State of AI 2025: 78% Adopción IA, 74% Logran ROI, Datos McKinsey y Google

El panorama de la inteligencia artificial continúa su transformación explosiva en 2025. El informe State of AI de McKinsey de noviembre de 2025 revela que el 78% de las organizaciones ahora usan IA en al menos una función empresarial, con el 71% implementando regularmente IA generativa, un crecimiento notable desde el 65% a principios de 2024. Más impresionante aún: el estudio de ROI de Google Cloud de septiembre de 2025 encontró que el 74% de los ejecutivos lograron ROI dentro del primer año, con el 52% usando activamente agentes de IA.

Sin embargo, el desafío de escalar IA de pilotos a producción sigue siendo desalentador. Mientras la adopción se acelera, solo el 39% de las organizaciones reportan impacto EBIT a nivel empresarial por IA, y solo el 6% califica como "alto desempeño en IA" con impacto EBIT del 5% o más. La brecha entre experimentación y valor empresarial medible persiste para la mayoría de las empresas.

Este artículo sintetiza las últimas perspectivas de 2025 de McKinsey, Google Cloud, Gartner, BCG y Deloitte para revelar dónde está la adopción de IA hoy, y qué separa a los mejores que logran retornos de 10x de aquellos que aún luchan por superar la prueba de concepto.

2025: El año de los agentes de IA y el impacto empresarial real

El informe de McKinsey de noviembre de 2025 marca un cambio fundamental: la IA está pasando de la experimentación a la implementación operativa a escala.

El 78% de las organizaciones ahora usan IA en al menos una función empresarial, con más de dos tercios implementándola en múltiples áreas. La mitad reporta usar IA en tres o más funciones, una expansión dramática desde 2024.

El auge de la IA agéntica representa la tendencia más significativa de 2025. El 23% de las organizaciones ya están escalando sistemas de agentes de IA, con un 39% adicional experimentando con agentes. La investigación de Google Cloud confirma este impulso: el 52% de los ejecutivos reportan implementación activa de agentes de IA, con el 39% ejecutando más de 10 agentes en producción.

Revisión de realidad del ROI 2025

El estudio de Google Cloud de septiembre de 2025 con 3,466 líderes senior de 24 países revela retornos financieros alentadores:

• El 74% logra ROI dentro del primer año de implementación de IA
• El 56% reporta ganancias de ingresos, la mayoría estimando aumentos del 6-10%
• El 88% de los líderes de IA agéntica ya ven retornos
• El 63% reporta experiencia de cliente mejorada por IA generativa

Sin embargo, los datos de McKinsey muestran que la brecha de desempeño se amplía. Solo el 6% califica como "alto desempeño en IA" (impacto EBIT del 5%+), mientras que el 39% reporta algún impacto financiero a nivel empresarial. El abismo entre líderes y rezagados crece más grande a medida que las organizaciones exitosas multiplican sus ventajas.

La investigación de Gartner de 2025 refuerza esta división: el 45% de las organizaciones de alta madurez mantienen proyectos de IA operativos durante más de 3 años, comparado con solo el 20% de las empresas de baja madurez. Los primeros adoptantes ven ahorros de costos del 15.2% y mejoras de productividad del 22.6% en promedio.

La adopción de IA se acelera en todas las industrias

El ritmo de adopción de IA durante el último año superó incluso las proyecciones optimistas, con más de la mitad de las organizaciones implementando IA en múltiples funciones empresariales simultáneamente.

La investigación de Menlo Ventures revela que el 72% de los tomadores de decisiones empresariales anticipan una adopción aún más amplia de herramientas de IA en el corto plazo. Las organizaciones han identificado un promedio de 10 casos de uso potenciales de IA, con el 24% ya priorizados para implementación.

