McKinsey & Company, a través de su división de inteligencia artificial QuantumBlack, publicó la última versión de su investigación global integral titulada «The State of AI 2025». Este análisis exhaustivo examina el panorama actual de la inteligencia artificial, su penetración en las estructuras organizacionales y las consecuencias estratégicas más amplias para las empresas en todo el mundo.
Los hallazgos del estudio indican que aunque la inteligencia artificial se ha consolidado como un activo operacional crítico, su efecto transformador a nivel organizacional sigue siendo limitado. Una proporción significativa de empresas aún opera en fases preliminares de implementación de IA en lugar de lograr una integración integral y unificada en toda la empresa.
Adopción generalizada con profundidad limitada en la implementación
La investigación revela información importante sobre el estado actual del despliegue de IA en las organizaciones. Según los datos de la encuesta, el 88 por ciento de las organizaciones participantes ha incorporado inteligencia artificial en al menos una función comercial. Sin embargo, esta adopción generalizada oculta una realidad más matizada. Aproximadamente dos tercios de las empresas continúan operando en fases experimentales o piloto, sin haber logrado integrar IA en todo su marco operativo de manera unificada.
Esta brecha entre conciencia e implementación destaca un desafío persistente: aunque el liderazgo organizacional reconoce la importancia de la inteligencia artificial, la ejecución práctica sigue concentrada en dominios limitados en lugar de generar impacto en toda la empresa.
Interés creciente en agentes de IA y sistemas autónomos
La investigación identifica a los agentes de inteligencia artificial como un área emergente de interés significativo. Estos sistemas sofisticados poseen la capacidad de formular planes, ejecutar secuencias complejas de acciones y orquestar múltiples procesos interconectados dentro de los flujos de trabajo organizacionales. Las estadísticas clave del estudio revelan que el 62 por ciento de las empresas encuestadas están experimentando actualmente con tales tecnologías basadas en agentes. Notablemente, solo el 23 por ciento ha logrado escalar al menos una implementación basada en estos sistemas a madurez operativa.
Los despliegues iniciales se concentran en dominios comerciales particulares. La infraestructura tecnológica, la gestión de información y los servicios de soporte interno representan las áreas de enfoque principales. Además, ciertos sectores de la industria, particularmente tecnología, telecomunicaciones, medios y atención médica, están demostrando liderazgo en la adopción temprana de estas tecnologías.
El modelo empresarial de alto desempeño
La investigación identifica un grupo distintivo denominado «alto desempeño», organizaciones que capturan con éxito valor sustancial a través de iniciativas de inteligencia artificial. Estas empresas líderes han desarrollado un marco de adopción más sofisticado construido sobre tres pilares fundamentales:
El primer pilar se centra en una visión estratégica orientada al crecimiento. En lugar de ver la inteligencia artificial únicamente como un mecanismo para la eficiencia operativa o reducción de costos, estas organizaciones la aprovechan para generar nuevos productos, establecer nuevas fuentes de ingresos y acelerar ciclos de innovación. El segundo pilar implica rediseño integral de procesos, donde la integración de IA ocurre en la etapa fundacional de la concepción del flujo de trabajo, permitiendo un alcance organizacional más amplio y mejoras de desempeño duraderas. El tercer pilar abarca inversión financiera comprometida, con más de un tercio de las organizaciones de alto desempeño asignando más del 20 por ciento de sus presupuestos digitales específicamente a esfuerzos de inteligencia artificial.
Impacto en la fuerza laboral y desarrollo de habilidades
Las respuestas de la encuesta demuestran perspectivas divergentes sobre la influencia de la inteligencia artificial en las estructuras de empleo organizacional. Las respuestas indican que el 32 por ciento de los participantes espera reducciones de personal en ciertos departamentos, mientras que el 43 por ciento anticipa estabilidad en la fuerza laboral y el 13 por ciento proyecta aumentos de plantilla. McKinsey enfatiza que el imperativo crítico se extiende más allá de la simple adquisición de talento. Las organizaciones deben priorizar iniciativas de desarrollo de la fuerza laboral, incluidos programas de capacitación, reciclaje de habilidades y redefinición integral de roles para facilitar la colaboración efectiva con sistemas tecnológicos cada vez más autónomos.
Consideraciones de riesgo y desafíos organizacionales
La investigación documenta que más de la mitad de las organizaciones encuestadas han encontrado riesgos asociados con la implementación de inteligencia artificial. Los desafíos más citados incluyen inexactitud de datos, complicaciones de cumplimiento normativo y posible daño reputacional. Estos hallazgos subrayan la necesidad de que las organizaciones desarrollen marcos integrales de gestión de riesgos junto con sus estrategias de implementación.
