La inversión en IA crece, pero más de la mitad de los CEO no ve retornos financieros

Actualidad23/01/2026

La inteligencia artificial ocupa un lugar cada vez más visible en las agendas corporativas, pero los números aún no acompañan el entusiasmo. Un relevamiento reciente muestra que más de la mitad de los directores ejecutivos no obtiene retornos financieros a partir de las inversiones realizadas en esta tecnología, aun cuando la presión por incorporarla sigue en aumento dentro de las organizaciones.

El dato surge de una encuesta elaborada por PwC, que analizó 4.454 respuestas de CEO de 95 países y territorios. Según el informe, el 56% afirma que no logró beneficios ni en ingresos ni en reducción de costos, pese a que un 30% reporta subas de facturación asociadas a la IA y un 26% detecta recortes de gastos. La brecha entre expectativas y resultados aparece como uno de los rasgos dominantes del momento actual.

OTRAS NOTICIAS:

Aun con ese panorama, la inversión no se frena. El estudio señala que la mayoría de los ejecutivos mantiene la innovación tecnológica entre sus principales prioridades. De hecho, cuando se consultó por las preocupaciones actuales, la opción más elegida fue: “¿estamos transformando nuestro negocio lo suficientemente rápido para mantenernos al día con la tecnología, incluida la IA?”. La inquietud no pasa solo por adoptar herramientas, sino por no quedar rezagados frente a competidores que avanzan con mayor velocidad.

En ese contexto, comenzó a circular con fuerza la idea de una posible sobreexpectativa en torno a la inteligencia artificial. Algunos analistas comparan el momento actual con episodios históricos de euforia inversora, donde la promesa de retornos rápidos impulsó desembolsos que tardaron mucho más de lo previsto en consolidarse. La discusión no apunta a negar el valor de la tecnología, sino a poner en duda los plazos y la magnitud de los beneficios esperados.

OTRAS NOTICIAS:

Para Marcelo De Luca, socio fundador y COO de The App Master, el fenómeno combina avances concretos con un relato sobredimensionado. “Hay un núcleo de avances que es muy real -existen modelos que ya están resolviendo ciertas tareas mejor, más rápido y más barato que antes-, pero alrededor de eso se construyó una narrativa donde parece que la IA va a arreglar todo, en todas las industrias, en cuestión de meses”, explicó. A su entender, la tensión no se origina en la tecnología en sí, sino en cómo se comunica y financia.

Una mirada similar aporta el economista Lucas Pussetto, profesor del IAE Business School, quien observa entusiasmo, pero poca evidencia de nuevos ingresos. “Las empresas están muy entusiasmadas en usar IA, para reducir costos y ganar eficiencia. No me parece mal, pero hay muy poca evidencia de empresas que la estén usando exitosamente para generar nuevos ingresos a través de nuevos negocios”, señaló. También advirtió sobre la magnitud de las inversiones: “Los números son monstruosos. Meta acaba de conseguir US$27.000 millones para financiar un data center. Y se estima que en los próximos cinco años se invertirán entre tres y siete billones de dólares en infraestructura de IA. Considero que el ritmo de crecimiento de la inversión en IA no es sostenible”.

OTRAS NOTICIAS:

Desde una perspectiva académica, Ingrid Toppelberg, instructora de Innovación en el Instituto de Tecnología de Massachusetts, plantea un matiz. No observa una burbuja en sentido estricto, pero sí “fenómenos burbujeantes”, sobre todo en infraestructura y deuda. Detalló que hoy se construyen más de 150 gigafactorías, con costos cercanos a US$50.000 millones, un consumo eléctrico equivalente al de 800.000 hogares y proyecciones de multiplicarse por cuatro hacia 2030. A la vez, marcó una diferencia con la burbuja puntocom: “donde las compañías salían a bolsa sin ingresos, hoy las grandes tecnológicas tienen negocios sólidos, enormes reservas de efectivo y modelos de IA con cientos de millones de usuarios reales”.

La empresaria y especialista en IA Belén Ortega coincide en que no existe una burbuja clásica, pero sí una etapa de expectativas infladas. “Estamos inmersas en una fase de sobreexpectativa profunda”, explicó, y añadió: “Todas las burbujas que se dieron a lo largo de la historia comparten la misma estructura: innovación real mezclada con expectativas irreales y capital impaciente”. En su visión, la adopción corre por delante de la integración madura dentro de las compañías.

OTRAS NOTICIAS:

Los datos históricos ayudan a poner el fenómeno en perspectiva. Un informe del MIT publicado en 2025 indicaba que el 95% de las organizaciones no obtenía retornos de la IA. Hoy, según PwC, ese porcentaje bajó al 56%, lo que muestra avances, aunque todavía limitados. El propio estudio señala que solo el 12% de los encuestados logró ahorros de costos y nuevos ingresos gracias a una aplicación más amplia de la tecnología.

Para los especialistas, la diferencia aparece cuando la IA deja de ser un experimento aislado. El informe de PwC sostiene que “los proyectos de IA aislados y tácticos a menudo no generan un valor medible”, y que los resultados llegan cuando se aplican a escala empresarial, alineados con la estrategia general. Esa adopción, sin embargo, todavía resulta minoritaria en áreas como generación de demanda, servicios de soporte o productos y experiencias.

OTRAS NOTICIAS:

La conclusión se repite entre consultores y académicos: la IA no funciona como un parche. “La IA no es un plugin: es un rediseño profundo de cómo trabajamos, decidimos y coordinamos”, afirmó Toppelberg, al subrayar la necesidad de cambios culturales y organizacionales. Ortega reforzó esa idea: “Hay que integrar IA como parte estructural, no como accesorio”, y remarcó la importancia de invertir en formación y capacidades internas.

En la misma línea, Ángel Pérez Puletti, CEO de Baufest, apuntó que el impacto real aparece cuando la tecnología se vuelve parte del núcleo del negocio. “La verdadera transformación ocurre cuando la inteligencia artificial deja de ser un asistente y se integra al corazón del negocio, rediseñando procesos críticos y resolviendo problemas que no tienen una solución de producto en el mercado”, explicó. También destacó que ese paso exige modelos propios entrenados con datos y conocimiento específico, más allá del uso de herramientas genéricas.

Fuente: LA NACION.