Los números primero. Según McKinsey, el 40% de las grandes organizaciones ya escala agentes de inteligencia artificial dentro de sus operaciones. Pero Deloitte advierte que muchas de esas mismas empresas necesitan 12 meses o más para observar retorno real o resolver los problemas de adopción de la IA agéntica.
El dato más duro viene de Gartner: la mitad de los proyectos de IA generativa fracasa por «mala calidad de datos, controles de riesgo inadecuados, costos escalando o valor de negocio poco claro». No es un problema de algoritmos. Es un problema de gobernanza.
Así lo plantea Amit Shivpuja, director de producto de datos y habilitación de IA en Walmart, en un artículo publicado en Forbes. Su argumento central: la IA no crea capacidad organizacional, la amplifica. Si los procesos de una empresa son sólidos, la inteligencia artificial magnifica esa fortaleza. Si son frágiles —datos fragmentados, definiciones inconsistentes, lógica de negocio no documentada—, la IA magnifica también esa fragilidad.
Shivpuja compara la situación con construir rascacielos sobre los cimientos de Venecia: la ciudad es icónica, pero su estructura nunca fue diseñada para soportar esa carga. Muchas corporaciones, dice, están intentando levantar infraestructura de IA sobre bases de datos y flujos de trabajo que fueron diseñados para una era distinta.
Su receta pasa por cinco ejes concretos: honestidad sobre las fortalezas y debilidades reales de la organización, redefinir el éxito en términos de capacidad y no de herramientas adoptadas, invertir en una base de datos gobernada y consistente, documentar el contexto —políticas de crédito, lógica operativa, conocimiento de los operarios— y construir plataformas reutilizables en lugar de soluciones aisladas. A esto suma alfabetización interna sobre cómo funciona la IA y, sobre todo, propiedad clara: cada iniciativa necesita un dueño de negocio, un responsable de datos y un socio de gobernanza definidos.
Los ejemplos que cita son de sectores regulados y de capital intensivo: bancos que documentan políticas de crédito para acelerar decisiones de préstamo, manufactureras que capturan el conocimiento de sus técnicos para predecir fallas de equipo, hospitales que asignan propiedad clínica sobre los sistemas de triage automatizado.
El mercado ya votó sobre este punto: no hay atajo regulatorio ni presupuesto de tecnología que sustituya la disciplina interna. Las empresas que documentan su lógica de negocio, gobiernan sus datos y asignan responsables concretos convierten la inversión en IA en ventaja operativa medible. Las que no lo hacen —sin importar cuánto capital destinen a licencias de software— seguirán engrosando esa mitad de proyectos que Gartner ve fracasar.
La lección de fondo trasciende la tecnología: el problema no es cuánto gasta una organización en inteligencia artificial, sino si su estructura interna —sus incentivos, su gobernanza, su claridad de propiedad— está diseñada para capitalizar esa inversión. La productividad, aquí como en cualquier otro mercado, no se decreta desde un comité de innovación; se construye con reglas claras y responsables identificables. Capital busca reglas claras, y la IA, lejos de ser la excepción, es apenas el espejo más nítido de esa vieja verdad corporativa.