Las aplicaciones empresariales más populares muestran patrones claros:

Dónde la IA crea más valor

Las empresas derivan más de la mitad de su valor de IA de solo tres áreas principales: operaciones (23%), ventas y marketing (20%), e I+D (13%). El informe State of Generative AI de Deloitte confirma que los departamentos de TI lideran la adopción con el 28%, seguidos por operaciones (11%), marketing (10%) y servicio al cliente (8%).

Curiosamente, las organizaciones están cambiando de aplicaciones de IA genéricas hacia soluciones específicas de la industria. Las inversiones recientes en IA vertical muestran que la atención médica lidera con $500M, seguida por legal ($350M), servicios financieros ($100M) y medios/entretenimiento ($100M).

Los sectores de servicios financieros, fintech y software muestran la mayor concentración de líderes de IA: empresas que esperan más del doble del ROI que otras industrias anticipan.

El auge de la inversión: Siga el dinero

El compromiso financiero con la IA en 2024 alcanzó niveles sin precedentes. Los compradores empresariales invirtieron $4.6 mil millones en aplicaciones de IA generativa solas, casi 8 veces los $600 millones invertidos en 2023.

El gasto total en infraestructura de IA alcanzó $47.4 mil millones solo en la primera mitad de 2024, un aumento del 97% año tras año. Este despliegue masivo de capital señala que las organizaciones ven la IA no como tecnología experimental sino como infraestructura fundamental.

Fuentes de presupuesto y asignación

Menlo Ventures encontró que el 60% de las inversiones en IA generativa provienen de presupuestos de innovación, mientras que el 40% proviene de asignaciones permanentes. Críticamente, el 58% del financiamiento permanente representa presupuesto redirigido de iniciativas existentes, no dinero nuevo.

La distribución del gasto por departamento revela dónde las organizaciones ven el mayor potencial:

Construir vs. Comprar: El cambio estratégico

Ocurrió un cambio notable en cómo las organizaciones adquieren capacidades de IA. La división alcanzó recientemente casi el equilibrio: el 47% desarrolla soluciones internamente mientras que el 53% compra de proveedores.

Esto representa un cambio dramático desde apenas un año antes, cuando el 80% dependía exclusivamente de software de terceros. A medida que las organizaciones maduran su comprensión de la IA, más están trayendo el desarrollo internamente para mantener la diferenciación competitiva.

Al evaluar herramientas, las empresas priorizan la entrega de valor medible (30%) y la personalización específica de la industria (26%) muy por encima de las consideraciones de precio (1%), indicando sofisticación en las decisiones de adquisición.

La realidad del ROI: Ganadores y rezagados

Los datos de retorno de inversión cuentan una historia de dos ciudades. Las empresas que usan IA generativa logran un ROI promedio de $3.70 por cada dólar gastado, un caso de negocio convincente por cualquier medida.

Pero los promedios enmascaran la historia real. McKinsey identificó 46 "alto desempeño en IA generativa" entre 876 empresas encuestadas. Estos líderes atribuyen más del 10% de su EBIT a la implementación exitosa de IA y logran retornos que superan los $10.30 por dólar invertido, casi 3 veces el promedio.

La investigación de Deloitte confirma esta bifurcación: el 74% de los líderes reportan que sus iniciativas más avanzadas cumplen o superan las expectativas de ROI, con el 20% logrando retornos superiores al 30%.

Qué separa a los líderes de los rezagados

Las organizaciones de alto desempeño comparten varias características que las distinguen del 74% que lucha por lograr valor:

1. Priorizan a las personas sobre la tecnología

Los mejores siguen el principio 10-20-70: dedicando el 70% de los esfuerzos de IA a personas, procesos y transformación cultural; el 20% a infraestructura de datos y tecnología; y solo el 10% a algoritmos y modelos.

2. Construyen soluciones personalizadas

Las organizaciones que extraen el máximo valor muestran una fuerte preferencia por soluciones altamente personalizadas o a medida en lugar de productos estándar. McKinsey las clasifica como arquetipos "formador" o "creador".

