Actualmente, el discurso sobre la inteligencia artificial (IA) está dominado por dos narrativas. Por un lado, se destaca que las aplicaciones «nativas de IA» generan anualmente 18.5 mil millones de dólares, lo que sugiere que la economía de la IA está en crecimiento. Por otro lado, se menciona que el 95% de los pilotos de IA en empresas no logran ofrecer resultados significativos.

Ambas posturas son válidas, pero no abordan la cuestión crucial: ¿valor para quién?

Los ingresos no son sinónimo de valor

El aumento en los ingresos solo indica que las empresas están dispuestas a pagar, pero no garantiza su éxito. Existen varios problemas estructurales que explican por qué el éxito de los proveedores no siempre se traduce en valor para los clientes.

La economía está fundamentalmente desalineada. Los costos de inferencia sin límites y la sobrecarga de orquestación impactan el retorno de inversión cuando el uso no está regulado o desconectado de resultados medibles. Además, la falta de alineación en los flujos de trabajo genera teatro en lugar de eficiencia. Aunque la interacción con la IA parece mágica, cuando está al lado del trabajo en lugar de integrarse en él, no se está solucionando nada.

Lo que observamos es una captura concentrada, donde unos pocos proveedores monetizan el entusiasmo mientras los clientes asumen costos de integración, gestión del cambio y riesgos de cumplimiento. Muchas implementaciones se centran en problemas superficiales porque las demostraciones resaltan lo que es fácil de mostrar, no lo que realmente necesita atención, como los cuellos de botella con un impacto financiero.

En resumen, los ingresos son un indicador rezagado de la disposición a pagar, no una prueba de valor real.

El ‘95% de fracaso’ es un diagnóstico, no un veredicto

Una alta tasa de fracaso no significa que la tecnología no funcione. Más bien, demuestra que la mayoría de las implementaciones carecen de las condiciones necesarias para tener un impacto. Los equipos suelen comenzar con un modelo en lugar de identificar las fugas de negocio —como denegaciones, rework, horas extras y acumulación de trabajo. Sin comparaciones antes/después sobre el tiempo de respuesta, el rendimiento inicial o las tasas de error, el éxito se vuelve en gran medida medible.

Lo más crítico es que estos pilotos fallidos nunca integran la IA en los flujos de trabajo reales. Los agentes fuera del flujo de trabajo siguen siendo opcionales e invisibles. A esto se suma la total falta de gobernanza —sin explicabilidad, procedencia, trazabilidad de datos ni mecanismos de auditoría— lo que impide confiar o escalar los logros.

El problema no es que la IA no funcione, sino que continuamos aplicándola a los problemas equivocados con la instrumentación incorrecta.

La señal frente al ruido: El marcador que realmente importa

Si deseas saber si la IA genera valor, mídela en los lugares donde el valor se manifiesta:

• Costo por unidad de trabajo;
• Tiempo de ciclo desde la entrada hasta la decisión;
• Rendimiento inicial (trabajo completado sin rework);
• Tasas de error y excepciones;
• Rendimiento por revisor o agente;
• Resultados de cumplimiento (excepciones de auditoría, penalizaciones evitables);
• Métricas a nivel cliente en atención médica, medidas de calidad, tasas de apelaciones/reversión y experiencia del miembro.

Si estas métricas mejoran a gran escala, la IA está funcionando. Si no, los ingresos son solo ruido.

Una guía para el 5% que triunfan

Las empresas que tienen éxito siguen un enfoque completamente diferente. Comienzan con fuentes de valor, no con modelos, y definen métricas críticas desde el primer día: tiempo de respuesta base, interacciones, rendimiento inicial y costos por caso.

En lugar de construir interfaces de chat, diseñan para la toma de decisiones e incorporan agentes directamente en el sistema de registro.

Los ganadores limitan el alcance de manera rigurosa e instrumentan todo. Mantienen la interacción humana por diseño y poseen completamente su capa de contexto —políticas, procedimientos operativos estándar y decisiones históricas se convierten en activos competitivos.

La fijación de precios se vincula a resultados, no a tokens, y realizan pruebas A/B a nivel de flujo de trabajo, no por usuario.

Quizás lo más importante, planifican las partes tediosas —identidad, acceso, manejo de información protegida, políticas de retención. Solo cuando toda la infraestructura funciona piensan en escalar, y solo cuando las métricas se mantienen estables a través de casos de uso ampliados.

No es un trabajo atractivo. Pero así es como el 5% que tiene éxito logra ventajas acumulativas.

Cómo se ve el valor real

En una importante aseguradora de salud, un agente de autorización previa ahora revisa gráficos, aplica criterios clínicos, cita fuentes y redacta determinaciones dentro del mismo sistema que ya utilizan las enfermeras. Los tiempos de revisión se redujeron de 35 minutos a menos de 15. La innovación no fue que «habla», sino que acortó el camino hacia una decisión defendible, manteniendo a los humanos en el proceso.

En un grupo de proveedores, reemplazar el Q&A libre con un agente que compila resúmenes de gráficos mejoró el rendimiento inicial de las auditorías. La victoria no fue un modelo más grande, sino un ciclo más cerrado y confiable.

Conclusión

El auge de los ingresos indica que las empresas están dispuestas a pagar. Sin embargo, las estadísticas de fracaso revelan que muchas están abordando los problemas equivocados. Los líderes que triunfan no persiguen demostraciones o titulares; integran la IA donde se ganan o pierden recursos, instrumentan resultados y escalan solo cuando los números son sólidos.

Los debates sobre totales y tasas de fracaso son atractivos, pero el valor es local, operativo y medible. Si tu programa de IA no puede demostrar un impacto en costo, velocidad, calidad y cumplimiento dentro del flujo de trabajo, no tienes una estrategia de IA, sino un comunicado de prensa.

En el mundo empresarial, como en Sales Solutions B2B, es fundamental adoptar un enfoque analítico y estratégico que asegure el éxito sostenible mediante la correcta implementación de soluciones tecnológicas adecuadas a las necesidades reales.