Sumar, no improvisar: cuando la IA no puede tapar lo que el negocio nunca resolvió

La inteligencia artificial no crea procesos de la nada. No conoce tu negocio si tú no lo conoces primero. Y no puede convertir una ocurrencia en una solución, por más presupuesto de nube que le pongas encima.

Sin embargo, así se está usando en cientos de empresas ahora mismo: como cortina de humo para no admitir que nadie terminó de entender el proceso, que el círculo de siempre sigue decidiendo sin que nadie le pueda decir que no, y que la estrategia real —la que integra tecnología, talento y proceso como piezas que suman, no como ocurrencias sueltas— nunca se construyó.

La tecnología no resuelve lo que la organización nunca definió. Lo hereda, lo automatiza y lo escala.

He pasado quince años trabajando en sectores donde el margen de error tiene consecuencia regulatoria, financiera y reputacional directa. Y en los últimos veinticuatro meses he visto el mismo patrón repetirse con una variación nueva: la IA como excusa. Como el "ya lo estamos resolviendo" que en realidad significa "todavía no sabemos cuál es el problema". Como el proyecto que nadie audita porque "es IA, es innovación", cuando en realidad es la misma ocurrencia de siempre, ahora con un modelo entrenado encima que la hace más rápida, más cara y más difícil de revertir.

Este artículo cruza la numeralia más dura publicada en 2025 y 2026 por Gartner, McKinsey, MIT, BCG, Gallup y tribunales reales, con dos casos que ya pasaron —uno de tecnología inmobiliaria, uno de aerolíneas— para mostrar algo que llevo años repitiendo en las salas de juntas: la ignorancia no exime la responsabilidad, las ocurrencias no son soluciones, y ninguna herramienta —por sofisticada que sea— sustituye la estrategia integral que decide hacia dónde se quiere llegar antes de mover un solo recurso.

70–85%

de las iniciativas empresariales de inteligencia artificial no entrega el valor esperado — cinco estudios independientes de Gartner, MIT, RAND, BCG y McKinsey convergen en la misma cifra (2025–2026)

Uno

El espejismo de la ocurrencia con traje de inteligencia artificial

Empecemos por el dato que debería incomodar a cualquier consejo que aprobó presupuesto de IA este año sin hacer las preguntas correctas antes. McKinsey encontró en noviembre de 2025 que 88% de las organizaciones ya usa inteligencia artificial en al menos una función — pero más del 80% no reporta ningún impacto medible en su rentabilidad. El MIT, en su estudio "The GenAI Divide" de 2025, es todavía más duro: apenas alrededor de 5% de los pilotos de IA logra acelerar ingresos de forma real.

La causa no es la tecnología. Es lo que la tecnología no puede inventar por ti. McKinsey documentó algo que conecta directo con el argumento de este artículo: las organizaciones que sí obtienen retorno financiero real de la IA son 2 veces más propensas a haber rediseñado el proceso de negocio antes de elegir la tecnología. No al revés. La IA no diseña el proceso. Lo hereda, tal cual está —roto, ambiguo o mal definido— y lo ejecuta más rápido.

Gartner es igual de específico sobre dónde se origina la falla: 60% de los proyectos de IA sin datos preparados para IA serán abandonados hacia 2026, y 63% de las organizaciones ni siquiera sabe si tiene las prácticas de gobierno de datos correctas. No es un problema de modelos. Es un problema de que nadie, antes de automatizar, se sentó a definir qué proceso se estaba resolviendo y con qué información real.

Y aquí está el dato que más debería doler en los comités de dirección: solo 15% de los empleados dice que su empresa comunicó una estrategia de IA clara (Gallup). Sin visión clara arriba, cualquier iniciativa de IA abajo es, por definición, una ocurrencia con presupuesto — no una decisión estratégica.

2×

más probabilidad de retorno financiero real de la IA cuando la organización rediseñó el proceso de negocio ANTES de elegir la tecnología — McKinsey, 2025

Dos

La ignorancia no exime la responsabilidad

Aquí hay algo que en quince años de trabajar con consejos y direcciones generales he tenido que repetir más de lo que quisiera: que una decisión la haya tomado un algoritmo no borra de quién era la responsabilidad de que esa decisión fuera correcta.

En febrero de 2024, un tribunal de Columbia Británica, Canadá, resolvió el caso Moffatt contra Air Canada. Un pasajero consultó al chatbot de la aerolínea sobre tarifas por duelo tras la muerte de su abuela. El chatbot le aseguró que podía solicitar la tarifa de forma retroactiva — información falsa que contradecía la política real, publicada en otra página del mismo sitio web. Air Canada argumentó que el chatbot debía considerarse "una entidad separada", responsable de sus propias respuestas.