3. Implementan mejores prácticas de gestión de riesgos

Las empresas que ven los mayores retornos tienen más probabilidades de seguir protocolos integrales relacionados con el riesgo que otros, abordando la privacidad de datos, la gobernanza del modelo y las consideraciones éticas desde el principio.

4. Se enfocan en casos de uso estratégicos

En lugar de implementar IA en todas partes, los líderes identifican oportunidades de alto impacto alineadas con objetivos empresariales centrales y posicionamiento competitivo.

Las empresas con procesos liderados por IA disfrutan de un crecimiento de ingresos 2.5 veces mayor y una productividad 2.4 veces mayor que sus pares sin integración de IA, cuantificando la ventaja competitiva en juego.

El desafío de escalamiento: Por qué el 74% falla

A pesar de miles de millones en inversión y experimentación generalizada, BCG reporta que el 74% de las empresas luchan por lograr y escalar valor de la IA. La mayoría de las organizaciones persiguen 20 o menos experimentos, con más de dos tercios esperando que solo el 30% de esos pilotos alcancen escala completa dentro de 6 meses.

Principales barreras para el escalamiento de IA

Los desafíos de datos lideran el grupo

El setenta por ciento de las organizaciones experimenta dificultades con los datos, desde procesos de gobernanza hasta velocidad de integración hasta conjuntos de datos de entrenamiento insuficientes. Las empresas que carecen de madurez de datos se encuentran perpetuamente atascadas en modo piloto.

Las organizaciones necesitan datos limpios, bien estructurados y accesibles. Sin esta base, incluso los modelos de IA más sofisticados ofrecen resultados decepcionantes.

La gestión del cambio supera a la tecnología

El mayor obstáculo para el ROI de IA no es técnico, son las personas y los procesos. Las implementaciones exitosas requieren gestión del cambio organizacional, aceptación de las partes interesadas y rediseño del flujo de trabajo.

Muchas iniciativas fallan no porque la tecnología no funcione, sino porque los empleados resisten la adopción o carecen de la capacitación para usar las herramientas de IA de manera efectiva.

La brecha de habilidades se amplía

Un asombroso 98% de los empleados dice que necesitará recapacitación o mejora de habilidades en IA generativa dentro de cinco años. Sin embargo, los ejecutivos creen que solo el 40% de su fuerza laboral requiere capacitación en IA, una peligrosa brecha de percepción.

Los profesionales de IA calificados siguen siendo raros y costosos. Las organizaciones luchan por encontrar, contratar y retener el talento especializado necesario para construir, implementar y mantener sistemas de IA a escala.

Déficit de visión estratégica

Más de un tercio de los encuestados carece de una visión clara de cómo se implementará la IA generativa en sus organizaciones. Sin dirección estratégica, las iniciativas permanecen fragmentadas y no logran entregar impacto a nivel empresarial.

Deloitte encontró que las organizaciones reconocen necesitar más de 12 meses para resolver desafíos de gobernanza, capacitación, talento, confianza y datos, un cronograma realista que muchos subestiman.

Por qué los pilotos no llegan a producción

El análisis de Menlo Ventures revela las principales razones por las que fallan los pilotos de IA:

La brecha entre el éxito de la prueba de concepto y la implementación en producción representa el desafío crítico que enfrentan las iniciativas de IA hoy.

Tendencias emergentes que dan forma al futuro de la IA

Varios desarrollos en 2024 señalan hacia dónde se dirigen la tecnología y la adopción de IA a continuación.

IA agéntica: La próxima frontera

El cambio hacia agentes de IA autónomos representa la mayor transformación de 2025:

El 52% de las empresas usan activamente agentes de IA, con el 39% ejecutando más de 10 agentes en producción. Estos sistemas autónomos combinan capacidades multimodales, uso de herramientas y coordinación entre agentes para flujos de trabajo complejos, desde servicio al cliente hasta optimización de cadena de suministro.

