Brad Pitt y Tom Cruise peleando en una polémica secuencia generada por IA
El impacto de la Inteligencia Artificial en la cuenta de resultados
Aproximadamente la mitad de los proyectos no llega a producción y, entre los que lo hacen, solo una minoría genera valor a escala
Muchos fenómenos son cíclicos, ya que todo lo que sube baja. También en la economía, terreno en el cual estos se ven impulsados por una u otra promesa de crecimiento. Así, los auges y las recesiones se relevan cada cierto tiempo; el mismo que se acorta cuando el valor de un activo se infla en exceso y su burbuja explota.
Ocurrió, por ejemplo, antes de entrar en los 2000, cuando las puntocom solo prometían buenas noticias. O durante los años previos a la crisis financiera mundial de 2008, época en la que el ladrillo parecía indestructible. A fecha de febrero de 2026, es la inteligencia artificial quien se encuentra en la posición que ocuparon internet y la construcción, despertando el temor de muchos inversores a los aumentos en los precios de las acciones de las empresas vinculadas a la IA.
Las valoraciones se han disparado, los titulares celebran el contexto y las Bolsas apuestan por un futuro de productividad acelerada, pero el viento no sopla a favor de todos. Y es que los mercados operan con un horizonte distinto al de las empresas. Los primeros viven de expectativas; las segundas se alimentan de márgenes. Esta diferencia –aparentemente técnica– es, en realidad, el corazón del asunto.
Hoy asistimos a cotizaciones en máximos para firmas tecnológicas que prometen liderar la revolución de la IA mientras que muchas compañías siguen funcionando con rentabilidades ajustadas y presión creciente sobre costes energéticos, salariales y financieros. La narrativa bursátil habla de un salto histórico en productividad, pero la contabilidad empresarial, en cambio, continúa lidiando con facturas corrientes. El riesgo no se encuentra, por tanto, en la sobrevaloración de la IA en el mercado bursátil, sino que las organizaciones la implanten sin disciplina económica.
Los datos dibujan esta brecha cuando revelan que la mitad de las iniciativas no superan la frontera de la fase piloto. En concreto, la consultora Gartner asegura que solo el 48 % de los proyectos de inteligencia artificial llega a producción. «Y, aun alcanzado este estadio, el impacto contable no está garantizado», señala el asesor de estrategia Benito Rodríguez. Por su parte, BCG estima que solo un 5 % de las compañías está capturando valor «a escala», mientras que una de cada seis no logra impacto material y McKinsey concreta que solo el 39 % declara algún efecto en su beneficio operativo, siendo este ilimitado en la mayoría de casos. La IA se implanta, pero el margen no siempre la acompaña.
Cuello de botella
La lógica podría llevarnos a pensar que, si la IA no genera retorno, es porque la tecnología aún no ha alcanzado el nivel suficiente de madurez. Sin embargo, la experiencia empresarial apunta en otra dirección. «Las causas casi nunca son fallos del algoritmo», subraya Rodríguez. El cuello de botella suele encontrarse en cómo la inteligencia artificial se integra en la dinámica empresarial, cómo se gobierna desde los órganos de dirección y cómo se mide su impacto real. «Se automatiza una fase del proceso, pero no se rediseña el flujo completo. Se mantiene el trabajo manual, las revisiones y los protocolos de control adicionales». Porque digitalizar el proceso antiguo no lo convierte en eficiente.
El experto observa así una paradoja práctica: la inversión y la adopción en inteligencia artificial crecen, pero el impacto agregado en productividad y márgenes tarda en aparecer o, incluso, puede deteriorar la cuenta de resultados si el proyecto fracasa. Rodríguez atribuye esta coyuntura a tres trampas corporativas habituales a la hora de medir el éxito de una iniciativa.
La primera trampa es confundir calidad técnica con rentabilidad. «Un modelo puede destacar, por ejemplo, por un 95% de precisión, pero no reducir costes, ni vender más ni evitar pérdidas». La excelencia algorítmica no garantiza impacto financiero.
La segunda consiste en medir uso en lugar de resultado. «Es fácil presumir de que toda la plantilla utiliza la herramienta. Pero que algo se use mucho no significa que genere valor. Popularidad no es sinónimo de rentabilidad», aclara el asesor. Se puede consultar ChatGPT tantas veces como se quiera que la tendencia hacia números rojos no se revertirá si las decisiones siguen siendo las mismas.
Reducir un 40 % la dedicación a una tarea parece un éxito inmediato. Pero solo se convierte en dinero si se traduce en algo concreto
La tercera, por último, consiste en celebrar el ahorro de tiempo sin decidir qué hacer con él. «Reducir un 40 % la dedicación a una tarea parece un éxito inmediato. No obstante, ese tiempo solo se convierte en dinero si se traduce en algo concreto: menos coste, más producción o mejor servicio. Si simplemente se rellena con tareas de bajo impacto, el supuesto ahorro se evapora».
La inteligencia artificial puede mejorar procesos, pero también puede encarecerlos si se implanta sin rediseñarlos. Automatizar una ineficiencia no la elimina: la acelera y la escala, añadiendo además el coste del sistema, su mantenimiento y su gobernanza. Cuando la IA convive con el flujo anterior en lugar de sustituirlo, el ahorro prometido se convierte en doble estructura, más complejidad y mayor exposición al error. «En ese escenario, el problema no es tecnológico, sino de gestión. Porque la IA no crea eficiencia por decreto: amplifica lo que ya existe. Y si lo que existe es desorden, lo que se obtiene no es productividad, sino caos industrializado», concluye el asesor.
