Durante los últimos dos años, la narrativa corporativa en torno a la inteligencia artificial (IA) se caracterizó por un entusiasmo desenfrenado: anuncios constantes y futuristas, presupuestos multimillonarios y ordenes urgentes emitidos desde las juntas directivas para acelerar su adopción. Sin embargo, a medida que la IA pasa de la fase experimental a la realidad operativa diaria, esta implementación acelerada comienza a revelar brechas.
Este es uno de los principales hallazgos del estudio internacional: The Reckoning: Why vertical AI makes the difference in achieving value (2026) realizado por la consultora Vanson Bourne, comisionado por Aptean. El informe revela la realidad que enfrentan los directivos de tecnología y operaciones: la IA de propósito general se ha quedado corta a las necesidades reales del negocio.
¡Últimos días para ser parte de la primera Encuesta: Panorama del Mercado de Software de Gestión en México || Podrías ser acreedor a una cortesía para el ERP Summit México 2026
El mito de la adopción masiva vs. el valor real
Superficialmente, las estadísticas de adopción de IA dentro de las empresas parecen mostrar resultados positivos: el 98% afirma estar utilizando o en proceso de implementación de herramientas de IA dentro de sus operaciones. Sin embargo, la profundidad con la que esta tecnología se ha integrado en los flujos de trabajo principales refleja un panorama fragmentado y superficial: tan solo el 46% de las organizaciones cuenta con la IA realmente integrada como una herramienta esencial para sus decisiones y flujos de trabajo principales.
El 82.5% de los encuestados reconoció que, aunque el valor de la IA es incuestionable, aún no se ha materializado en su totalidad. Esta desilusión se alinea con investigaciones globales como las de McKinsey, donde solo el 39% de las organizaciones atribuye un impacto directo en sus ganancias a la IA, representando en la mayoría de los casos menos del 5% de sus beneficios.
Lo curioso de estas cifras es que el impulso inicial no nació del pánico a quedar rezagados: el 83% de los directivos declaró que adoptó la IA motivado por la búsqueda de oportunidad, eficiencia y competitividad, frente a solo un 17% que actuó guiado por el miedo a la obsolescencia.
El problema de la herramienta equivocada
El principal factor detrás del bajo rendimiento de muchos proyectos radica en la elección del tipo de tecnología. En los inicios del "boom", la mayoría de las empresas recurrió a lo que tenía más a mano: plataformas de IA generativa de propósito general, ampliamente difundidas y fáciles de probar en un navegador.
Los resultados demostraron que la disponibilidad no equivale a la adecuación operativa: el 77% de las empresas declara que los modelos de propósito general son insuficientes para abordar la complejidad de sus operaciones industriales de gran escala.
Como respuesta, el 88% de los líderes afirma que la IA especializada o de vertical con propósito específico para un sector es "crítica" o "muy importante" para su organización.
De acuerdo con el informe de Aptean, las razones para favorecer soluciones verticales radican en problemas operativos concretos:
Facilidad e integración nativa con sistemas core (ERP y cadena de suministro) (47%).
Resultados y análisis más precisos y relevantes para su campo de actividad (42%).
Mejor orientación estratégica brindada por proveedores con conocimiento real del sector (40%).
Adecuación a requerimientos de cumplimiento y normativas sectoriales (39%).
Retorno de inversión (ROI) más sólido y comprobable (38%).
Mientras un modelo conversacional genérico puede redactar un correo o sintetizar un texto, al pedirle tareas más complejas, como calcular la demanda a nivel de SKU cruzando restricciones de inventario, tiempos de tránsito y otras particularidades, la herramienta se queda corta.
Persiste el reto del "Shadow AI"
Otro de los resultados revelados engloban los desafíos del llamado Shadow AI (uso de herramientas no autorizadas por la compañía), provocados principalmente por la insatisfacción con las herramientas corporativas aprobadas, creando un problema de gobernanza silencioso pero extendido.
Un 40% de los empleados y directivos admite utilizar herramientas de IA de forma independiente para cumplir con sus labores sin la aprobación formal de sus organizaciones. El fenómeno afecta a todos los niveles por igual: ejecutivos de nivel C y mandos medios incurren en esta práctica con la misma frecuencia.
Este hallazgo demuestra que la "Shadow AI" es, antes que una infracción de cumplimiento, la confirmación de que el conjunto de herramientas oficial proporcionado por la empresa no satisface las necesidades reales del puesto de trabajo.
Datos, gobernanza y medición aumentan la brecha de una IA exitosa
La investigación de Aptean expone tres cuellos de botella que limitan el escalamiento de la IA empresarial: la insuficiente alimentación de datos, la gobernanza y autonomía, así como falta de una correcta medición de resultados.
En el primer punto, el 81% identifica la calidad o el acceso a los datos como la principal barrera para el éxito de la IA. La premisa de "garbage in, garbage out" se amplifica con la velocidad de la IA: un modelo alimentado con datos desordenados genera cientos de proyecciones erróneas de forma automatizada. Además, el 82% sostiene que integrar la IA con sus sistemas centrales es un reto aún mayor que la propia tecnología de IA.
En cuanto al vacío de gobernanza y autonomía, el 88% de las empresas ya permite que sistemas de IA tomen decisiones autónomas en al menos un área sin intervención humana (principalmente en planificación y pronósticos con un 49%, e interacciones con clientes con un 48%). Sin embargo, el 75% de los líderes cita la falta de un marco de gobernanza como un obstáculo de peso, y el 36% reconoce no contar con un marco normativo estructurado que defina responsabilidades o pautas éticas en caso de fallos.
Por último, las métricas tradicionales a menudo fallan al medir el verdadero ROI y aporte de valor de la IA. Las empresas están priorizando la eficiencia operativa (43%) y el ahorro de costos (36%), pero ante la falta de marcos analíticos avanzados, el 92% admite requerir asesoría externa para calcular y sustentar el ROI real de sus iniciativas.
Artículo relacionado: Empresas en México invierten en IA, pero aún no obtienen un ROI medible
Recomendaciones finales para los tomadores de decisión
El informe de Aptian destaca que la fase de fascinación ciega con la IA ha terminado, adentrándonos a una etapa de madurez y rendición de cuentas, lanzando cuatro recomendaciones para los comités de dirección y líderes de TI:
Priorizar el encaje sectorial: Evaluar herramientas de IA y software empresarial diseñadas específicamente para la terminología, flujos operativos y normativas de su industria antes que modelos masivos de uso general.
Saneamiento de la base de datos e integración: Resolver la fragmentación de datos en el ERP y la cadena de suministro antes de escalar modelos avanzados.
Establecer una gobernanza clara antes de delegar autonomía: Exigir niveles de precisión sostenidos superiores al 98-99% y auditorías cruzadas antes de eliminar la supervisión humana en decisiones críticas.
Diseñar métricas específicas del negocio: Definir métricas clave sectoriales (como envíos procesados por empleado o rotación de inventarios) en lugar de depender únicamente de reducciones genéricas de plantilla.
El estudio se realizó mediante encuesta a 1,535 líderes y tomadores de decisiones de tecnología y negocios en empresas con ingresos anuales de 10 millones de dólares o más, abarcando cinco industrias verticales clave (alimentos y bebidas, moda y textil, transporte y distribución, manufactura discreta y de procesos, y distribuidores de equipo).
