Llevamos años escuchando la misma promesa, que la inteligencia artificial iba a reducir costes, automatizar tareas complejas y hacer más eficientes las infraestructuras tecnológicas de las empresas. Es una idea que hemos visto repetirse una y otra vez. Sin embargo, a medida que estos proyectos han ido aterrizando en el día a día de las organizaciones, empieza a aparecer una realidad que no encaja del todo con ese relato inicial.

Muchos de esos despliegues no están consiguiendo los resultados que se esperaban. Las cifras. Según un estudio de Gartner citado por The Register, únicamente el 28% de los despliegues de IA en infraestructura y operaciones alcanza el retorno esperado.

El resto se reparte entre proyectos que no llegan a materializar ese valor y otros que directamente no salen adelante, con una tasa de fracaso del 20%. Además, más de la mitad de los responsables consultados, un 57%, admite haber tenido al menos una iniciativa fallida. Los datos se centran en cómo las empresas están aplicando la IA en su infraestructura tecnológica y sus operaciones internas, no en el rendimiento global de la tecnología.

Expectativas desalineadas y problemas de base. Cuando intentamos entender por qué tantos proyectos se quedan a medio camino, las respuestas apuntan más a cómo se plantean que a la tecnología en sí. Melanie Freeze, directora de investigación en Gartner, explica que muchos equipos asumieron que la IA iba a automatizar tareas complejas de forma inmediata, reducir costes o resolver problemas operativos arrastrados durante años.

A eso se suman otros factores recurrentes, como carencias de talento especializado, dificultades para integrar estos sistemas en procesos ya existentes y problemas con la calidad o disponibilidad de los datos. Donde sí está funcionando. No todo el panorama es negativo si afinamos un poco más el foco.

El propio análisis de Gartner señala que los mejores resultados aparecen en ámbitos donde la tecnología ya tiene más recorrido y aplicaciones más concretas. Es el caso de la gestión de servicios de TI y las operaciones en la nube, áreas en las que la firma sitúa buena parte de los casos de éxito, con un 53% de los responsables señalando resultados positivos. La clave aquí no parece estar en modelos más avanzados, sino en cómo se integran en procesos reales, con casos de uso bien definidos y alineados con necesidades operativas claras.

Dos niveles de la infraestructura de IA. Para entender por qué estos datos van más allá de un problema interno de las empresas, conviene diferenciar los dos planos en los que se está construyendo esta ola de inversión. Por un lado están los grandes proveedores tecnológicos, que están destinando cientos de miles de millones a levantar centros de datos bajo la premisa de que la demanda seguirá creciendo.

Por otro, las compañías que utilizan esos servicios para aplicar la IA en sus operaciones. Es precisamente en este segundo grupo donde Gartner detecta las dificultades, y eso introduce una pregunta relevante para el mercado, qué ocurre si esos clientes no logran rentabilizar sus proyectos y empiezan a frenar el gasto. El análisis.

Está claro que las empresas continúan apostando por la IA, pero al mismo tiempo empiezan a exigir resultados más claros a corto y medio plazo. En paralelo, otras encuestas recientes, como un estudio del National Bureau of Economic Research, apuntan a que muchas compañías no detectan todavía un impacto claro en productividad o empleo. Imágenes | Domaintechnik Ledl.net En Xataka | Los modelos de IA chinos presumían de ser buenos, bonitos y baratos.

Ya solo son dos de esas tres cosas