La inteligencia artificial ha entrado primero en la rutina de las personas, antes que en los procesos de las empresas. A lo largo de 2025, miles de profesionales han incorporado modelos generativos en su trabajo diario, mejorando su productividad individual y aprovechando que el acceso a esta tecnología es cada vez más amplio. Sin embargo, ese avance no se ha traducido con la misma intensidad en el ámbito corporativo. Las organizaciones se mueven a un ritmo más lento que sus propios equipos y la distancia entre lo que la IA permite y lo que realmente se consigue dentro de la empresa resulta cada vez más visible.
Las cifras globales ayudan a entender esta contradicción. El informe McKinsey State of AI 2025 indica que casi 9 de cada 10 compañías utilizan IA de forma habitual, pero solo un 6% logra escalarla hasta el punto de transformar procesos o generar resultados tangibles. En paralelo, análisis recientes de Gartner apuntan a que únicamente entre el 30% y el 40% de los prototipos de IA llegan a producción, mientras que el resto se queda por el camino por motivos como la baja calidad del dato, integraciones deficientes entre sistemas, falta de controles o la inexistencia de un caso de negocio bien definido. La tecnología corre, pero muchas estructuras internas no están listas para asimilarla.
Este patrón, observado por Kraz —una agencia especializada en soluciones de IA orientadas al negocio— durante 2025 en proyectos de retail, servicios y gran consumo, ha derivado en un escenario de “dos velocidades”. Por un lado, los equipos que empujan la adopción y prueban la IA de forma natural y ágil. Por otro, la organización, que sigue operando con procesos poco flexibles, sistemas dispersos y circuitos de aprobación que no acompañan el ritmo actual. La IA crece en la práctica cotidiana, pero la empresa todavía no ha establecido un marco claro para convertir ese progreso en un impacto sostenido.
Los limitadores no están en los modelos, sino en la estructura. Solo el 3% de los directivos considera que su empresa está realmente preparada para implementar IA; las principales barreras son la fragmentación y baja calidad de datos, falta de gobernanza, dispersión de la información, y escasa integración entre sistemas, además de una cultura analítica aún no plenamente madura que frena la adopción efectiva.
En este escenario, la diferencia en 2026 no vendrá de disponer de más tecnología, sino de la capacidad para transformar información en decisiones y decisiones en acción con mayor rapidez. “Con Athenea – nuestra solución de Marketing Mix Modeling para entender qué impulsa realmente el crecimiento de cada compañía – hemos visto que la diferencia no está en tener más IA, sino en tener más claridad”, explica Joan Miró, CEO de Kraz. “En clientes nuestros del sector moda y complementos, reorganizamos el proceso de decisión y reasignamos la inversión hacia las palancas que realmente contribuían al crecimiento ha generado mejoras superiores al 20%. No fue la herramienta lo que marcó la diferencia, sino la velocidad con la que pudieron actuar sobre la señal correcta”.
Este esfuerzo de aceleración deja al descubierto otra tensión clave: la distancia entre la forma tradicional de gobernar la empresa y el ritmo que exige la IA. Los modelos basados en comités, validaciones secuenciales y ciclos largos aportan orden, pero avanzan demasiado despacio para un entorno donde las ventanas competitivas se estrechan. Al mismo tiempo, muchas de las iniciativas más valiosas surgen desde los propios equipos operativos, que detectan casos de uso antes incluso de que la organización los formalice. El reto en 2026 será articular un modelo en el que la dirección marque prioridades, límites y criterios de seguridad, mientras los equipos aportan la velocidad y la experimentación necesarias.
Mirando al futuro inmediato, Kraz anticipa que las empresas que quieran competir deberán ser capaces de organizarse alrededor del dato. Eso implica reducir los ciclos de decisión, integrar la IA en procesos ya existentes en lugar de crear nuevos silos, establecer criterios de uso claros y medibles y evaluar el impacto en ventanas temporales mucho más cortas. Para evitar que la aceleración derive en decisiones precipitadas, será fundamental apoyarse en metodologías robustas, como modelos de contribución del tipo MMM o análisis basados en modelos de lenguaje aplicados a datos, que permiten identificar qué palancas generan crecimiento incluso cuando la trazabilidad clásica pierde precisión. “2025 ha elevado el potencial de la IA dentro de las organizaciones”, concluye Miró. “2026 será el año en el que se verá quién es capaz de convertir ese potencial en resultados sostenidos. La diferencia no estará en el acceso a la tecnología, sino en la capacidad de la organización para trabajar al ritmo que la IA impone”.