El tribunal calificó ese argumento como "notable" — en el sentido menos favorable de la palabra — y determinó que Air Canada era responsable de toda la información en su sitio, viniera de una página estática o de un chatbot. La aerolínea fue obligada a pagar los daños. El monto fue pequeño. El precedente, no: quedó establecido que ninguna empresa puede usar su propia tecnología como escudo para evadir la responsabilidad de lo que esa tecnología le dice a un cliente.

Esto no es un caso aislado ni un tecnicismo legal. Es el mecanismo exacto detrás del argumento de este artículo: cuando una organización no puede o no quiere decir "esto no lo sabemos, hay que resolverlo primero", delega la ambigüedad a la tecnología — y después se sorprende cuando la tecnología, entrenada sobre esa misma ambigüedad, falla exactamente donde el negocio nunca se tomó el tiempo de estar seguro.

37%

de las personas se siente psicológicamente segura para cuestionar el statu quo en su organización — Symmetra, 2025. Solo 3 de cada 10 cree que su opinión cuenta en el trabajo (Gallup)

Tres

Proteger al cuate sale más caro que corregir el error

Esto conecta directo con algo que ya documenté en un artículo anterior sobre por qué las empresas con más potencial terminan reventando por dentro: el problema casi nunca es que falte gente capaz. Es que la gente capaz no puede hablar, porque el círculo cerrado que protege su territorio —o a su gente de confianza— no tiene ningún incentivo para escuchar a quien sabe si eso significa admitir que se equivocaron.

Cuando solo 37% de las personas siente seguridad psicológica para cuestionar una decisión, y solo 3 de cada 10 cree que su opinión cuenta, el resultado no es abstracto: es que la persona que sí entendía por qué el proceso de IA se estaba construyendo sobre datos sucios, o sobre un proceso que nadie había mapeado, se quedó callada. O lo dijo una vez, no la escucharon, y no lo volvió a decir.

Esa persona no es leal por guardar silencio. Es la organización la que decidió, sin decirlo en voz alta, que prefería la lealtad sin criterio de su círculo cercano a la honestidad incómoda de quien realmente domina el proceso. Y esa decisión —no la tecnología— es la que determina si la IA que se está implementando va a sumar o va a escalar el error a una velocidad que antes era imposible.

La pregunta nunca es si el comité se reunió. Es si alguien en esa sala podía decir "esto no va a funcionar" sin pagar un costo por decirlo.

Cuatro

Caso Zillow: cuando el algoritmo hereda la ocurrencia que nadie quiso resolver

En 2018, Zillow —el portal inmobiliario más conocido de Estados Unidos— lanzó Zillow Offers: un negocio de "iBuying" que usaba su algoritmo Zestimate para hacer ofertas automáticas de compra sobre casas, remodelarlas y revenderlas con ganancia. La meta declarada por su director ejecutivo era comprar 5,000 viviendas al mes para 2024.

El algoritmo estaba entrenado sobre un mercado relativamente estable. No sobre lo que realmente iba a pasar: un mercado inmobiliario que se calentó de forma errática durante la pandemia y luego se enfrió con la misma velocidad. Zestimate siguió sobrevalorando propiedades mientras el mercado ya se movía en la dirección contraria. Zillow terminó pagando de más por miles de casas, sin la capacidad operativa de remodelarlas al ritmo que su propio algoritmo prometía.

En noviembre de 2021, la compañía anunció el cierre total de Zillow Offers. Según su propio reporte 10-K ante la SEC, la operación se liquidó durante 2022 con una reducción del 25% de la plantilla global de Zillow. Distintas fuentes financieras documentaron una pérdida total superior a los 500 millones de dólares y un inventario de cerca de 7,000 viviendas que la empresa tuvo que malvender, muchas por debajo de lo que había pagado.

El algoritmo no fue el problema de origen. El problema de origen fue construir un negocio completo sobre la suposición no verificada de que un modelo entrenado en condiciones estables podía predecir un mercado que ya estaba dejando de serlo — y seguir operando a máxima velocidad incluso cuando la evidencia interna ya mostraba que los números no cuadraban. Eso no es un fallo técnico. Es una decisión de negocio que nadie quiso frenar a tiempo, con una IA ejecutándola cada vez más rápido.

$500M+

en pérdidas y 25% de la plantilla despedida cuando Zillow cerró su negocio de compra automatizada de casas — Zillow Group, Form 10-K, SEC, 2021–2022

Cinco

Las que ganan: cuando cada pieza suma, nada improvisa

Aquí está el contraste que sostiene todo este artículo. Las organizaciones que sí ganan con tecnología no son las que corren más rápido. Son las que ya sabían, con claridad, hacia dónde iban antes de tocar una sola herramienta — y donde cada proceso, cada sistema y cada persona tiene un papel definido dentro de esa dirección, no una función aislada que alguien improvisó para parecer innovador.