Las implicaciones generales sugieren que la entrega de valor de la inteligencia artificial depende menos de la amplitud de adopción y más de la profundidad de implementación, claridad estratégica y disposición organizacional para transformar fundamentalmente los paradigmas operacionales.
La adopción de IA es generalizada, pero escalar sigue siendo esquivo para la mayoría de las empresas
El análisis de McKinsey & Company a través de su división QuantumBlack revela que el 88 por ciento de las empresas en todo el mundo han integrado inteligencia artificial en al menos una función, pero solo aproximadamente un tercio ha logrado desplegar la tecnología a escala en toda su organización, según el recién publicado informe «State of AI 2025» de la consultoría resumen de Kanerika. La investigación global, basada en respuestas de ejecutivos en múltiples industrias, destaca tanto la difusión rápida de pilotos de IA como la creciente dificultad que enfrentan las empresas al intentar convertir pruebas de concepto en transformación empresarial.
Los hallazgos son relevantes porque enmarcan cómo los líderes corporativos asignan presupuestos, rediseñan procesos y preparan su fuerza laboral para la automatización en un momento en que la ventaja competitiva depende cada vez más de la toma de decisiones basada en datos. Al documentar dónde se estancan los despliegues de IA, así como dónde prosperan, McKinsey proporciona una instantánea de quién probablemente se adelante en la próxima onda de competencia digital.
Impulso temprano, profundidad limitada
Los datos de la consultoría muestran que la adopción ha alcanzado una línea de base casi universal: casi nueve de cada diez empresas encuestadas informan usar IA en algún lugar del negocio. Sin embargo, dos tercios aún confinen las herramientas a pilotos aislados o proyectos departamentales. Esa brecha sugiere que mientras los equipos senior generalmente creen en la inteligencia artificial, las estructuras organizacionales, sistemas heredados o falta de habilidades a menudo previenen pasos desde el terreno de pruebas hacia la aplicación generalizada.
Los investigadores de McKinsey señalan que las pocas empresas que se oponen a la tendencia, denominadas «alto desempeño» en el informe, comparten tres características comunes. Primero, articulan una visión orientada al crecimiento en la cual se espera que la IA impulse nuevos ingresos en lugar de solo reducir costos. Segundo, rediseñan procesos desde cero, insertando algoritmos y automatización en las primeras etapas en lugar de añadirlos a flujos de trabajo existentes. Tercero, respaldan la estrategia con inversión real: más de un tercio de estos líderes destinan más del 20 por ciento de sus presupuestos digitales a programas de IA.
Interés creciente en agentes autónomos
Un área donde muchas organizaciones están experimentando es el uso de los llamados agentes de IA: sistemas capaces de planificar y ejecutar tareas de múltiples pasos con supervisión humana limitada. La encuesta de McKinsey indica que el 62 por ciento de las empresas está probando tales tecnologías basadas en agentes, aunque solo el 23 por ciento ha logrado operacionalizar al menos una solución de agentes a escala. Los primeros en adoptar se concentran en infraestructura tecnológica, gestión del conocimiento y funciones de soporte interno, y sectores como telecomunicaciones, medios y atención médica avanzan más rápido.
Los ejecutivos entrevistados para la investigación señalan que la capacidad de los agentes para coordinar secuencias complejas atrae a equipos que tratan con procesos complejos y fragmentados. Por ejemplo, un chatbot de servicio al cliente que no solo puede responder preguntas sino también abrir un ticket de problema, enviar un técnico y actualizar registros de inventario representa un cambio en la madurez de automatización. Aun así, el salto de piloto a producción requiere datos limpios, gobernanza robusta y confianza en que los agentes no se desviarán: obstáculos que a menudo ralentizan el despliegue.
El perfil de riesgo se amplía junto con la adopción
A medida que las empresas avanzan más en la automatización, la desventaja se vuelve más visible. Más de la mitad de las organizaciones encuestadas reportan haber encontrado riesgos relacionados con IA como resultados inexactos, cuestiones de cumplimiento normativo o daño reputacional resumen de VAO. La calidad de datos encabeza la lista: los modelos entrenados con información defectuosa o sesgada pueden generar errores que se propagan por todo el negocio. En industrias altamente reguladas, los resultados que no pueden explicarse a los auditores o supervisores generan banderas rojas, mientras que las marcas orientadas al consumidor se preocupan de que las recomendaciones mal dirigidas podrían erosionar la confianza.
