¿Es esto un intento de generar desconfianza o miedo entre las personas? ¿Por qué el 95% de las empresas tienen una percepción incorrecta de la situación?

El “tren de la IA” está lleno de empresas que solo se dedican a comprar herramientas nuevas y sofisticadas, a realizar algunos experimentos piloto, y a esperar que ocurra un milagro. Los datos muestran que estas empresas están fracasando. Según un nuevo informe del MIT…Alrededor del 5% de los programas piloto de IA logran una rápida aceleración de los ingresos.Es decir, el 95% de los proyectos de inteligencia artificial en las empresas no logran tener ningún impacto medible en términos de ganancias y pérdidas. Esto no es un problema tecnológico; es un problema narrativo. Lo verdaderamente importante no están los modelos de inteligencia artificial, sino el cambio en el modelo de operación de la empresa. Los ganadores son aquellos que logran reconfigurar sus negocios. El resto simplemente está aprovechando una situación de recuperación temporal.

El factor clave para el éxito no es un modelo de IA mejor. Lo importante son una estrategia más eficaz, precios adecuados y una gestión del cambio que realmente permitan transformar la empresa. El informe destaca un aspecto crítico: más de la mitad de los presupuestos destinados a la IA generativa se invierte en herramientas de ventas y marketing. Sin embargo, el mayor retorno sobre la inversión proviene de la automatización de tareas administrativas. Es un caso típico de comprar el “herramienta equivocada” para el trabajo equivocado. Las soluciones más efectivas son aquellas que se obtienen a través de alianzas o soluciones compradas; estas tienen un rendimiento del 67% en promedio. En comparación, las soluciones desarrolladas internamente fallan con más frecuencia. Esta es una lección sobre cómo aprovechar las herramientas existentes, en lugar de reinventarlas.

El ejemplo de éxito es una startup que pasó de no tener ningún ingreso económico a obtener 20 millones de dólares en ingresos en un año. ¿Cómo lo lograron? Elegieron un problema específico, lo resolvieron de manera eficiente y se asociaron de manera inteligente con otros partners. No intentaron crear una plataforma completa de IA. Se concentraron en resolver problemas específicos y urgentes para los clientes, y fijaron precios basados en los resultados, no en las horas invertidas. Este es el método correcto para avanzar hacia el futuro: comenzar con el problema más importante, productivar la solución y reorganizar los flujos de trabajo para facilitar su adopción por parte de los clientes. Las empresas que logran esto obtienen beneficios significativos en términos de valoración y crecimiento. Las demás simplemente añaden funcionalidades de IA a un modelo ya existente que está fallando. La situación es clara: ¿Están construyendo una herramienta nueva, o están simplemente reorganizando el negocio?

El juego número 1: Tratar a la IA como software, no como un protocolo.

La mayor falla en la adopción de la IA es tratarla como si fuera un producto software que se compra. Los líderes compran ese “herramienta nueva y brillante”, lo implementan con una sola hora de formación, y luego se preguntan por qué el equipo ignora esa herramienta. Los datos son contundentes al respecto.Los informes de uso muestran un porcentaje de adopción del 12%.Después de una implementación en toda la empresa, el otro 88% de los empleados continúa utilizando sus métodos de trabajo tradicionales. Están abrumados y no saben cómo la IA se integra en su trabajo diario. No se trata de un problema tecnológico; se trata de un desastre en materia de gestión del cambio. El problema radica en que los incentivos no están alineados con los objetivos del proyecto. Los ejecutivos tratan a la IA como una licencia de software, sin considerar que se trata de un protocolo organizativo que requiere nuevos procesos de venta, nuevos indicadores de rendimiento y nuevas recompensas. Cuando se implementa Copilot, no se trata simplemente de distribuir una nueva aplicación; se trata de obligar a los equipos a cambiar radicalmente su forma de trabajar. Pero no existe ninguna forma clara de integrarla en las operaciones actuales, y las prioridades competidoras prevalecen. Se convierte en “otro asunto de TI” que se ignora. La tasa de adopción es un signo de alerta: un 12% de uso es un indicio claro de que el proyecto está destinado al fracaso.

