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 un vacío—personas brillantes que trabajan aisladas—ha tenido sus momentos, y la idea ciertamente mantiene un lugar en la imaginación del público

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

Se garantiza que fracasará el intento de implementar la transformación de la IA empresarial en el vacío. Excluir a sus stakeholders estratégicos, líderes de unidad de negocio y colaboradores significa, en última instancia, descuidar las perspectivas y recursos que necesita para tener éxito.

Este enfoque podría ser la razón por la que, según el estudio de director ejecutivo (CEO) 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 fallan.

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 finalmente arrojan 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 logran escala pueden tener un impacto más allá de una pequeña parte de la organización y lograr un retorno real en el mercado. Pero trascender los silos no ocurre por accidente. Requiere alineación y apoyo de la gerencia, incluyendo los altos ejecutivos e incluso los miembros de la junta.

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 realizar investigación sobre qué modelos de IA usar hasta desarrollar programas de gobernanza. Por el contrario, cuando los equipos se unen, pueden combinar recursos y establecer un enfoque unificado que esté listo para escalar, brindando más valor a la organización en general.

Una empresa que se destacó 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 reunimos con los equipos de PepsiCo para trazar 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 mejores prácticas pre-aprobados. 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 impulsadas por IA que van desde diseños de botellas de Gatorade hiperpersonalizados hasta posicionamiento optimizado del producto en los estantes de venta minorista.

Las plataformas y herramientas críticas son fundamentales para un enfoque escalable y unificado de la IA. Pero podría decirse que otros dos elementos son igual de 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 utilizan las empresas para determinar si vale la pena seguir un caso de uso. Sin embargo, los expertos estiman que menos del 1% de los datos empresariales, hasta ahora, se han incorporado a los modelos de IA. Esos datos no utilizados representan una gran oportunidad para las empresas.

Aprovecharlo significa trabajar para consolidar sus bases de datos—es decir, garantizar que sus datos estén limpios, organizados y seguros—a medida que 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 capacitación 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 automatizó más de 80 tareas de recursos humanos y ahora participa en 1.5 millones de conversaciones con empleados al año.

Los empleados pueden usar AskHR para solicitar cartas de verificación de empleo, enviar solicitudes de vacaciones y obtener información importante sobre todo, desde licencia por enfermedad hasta compensación. Como resultado, a partir del año pasado, los tickets de soporte y los costos operativos se redujeron sustancialmente, mientras que nuestros profesionales de RH tienen mayor ancho de banda para enfocarse en prioridades estratégicas.

Por supuesto, AskHR no habría alcanzado su escala si nuestros empleados no estuvieran dispuestos a usarlo. Eso también se aplica a casi todas las demás iniciativas de IA empresarial. Los líderes de empresas 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 educación y capacitación son clave; comprender cómo funcionan las herramientas impulsadas por IA y cómo utilizarlas mejor.

En muchos casos, los gerentes aprenden junto con sus empleados y eso es genial—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.