El informe señala que los líderes que institucionalizan la gestión de riesgos, creando líneas claras de responsabilidad, realizando pruebas de estrés en modelos y actualizando controles, tienen más probabilidades de acelerar el despliegue con confianza. Los marcos de gobernanza que emparejan expertos de dominio con científicos de datos, junto con procesos de reciclaje rápido de modelos, ayudan a reducir sorpresas.
Implicaciones para la fuerza laboral: habilidades sobre cantidad de personal
Cuando se les pregunta cómo afectará la IA al empleo, el 32 por ciento de los encuestados espera reducciones de personal en algunos departamentos, el 43 por ciento anticipa ningún cambio neto y el 13 por ciento prevé crecimiento de plantilla. Los patrones varían según la función: las tareas rutinarias en finanzas u operaciones pueden disminuir, mientras que los roles de ingeniería de datos y gestión del cambio se expanden. McKinsey enfatiza que la tarea urgente no es simplemente contratar nuevo talento sino recapacitar a los empleados existentes para que puedan trabajar efectivamente junto a sistemas autónomos. Los programas de capacitación que enseñan a los expertos de dominio a interpretar resultados de modelos o a identificar cuándo el juicio humano debe anular las recomendaciones algorítmicas ayudan a las empresas a capturar valor sin alienar al personal.
Por qué escalar es tan difícil
Varios obstáculos se combinan para mantener dos tercios de las empresas en modo piloto. Los stacks de TI heredados a menudo carecen de canalizaciones de datos en tiempo real que requieran análisis avanzados. Los silos organizacionales dificultan alinear incentivos entre unidades, por lo que un caso de uso que beneficia a toda la empresa puede no parecer convincente para un departamento individual. Las escasez de talento, particularmente en operaciones de aprendizaje automático (MLOps) y gobernanza de IA, ralentizan la transición de científicos de datos a equipos de producción.
Los de alto desempeño enfrentan estos obstáculos directamente. Invierten temprano en infraestructura en la nube que pueda manejar procesamiento de datos de alto volumen y baja latencia. Crean «equipos de fusión» multifuncionales que mezclan actores comerciales, ingenieros y diseñadores de experiencia de usuario desde el inicio del proyecto. Y tratan los proyectos de IA como lanzamientos de productos en lugar de implementaciones de TI únicas, adoptando ciclos de lanzamiento iterativos y métricas de éxito centradas en el cliente.
El compromiso financiero como diferenciador
Las asignaciones presupuestarias revelan otra línea de fractura. Mientras que la mayoría de organizaciones experimenta con IA, solo una minoría asigna capital sustancial. Más de un tercio de los de alto desempeño destinan al menos una quinta parte de su gasto digital específicamente a iniciativas de IA. Este músculo financiero les permite invertir en plataformas de datos de grado industrial, talento de primer nivel e mejora continua: virtudes que mejoran no solo proyectos individuales sino también la capacidad de la empresa para absorber futuras innovaciones.
Implicaciones para el panorama competitivo
En conjunto, los datos pintan un cuadro de disparidad creciente. Las empresas que dominan el despliegue en toda la empresa, gobernanza robusta y capacitación de la fuerza laboral pueden traducir IA en nuevos productos y fuentes de ingresos, posicionándose como líderes del mercado. Otras corren el riesgo de una especie de «purgatorio piloto», donde acumulan pequeños éxitos sin cambiar su trayectoria competitiva.
Para las juntas y suites ejecutivas, el mensaje es doble: la experimentación generalizada significa que la tecnología en sí ya no es un diferenciador, pero la capacidad de escalar, gobernar y evolucionar continuamente las capacidades de IA se está convirtiendo en uno. Los autores del informe argumentan que a medida que los modelos generativos y los agentes autónomos maduran, la barra para lo que constituye una mejor práctica subirá aún más. Las empresas que retrasan la integración profunda pueden encontrar que la ventana para ponerse al día se reduce.
Contexto, comparación y perspectiva
La iteración 2025 del estudio de McKinsey llega aproximadamente una década después de que el aprendizaje automático comenzó a pasar de laboratorios académicos al negocio convencional. Durante ese período, el vocabulario de IA ha pasado de «automatización» a «aumento» a «autonomía», reflejando avances en sofisticación de modelos y potencia computacional.
Fuentes
- https://kanerika.com/blogs/the-state-of-ai-mckinsey-report/
- https://www.vao.world/blogs/mckinseys-2025-ai-report