El problema es un caso clásico de incentivos equivocados. Los ejecutivos tratan a la IA como una licencia de software que se puede instalar, y no como un protocolo organizativo que requiere nuevos procedimientos de ventas, nuevos indicadores de rendimiento y nuevas recompensas. Cuando se implementa Copilot, no se está simplemente distribuyendo una nueva aplicación; se está pidiendo a los equipos que cambien radicalmente la forma en que trabajan. Pero no existe ninguna responsabilidad claramente definida, ni un camino claro para integrarla en el proceso de trabajo. Además, las prioridades competitivas tienen prioridad sobre esto. Se convierte así en “otro elemento de TI” que se ignora. La tasa de adopción del Copilot es un signo de alerta: un 12% de uso es una señal de que el proyecto está destinado al fracaso.

Esto conduce directamente a fracasos costosos. Al buscar soluciones basadas en especulaciones y datos insuficientes, las empresas lanzan proyectos ambiciosos sin tener claro cuál es el problema que deben resolver. El ejemplo más famoso es el de IBM’s Watson Health. Invertieron aproximadamente…4 mil millonesSe trataba de una apuesta de gran importancia para transformar la atención médica en el área del cáncer. Pero el sistema enfrentó problemas relacionados con datos incomprensibles y procesos de trabajo difíciles para los médicos. La adopción de esta tecnología se retrasó, y la confianza entre los usuarios disminuyó. Para el año 2022, IBM vendió sus activos por aproximadamente 1 mil millones de dólares. Este caso demuestra claramente cómo la adopción de la inteligencia artificial puede desmontar incluso las iniciativas mejor financiadas.

La lección para quienes son expertos en el mundo de las criptomonedas es clara: esto no es una buena forma de lanzar tokens. No se puede simplemente crear una nueva utilidad y esperar que sea adoptada por los usuarios. Se necesitan distribuciones de valor, casos de uso reales y una comunidad que comprenda las nuevas reglas. Tratar a la IA como si fuera un software no es correcto. Los expertos en este campo entienden que se trata de un cambio en el protocolo, lo cual implica la necesidad de nuevos incentivos, nuevos procesos de formación y un lanzamiento gradual. De lo contrario, se estará construyendo una “ciudad fantasma” de 4 mil millones de dólares.

La ventaja de las criptomonedas: Utilizar la inteligencia artificial para el agrupamiento de monedas, no para predecir precios.

La ventaja de ser “cripto-nativos” no radica en predecir el próximo gran éxito tecnológico. La verdadera ventaja radica en ser capaces de observar los movimientos del mercado antes de que ocurran. La mayoría de los comerciantes todavía siguen las narrativas basadas en la inteligencia artificial, tratándola como una especie de “bola de cristal” para obtener señales de compra/venta. Eso es algo completamente inútil. El verdadero beneficio proviene del uso de la inteligencia artificial para anticiparse a la situación actual del mercado, analizando los signos ocultos en el mercado.

El error común es el siguiente: se enfoca la atención en la predicción, en lugar de en el posicionamiento. Las herramientas de IA prometen señales instantáneas, pero las personas inteligentes utilizan estas señales para algo mucho más profundo. La verdadera ventaja radica en poder detectar…Clustering de billeterosLa velocidad de las acciones y las fluctuaciones en la liquidez ocurren antes de que el gráfico pueda captarlas. Así es como se construye la confianza en los mercados. No se trata de adivinar el precio; se trata de ver dónde se está acumulando el capital inteligente y dónde las conversaciones en las redes sociales están a punto de explotar. Las plataformas que detectan estas anomalías en la cadena de bloques te dan una ventaja, ya que sabes lo que está sucediendo bajo la superficie.

