¿Cuánto valor genera de verdad la inteligencia artificial en las empresas?

Menos del que prometen los titulares y más del que creen los escépticos. La mayoría de empresas grandes ya usa IA en alguna parte del negocio, pero pocas ven un efecto claro en sus beneficios. En la encuesta de McKinsey de 2025, el 88 % de las organizaciones usaba IA en al menos una función, pero solo el 39 % atribuía a la IA algún impacto en su resultado operativo (EBIT), y en la mayoría de esos casos era inferior al 5 % [1].

La diferencia entre unas y otras no está en la herramienta, sino en elegir bien el problema, rediseñar el proceso y medir. Este artículo separa las cifras que circulan de lo que se ha medido.

Las cifras que circulan, y qué son en realidad

Muchos artículos sobre IA en empresas, incluida la versión anterior de este, repiten grandes números sin explicar de dónde salen. Estos son los más citados:

CifraQuién la dioQué es
2,9 billones de dólares de valor de negocioGartner, agosto de 2019 [2]Una previsión para 2021 del valor de la «IA aumentada» (personas trabajando con IA). No es un resultado medido
Hasta un 40 % más de productividad laboralAccenture, 2016 [3]Un modelo para 12 economías desarrolladas con horizonte 2035. Se suele atribuir por error al Banco Mundial
Entre 2,6 y 4,4 billones de dólares al añoMcKinsey, junio de 2023 [4]El potencial estimado de la IA generativa en 63 casos de uso. La propia consultora lo comparó con el PIB del Reino Unido de 2021

Las tres son previsiones de consultoras, no datos observados. Sirven para dimensionar el interés, no para justificar una inversión concreta en tu empresa.

Lo que sí se ha medido

La evidencia más sólida viene de estudios con datos reales de trabajo. El más citado es el de Erik Brynjolfsson, Danielle Li y Lindsey Raymond, publicado en el Quarterly Journal of Economics en 2025: siguieron a 5.179 agentes de atención al cliente y vieron que un asistente de IA aumentaba un 14 % de media las consultas resueltas por hora, con mejoras del 34 % en los agentes novatos y efecto mínimo en los más expertos [5].

La lección es útil para cualquier empresa: la IA ayuda más donde hay conocimiento que se puede transmitir (las buenas respuestas de los mejores) y personas que aún no lo tienen. Si quieres más estudios de este tipo, los repaso en la guía de IA y productividad.

Dónde suele aportar valor primero

  • Atención al cliente: respuestas sugeridas, resúmenes de casos, clasificación de consultas.
  • Marketing y ventas: borradores de textos, variantes de anuncios, preparación de reuniones.
  • Desarrollo de software: asistentes de código y documentación.
  • Operaciones internas: extraer datos de facturas, contratos o correos y pasarlos a sistemas.

McKinsey situaba en atención al cliente, marketing y ventas, ingeniería de software e I+D alrededor del 75 % del valor potencial de la IA generativa [4]. Coincide con lo que se ve en la práctica: son tareas con mucho texto, mucha repetición y resultados fáciles de revisar.

Por qué tantos proyectos no llegan a nada

  1. Se empieza por la herramienta y no por un problema con coste conocido.
  2. Se añade IA a un proceso igual en lugar de rediseñarlo. McKinsey señala que las empresas que más valor obtienen son las que rediseñan los flujos de trabajo [1].
  3. No hay línea base: si no sabes cuánto tardabas antes, no puedes demostrar la mejora.
  4. Datos desordenados o sin permisos claros de uso.
  5. Nadie es responsable de que el piloto pase a producción.

Un plan sensato en cinco pasos

  1. Elige un proceso que cueste horas cada semana y tenga un resultado fácil de comprobar.
  2. Mide cómo está hoy: tiempo, errores, coste.
  3. Prueba durante cuatro a ocho semanas con un grupo pequeño y una persona responsable.
  4. Compara con la línea base y decide: escalar, ajustar o abandonar.
  5. Escribe reglas de uso antes de extenderlo: qué datos se pueden meter, quién revisa los resultados y qué se hace ante un error.

El paso a paso más detallado está en cómo implementar IA en tu empresa, y si te interesan los sistemas que ejecutan tareas por su cuenta, en la guía práctica de agentes de IA.

Empleo y ética: lo que no se puede dejar para después

Automatizar tareas cambia puestos de trabajo. Hay que decidir pronto qué se hace con el tiempo liberado, cómo se forma al equipo y cómo se comunica el cambio. Y hay riesgos concretos: sesgos en decisiones sobre personas, errores presentados con seguridad y fugas de datos al usar herramientas no autorizadas. Si usas IA para decidir sobre clientes o empleados, la ley de protección de datos de tu país probablemente ya te exige explicar esas decisiones.

Fuentes y referencias

Fuentes consultadas el 3 de noviembre de 2026.

  1. [1] McKinsey: The state of AI in 2025: Agents, innovation, and transformation, noviembre de 2025.
  2. [2] Gartner: AI augmentation will create $2.9 trillion of business value in 2021, 5 de agosto de 2019.
  3. [3] Accenture: AI poised to double annual economic growth rate in 12 developed economies, 28 de septiembre de 2016.
  4. [4] McKinsey: The economic potential of generative AI, 14 de junio de 2023.
  5. [5] NBER: Brynjolfsson, Li y Raymond, «Generative AI at Work», publicado en el Quarterly Journal of Economics, 2025.