Por qué fracasan los proyectos de IA: la trampa del experimento científico y cómo evitarla

Es fácil de imaginar: un científico solitario se encierra en un garaje durante semanas y luego emerge con un descubrimiento que cambia el mundo. O un misterioso grupo corporativo de skunkworks que solo asoma la cara cada pocos meses para presentar su último invento innovador.

La innovación en el vacío (gente brillante trabajando aisladamente) ha tenido sus momentos, y la idea ciertamente mantiene un lugar en la imaginación del público

Pero le diré una situación en la que no funciona y, de hecho, puede hacer más daño que bien: la adopción de la IA empresarial.

Intentar implementar la transformación de la IA empresarial en el vacío está garantizado que fracasará. Excluir a las partes interesadas estratégicas, los líderes de las unidades de negocio y los colaboradores significa, en última instancia, descuidar las perspectivas y los recursos que necesita para tener éxito.

Este enfoque podría ser la razón por la que, según el CEO Study de 2025 del IBM Institute for Business Value (IBV), solo el 16 % de las iniciativas de IA han logrado escalar a nivel empresarial. Un informe reciente de la iniciativa NANDA del MIT compartió hallazgos aún más sombríos: que el 95 % de los pilotos de IA generativa fracasan.

En demasiados casos, las empresas realizan múltiples pruebas de concepto (POC) que equivalen a poco más que experimentos científicos poco prácticos. Pueden inspirar asombro al principio (o FOMO, como señaló IBV), pero en última instancia arrojar un valor insignificante. Como alguien con una profunda experiencia en finanzas, sé que las organizaciones pueden hacerlo mejor, mucho mejor, que resignarse a un retorno de la inversión tan escaso.

Las iniciativas de IA que alcanzan escala pueden tener un impacto más allá de una pequeña parte de la organización y lograr un rendimiento real en el mercado. Pero trascender los silos no ocurre por accidente. Requiere alineación y apoyo de la dirección, incluidos los ejecutivos del equipo directivo e incluso los miembros del consejo de administración.

Los líderes y gerentes pueden ayudar a orquestar la colaboración y los sistemas que generan eficiencia y aumentan el impacto. Por ejemplo, cuando varios departamentos trabajan en sus propios casos de uso de IA distintos, los equipos separados invierten tiempo en esfuerzos redundantes, desde investigar qué modelos de IA utilizar hasta desarrollar programas de gobierno. Por el contrario, cuando los equipos se unen, pueden combinar recursos y establecer un enfoque unificado que esté listo para escalar, aportando más valor a la organización en general.

Una empresa que ha destacado en este enfoque unificado es PepsiCo. En los últimos años, PepsiCo ha colaborado con IBM Consulting para crear una plataforma de tecnología unificada que alberga unos 100 casos de uso de IA generativa. Nos sentamos con los equipos de PepsiCo para mapear su arquitectura de datos e IA, identificar brechas y crear servicios reutilizables para sus casos de uso de IA generativa más importantes.

Los servicios reutilizables se pusieron a disposición a través de la plataforma de tecnología unificada, lo que permitió a los equipos de toda la empresa contar con modelos, herramientas y buenas prácticas preaprobados. La plataforma también permitió una visibilidad centralizada, garantizando que los proyectos cumplieran con los estándares de PepsiCo, algo que el desarrollo ad hoc a través de proveedores externos no podía ofrecer.

Con todas estas bases cubiertas, los equipos de PepsiCo aceleraron la experimentación, el desarrollo y, finalmente, el tiempo de comercialización. Los resultados fueron soluciones con IA que van desde diseños de botellas de Gatorade hiperpersonalizados hasta la posición optimizada de productos en comercio minorista.

Las plataformas y herramientas adecuadas son críticas para un enfoque escalable y unificado de la IA. Pero otros dos elementos son igualmente importantes: los datos y la cultura.

Los datos son la columna vertebral de un programa de IA exitoso. Es en lo que se entrenan los modelos de IA y es lo que las empresas utilizan para determinar si vale la pena seguir un caso de uso. Sin embargo, los expertos estiman que hasta ahora menos del 1 % de los datos empresariales se han incorporado a los modelos de IA. Esos datos no utilizados representan una gran oportunidad para las empresas.

Aprovecharlo significa trabajar para solidificar sus bases de datos, es decir, garantizar que sus datos estén limpios organizados y seguros mientras persiguen los pilotos de IA. En el caso de PepsiCo, la empresa colaboró con IBM Consulting en una sólida estrategia de datos para gestionar sus más de 60 petabytes de datos.

Más cerca de casa, la organización de datos fue un componente central en la iniciativa de IBM para transformar nuestros propios recursos con IA agéntica. La formación y el ajuste de los modelos en conjuntos de datos de alta calidad específicos del dominio nos ayudaron a desarrollar un agente virtual, AskHR, que automatizaba más de 80 tareas de RR. HH. y ahora entabla 1,5 millones de conversaciones con empleados al año.

Los empleados pueden utilizar AskHR para solicitar cartas de verificación de empleo, enviar solicitudes de vacaciones y obtener información importante sobre todo, desde bajas por enfermedad hasta compensaciones. Como resultado, desde el año pasado, los tickets de soporte y los costes operativos se han reducido sustancialmente, mientras que nuestros profesionales de RR. HH. tienen un mayor ancho de banda para centrarse en las prioridades estratégicas.

Por supuesto, AskHR no habría alcanzado su escala si nuestros empleados no estuvieran dispuestos a utilizarlo. Esto también se aplica a casi todas las demás iniciativas de IA empresarial. Los líderes empresariales deben tener cuidado de establecer el tono y la cultura adecuados en torno a la adopción de AI.

Eso significa ser abierto sobre cómo la IA aumenta el trabajo de los empleados y, al mismo tiempo, los prepara para cosechar esos beneficios. Para estos últimos, los programas de formación y capacitación son clave; comprender cómo funcionan las herramientas con IA y cómo utilizarlas mejor.

En muchos casos, los gerentes aprenden junto a sus empleados y eso es genial, ya que refuerza el hecho de que la adopción exitosa de la IA empresarial es un deporte de equipo. Al final del día, todos estamos aprendiendo, mejorando y superando límites juntos. No es necesario aplicar skunkworks y silos.