El objetivo no es una predicción perfecta; más bien, se trata de tomar las decisiones con anticipación, antes de que llegue la ola de ansiedad por perder la oportunidad. La ejecución automática puede ayudarnos a actuar instantáneamente basándonos en esas informaciones, ya sea para aprovechar una nueva oportunidad o para gestionar las asignaciones de recursos de manera rápida. Lo importante es utilizar la IA como un instrumento de investigación, y no como sustituto del juicio humano.

Sin embargo, incluso los agentes de IA que trabajan en el sector criptográfico pueden cometer errores. Los riesgos son reales. Un director ejecutivo probó a utilizar un agente para convertir criptomonedas en dólares.Comenzó a operar con un activo completamente diferente.Este tipo de alucinaciones es común, ya que la mayoría de las personas confían únicamente en los grandes modelos de lenguaje, pero estos no pueden ser considerados fiables para manejar dinero real. La solución no consiste en tener fe ciega; se necesita un sistema que combine los modelos de lenguaje con el aprendizaje automático tradicional, para reducir los errores. El mercado para estos agentes es enorme, pero solo aquellos que cuenten con parámetros de seguridad estrictos podrán sobrevivir a estas situaciones.

Catalizadores y riesgos: Lo que hay que tener en cuenta para la tesis

La tesis aquí es clara: el retorno sobre la inversión en IA no proviene de herramientas nuevas y sofisticadas. Proviene de empresas que tratan la IA como un cambio en el protocolo de funcionamiento, reconfigurando todo su modelo operativo. Los indicadores clave para observar son aquellos que demuestren o refuten este cambio en tiempo real.

El mayor catalizador que hay que observar es el paso hacia precios basados en resultados y soluciones estandarizadas. Este es el cambio operativo en acción. Cuando una empresa deja de vender horas de trabajo y comienza a vender resultados verificados, como una consultora que garantiza una reducción del 20% en los costos de los clientes gracias a procesos automatizados impulsados por la inteligencia artificial, se demuestra que han reestructurado su propuesta de valor. Ese es el verdadero modelo de negocio. Busque anuncios de empresas de servicios profesionales sobre nuevos modelos de precios relacionados directamente con los resultados obtenidos gracias a la inteligencia artificial. Eso es una señal clara de que han superado la fase piloto y están logrando los beneficios prometidos.

Por el contrario, el principal indicador de alerta es el hecho de que las métricas relacionadas con la adopción siguen siendo muy bajas. Ya hemos visto un ejemplo claro de esto:Los informes de uso muestran una tasa de adopción del 12%.Después de una implementación en toda la empresa, si una empresa invierte en Copilot o en otro herramienta de IA, pero su uso sigue siendo muy bajo, eso es un signo de fracaso. No se trata de un problema tecnológico; se trata de un fallo en la gestión del cambio y en los incentivos aplicados. Una adopción continuamente baja significa que la herramienta está siendo ignorada, las mejoras en la eficiencia prometidas no se materializan, y la empresa queda atrapada en el 95% de los proyectos que fracasan. Este indicador es como un “canario en la mina” para cualquier teoría sobre la adopción de la IA.

Sin embargo, el mayor riesgo sistémico radica en la incertidumbre regulatoria. Muchas empresas se quedan al margen, dudando en actuar, ya que temen que haya retrasos en las políticas reguladoras o que surjan nuevas obligaciones legales. Esto crea una situación peligrosa. La lección que se puede extraer de este caso es clara: no se puede desarrollar un protocolo sobre una base legal inestable. Cuando las regulaciones son poco claras, la adopción de tecnologías relacionadas con criptomonedas se retrasa, y la brecha de valor entre aquellos que adoptan estas tecnologías rápidamente y los que no se adhieren a ellas aumenta. Es importante observar las señales provenientes de los responsables de la formulación de políticas y de los grupos industriales. Cualquier cambio significativo en el panorama regulatorio, ya sea una clarificación de las normativas o una represión repentina, podría ser un catalizador importante para o contra la adopción de la inteligencia artificial. Por ahora, el miedo al desconocido sigue siendo un obstáculo importante.