Gallup lo demuestra con el mayor meta-análisis de compromiso laboral jamás hecho: 339 estudios, 230 organizaciones, 49 sectores, 73 países. Los equipos con mayor compromiso y con voz real dentro de su organización son 23% más rentables, 18% más productivos en ventas y tienen 78% menos ausentismo que los de menor compromiso. Esa diferencia no viene de tener mejor tecnología. Viene de que el talento con criterio puede hablar, es escuchado, y su conocimiento del negocio se convierte en la base sobre la que después se decide qué automatizar y cómo.

El desenganche global, en contraste, le cuesta a la economía mundial cerca de 9% del PIB (Gallup, 2025). Ese es el costo exacto de organizaciones donde el talento que sabe se queda callado, mientras el círculo que no sabe —pero es leal— sigue decidiendo, ahora con IA de por medio para verse más sofisticado.

La estrategia integral no es un documento de PowerPoint que se archiva después del kickoff. Es la disciplina de definir, antes de mover un solo recurso, qué problema se resuelve, con qué proceso, con qué datos, con quién en la sala y bajo qué definición de éxito — para que la tecnología, cuando llegue, tenga un lugar exacto que ocupar. Cuando eso existe, lo que sigue es, casi siempre, más simple de lo que parecía: flexible, capaz de adaptarse cuando cambie la regulación, el mercado o la crisis, porque nunca dependió de una sola ocurrencia sosteniendo todo el edificio.

La ventaja nunca fue la herramienta. Fue tener, antes de la herramienta, a la gente correcta con permiso real para decir la verdad.

Seis

Para quien tiene el poder de decidir

Si estás por aprobar presupuesto de IA, o ya lo aprobaste y nadie te ha dado un resultado medible, esta numeralia no es para que canceles el proyecto. Es para que hagas las preguntas que deberían haberse hecho antes de empezar.

• La IA no resuelve lo que la organización nunca definió. Rediseñar el proceso antes de elegir la tecnología duplica la probabilidad de retorno real, según McKinsey. Si nadie en tu equipo puede explicar el proceso completo sin la IA, tampoco va a poder explicarlo con ella.
• La responsabilidad no se delega a un modelo. Air Canada lo aprendió frente a un tribunal: la empresa responde por lo que su tecnología le dice a un cliente, sin importar quién —o qué— lo dijo primero.
• Si nadie puede decir "esto no va a funcionar" sin costo, ya tienes el problema antes de escribir una sola línea de código. Solo 37% de las personas se siente segura para cuestionar el statu quo. Esa cifra predice más fracasos de IA que cualquier limitación técnica.
• Zillow no perdió 500 millones de dólares por un mal algoritmo. Los perdió por sostener una suposición de negocio no verificada mucho después de que la evidencia mostrara lo contrario, con una máquina ejecutándola cada vez más rápido.
• Cada proceso, cada herramienta y cada persona tiene un papel — o no debería estar ahí. Las organizaciones 23% más rentables no tienen más tecnología. Tienen más claridad sobre qué pieza cumple qué función, y talento con permiso real de decir la verdad sobre si esa pieza está funcionando.

La ocurrencia nunca fue gratis. Antes costaba tiempo y confianza. Ahora, con inteligencia artificial de por medio, cuesta lo mismo — pero más rápido, más caro, y con menos posibilidad de dar marcha atrás antes de que el daño sea público.

Fuentes: Gartner · Predicciones de proyectos de IA 2024–2026 y encuesta de datos listos para IA · McKinsey & Company · The State of AI, noviembre 2025, y Problem-Solving Research 2025 · MIT NANDA Initiative · "The GenAI Divide", 2025 · BCG y RAND Corporation, estudios de fracaso de IA empresarial 2025–2026 · Gallup · State of the Global Workplace 2025 y meta-análisis Q12 (339 estudios, 230 organizaciones, 49 sectores, 73 países) · Symmetra, investigación de seguridad psicológica 2025 · Moffatt v. Air Canada, 2024 BCCRT 149, British Columbia Civil Resolution Tribunal · Zillow Group Inc., Form 10-K, U.S. Securities and Exchange Commission, ejercicio fiscal 2023 (operaciones discontinuadas de Zillow Offers) · Reportes financieros contemporáneos sobre el cierre de Zillow Offers, 2021–2022.

Jorge Mercado · #JMCoach