de 2026.