En el reporte The State of AI in 2025 de McKinsey se revela que aunque la inteligencia artificial es popular, pocas empresas ven ganancias reales. Los agentes de IA surgen como la próxima gran revolución.
La inteligencia artificial (IA) ha dejado de ser una novedad futurista para convertirse en un componente casi omnipresente en el tejido empresarial global. Sin embargo, existe una gran brecha entre «usar» la tecnología y generar valor real con ella. Según el más reciente informe de McKinsey & Company, titulado The State of AI in 2025, aunque la adopción es masiva, la madurez operativa sigue siendo una asignatura pendiente para la mayoría de las organizaciones.
El panorama actual muestra una cifra contundente: el 88% de las empresas ya utiliza inteligencia artificial de manera regular en sus operaciones. No obstante, el dato que realmente preocupa a los analistas es que apenas un 32% ha logrado escalar esta tecnología más allá de la fase de experimentación o los famosos «pilotos». Esto significa que la gran mayoría de las compañías se encuentra estancada en pruebas de concepto que, si bien son prometedoras, aún no transforman integralmente el negocio.
La paradoja de la rentabilidad
Uno de los hallazgos más reveladores del estudio, que encuestó a cerca de 2.000 líderes en 105 países, es la desconexión entre adopción y rentabilidad. A pesar de que la implementación de la IA en al menos una función empresarial sigue en aumento, los resultados financieros no siempre acompañan este entusiasmo.
Únicamente el 39% de los encuestados afirma que la IA ha tenido un impacto positivo en el EBIT (la utilidad operativa antes de intereses e impuestos). Incluso entre aquellos que reportan ganancias, la mayoría señala que estos efectos positivos son menores al 5%. Esta realidad subraya que comprar o licenciar la tecnología no es sinónimo automático de ganar dinero; se requiere una estrategia de escalamiento que, al día de hoy, parece elusiva para muchos.
Los ‘AI Agents’: La próxima frontera
Mientras las empresas luchan por escalar sus soluciones actuales, una nueva tendencia tecnológica está emergiendo con fuerza: los AI agents o agentes de IA. El informe los define como sistemas basados en modelos fundacionales que poseen la capacidad de ejecutar tareas complejas mediante múltiples pasos y con distintos niveles de autonomía, superando a los chatbots tradicionales.
El interés en esta nueva ola es palpable. Según los datos del reporte:
- El 62% de las organizaciones ya está experimentando con agentes de IA.
- Un 23% afirma estar escalando al menos uno de estos agentes dentro de alguna función empresarial.
Actualmente, las áreas que lideran este despliegue son Tecnología de la Información (TI), software engineering y gestión del conocimiento. Si miramos por industrias, los sectores más avanzados en la adopción de estos agentes autónomos son tecnología, telecomunicaciones, seguros y salud. Sin embargo, al igual que con la IA generativa tradicional, el escalamiento masivo de agentes sigue siendo limitado, con ninguna función empresarial superando el 10% de uso a escala.
Impacto en el talento humano
La pregunta que muchos trabajadores se hacen es: ¿cómo afectará esto a mi empleo? Las proyecciones para 2026 muestran un escenario mixto. A nivel global, el 32% de las organizaciones anticipa una reducción superior al 3% en su plantilla, mientras que un 13% espera un aumento en el número de empleados.
Esto no significa necesariamente una destrucción neta de empleo, sino una transformación de los roles. La contratación de perfiles especializados sigue en expansión. En los últimos 12 meses, la mayoría de las empresas ha incorporado roles como data engineers, machine learning engineers, software engineers y especialistas en MLOps. Las grandes empresas, en particular, están liderando la caza de talento en ingeniería y datos.
Los riesgos de una adopción acelerada
La masificación de la IA trae consigo nuevos desafíos. El informe indica que el 51% de las empresas reportó al menos un incidente negativo relacionado con IA en el último año. Los problemas más comunes detectados son:
- Inexactitud o alucinaciones (30%).
- Problemas de privacidad (14%).
- Conflictos de propiedad intelectual (11%).
- Fallas en cumplimiento regulatorio (8%).
Un punto crítico es la «explicabilidad», definida como la capacidad de entender y justificar cómo un modelo toma decisiones. Este factor se identifica como uno de los riesgos más desafiantes y menos mitigados, lo que exige fortalecer los mecanismos de auditoría y supervisión técnica.
En resumen, 2025 se perfila como un año de transición donde el reto no será adoptar la IA, sino aprender a gobernarla y escalarla para que deje de ser un experimento y se convierta en un motor real de rentabilidad.
*En la creación de este texto se usaron herramientas de inteligencia artificial.