El auge de la arquitectura RAG

La adopción de Retrieval-Augmented Generation (RAG) saltó al 51% recientemente, desde el 31% del año anterior. Este patrón de diseño aborda las preocupaciones de alucinación de IA al fundamentar las salidas del modelo en datos factuales recuperados.

Las arquitecturas RAG permiten a las organizaciones aprovechar grandes modelos de lenguaje mientras mantienen precisión, trazabilidad y control sobre las fuentes de información, requisitos críticos para aplicaciones empresariales.

Cambio en la dinámica del mercado de LLM

El mercado de modelos de lenguaje grande vio cambios significativos en las preferencias de proveedores. Los modelos de código cerrado mantienen el 81% de participación de mercado, pero la dinámica interna cambió drásticamente:

Principales impulsores del cambio: Seguridad (46%), Precio (44%), Rendimiento (42%)

Cambios clave:

• OpenAI disminuyó del 50% → 34%
• Anthropic se duplicó del 12% → 24%
• Código abierto (Llama 3) alcanzó el 19%

Las organizaciones citan seguridad (46%), precio (44%), rendimiento (42%) como impulsores principales del cambio. Esta disposición a migrar sugiere que no hay un jugador dominante único: el mercado sigue siendo altamente competitivo.

Regulación y gestión de riesgos

La investigación de Deloitte identificó la regulación y el riesgo como el obstáculo dominante para la implementación de IA, aumentando 10 puntos porcentuales durante el transcurso de 2024.

Las organizaciones reconocen cada vez más que las prácticas responsables de IA no son opcionales. Los problemas en torno a la privacidad de datos, el sesgo algorítmico, la transparencia y el cumplimiento regulatorio ahora dan forma a las decisiones de implementación tanto como las capacidades técnicas.

La industria está en transición de la experimentación "moverse rápido y romper cosas" hacia un escalamiento pragmático y consciente del riesgo con marcos de gobernanza robustos.

Hoja de ruta de implementación para el éxito

Basado en las perspectivas de organizaciones de alto desempeño, aquí hay una hoja de ruta práctica para lograr valor de IA a escala:

Fase 1: Construir la base (Meses 1-3)

Establecer infraestructura de datos Aborde la gobernanza, calidad y accesibilidad de datos antes de implementar modelos de IA. Las organizaciones que omiten este paso enfrentan un 70% de probabilidad de fallas en pilotos.

Desarrollar estrategia clara Defina qué problemas empresariales resolverá la IA y cómo se medirá el éxito. Evite la trampa de "IA por el bien de la IA".

Evaluar habilidades y brechas Realice una evaluación honesta de las capacidades internas y cree planes de capacitación. Presupueste tanto para mejorar las habilidades del personal existente como para contrataciones estratégicas.

Fase 2: Ejecutar pilotos estratégicos (Meses 4-6)

Elegir casos de uso de alto impacto Seleccione 2-3 pilotos con potencial de ROI claro, alcance manejable y alineación con objetivos empresariales centrales. Evite intentar resolver todo a la vez.

Implementar controles de riesgo Construya marcos de gobernanza, pruebas de sesgo y supervisión humana en los pilotos desde el principio, no como ideas tardías.

Enfocarse en la gestión del cambio Dedique recursos a la capacitación de usuarios, comunicación con las partes interesadas y rediseño de procesos. Recuerde la regla 10-20-70.

Fase 3: Escalar lo que funciona (Meses 7-12)

Priorizar sin piedad Escale solo pilotos que demuestren valor claro y adopción del usuario. Esté dispuesto a eliminar iniciativas que no funcionen.

Construir centros de excelencia Cree equipos dedicados para compartir aprendizajes, establecer estándares y acelerar la implementación en unidades de negocio.

Medir e iterar Establezca métricas para monitoreo continuo. Los sistemas de IA requieren refinamiento continuo basado en el rendimiento del mundo real.

Los de alto desempeño reconocen que la transformación de IA toma 12-18 meses como mínimo. Las organizaciones que esperan resultados de la noche a la mañana se preparan para la decepción.