Un reciente estudio publicado por TXP, integrador de sistemas especializado en consultoría tecnológica y desarrollo, pone de manifiesto que el 49% de las organizaciones del mercado medio en Reino Unido perciben que sus proyectos de inteligencia artificial (IA) no han generado el valor esperado o han resultado insuficientes. Este informe, titulado «2026: La brecha del valor en IA», señala que únicamente el 47% de las pruebas piloto han conseguido escalar hasta convertirse en implementaciones productivas, a pesar de que las empresas han invertido de media más de un millón de libras en pilotos y pruebas de concepto durante los últimos tres años.
Para realizar esta investigación, TXP encuestó a 200 responsables de estrategia en IA dentro de empresas de tamaño medio. Entre las principales barreras que estos líderes identificaron para escalar sus proyectos destacan el elevado coste de trasladar pilotos a producción (49%), las preocupaciones relacionadas con la gobernanza y el riesgo (39%), y dificultades con la calidad o el acceso a los datos (38%). Además, un 77% de los encuestados reconoció que debería haberse dedicado más tiempo y recursos en la fase inicial de exploración y análisis antes de lanzar sus iniciativas de IA.
Tim Hurst, director de operaciones de TXP, subraya: “Sin una base sólida, la IA difícilmente podrá escalar. No basta con aplicar IA sobre sistemas existentes y esperar resultados significativos. Demasiadas organizaciones han invertido de forma insuficiente en la fase de descubrimiento que debe sustentar las iniciativas de IA. Sin un entendimiento profundo desde el principio de los sistemas, dependencias, políticas internas y objetivos comerciales, la IA nunca desplegará su verdadero potencial.” 
El estudio también revela una significativa falta de confianza en los modelos operativos y estructuras de gobierno de IA existentes. Aunque el 98% de las organizaciones encuestadas ha desarrollado una estrategia de IA, solo el 40% afirma con rotundidad contar con un modelo operativo de IA bien definido. Asimismo, el 48% señala que la responsabilidad sobre el rendimiento y resultados de la IA está claramente asignada, mientras que un 44% asegura que está definida la responsabilidad para resolver errores o resultados inesperados derivados de los sistemas de IA. Solo un 39% confirma tener procesos establecidos para la gestión de escaladas o incidencias críticas.
Principales retos operativos en IA
Los responsables de negocios preguntados destacaron cuatro temas críticos al enfrentar dificultades en la ejecución de programas de IA:
- Falta de colaboración y transferencia de conocimientos: El 69% indica que el conocimiento clave permanece en manos de individuos, sin estar documentado ni compartido adecuadamente. Más de la mitad (58%) considera que esta baja colaboración perjudica los proyectos de IA.
- Rediseño insuficiente de flujos de trabajo: Solo el 50% confirma haber adaptado sus procesos para integrar IA, mientras que un 37% admite simplemente añadir IA sobre flujos existentes sin modificarlos.
- Problemas de datos e integración tecnológica: Aunque el 59% confía en que su organización cuenta con las bases de datos necesarias para escalar IA, un 64% reconoce enfrentar desafíos en la integración tecnológica que impiden la orquestación fluida de la IA a lo largo de los procesos completos. El 72% está convencido de que una correcta orquestación es clave para el éxito, pero consideran que es inviable mientras los pilotos sigan sin escalar.
- Impulso acelerado por presiones internas y externas: Dos tercios (67%) admiten que la presión de los consejos de dirección y la atención mediática generan una ejecución apresurada de proyectos y pruebas de concepto, llevando a sobreestimaciones internas sobre las capacidades reales de la IA.
En palabras de Tim Hurst: “La urgencia por demostrar resultados puede eclipsar los impedimentos operativos. No es posible lanzar programas sin una comprensión cabal de los sistemas existentes y las dificultades que plantean, ni sin un plan claro para resolverlas. El conocimiento detallado y el pensamiento crítico fundamentan la innovación exitosa, pero con demasiada frecuencia esta información está fragmentada o no se tiene en cuenta, lo que contribuye al fracaso de los proyectos de IA.”
Implicaciones para las empresas
Las conclusiones del estudio de TXP subrayan que el éxito en IA no depende tanto de multiplicar los pilotos, sino de crear las condiciones adecuadas para convertir experimentos prometedores en operaciones sólidas. Antes de destinar presupuestos significativos, los líderes deben definir objetivos empresariales claros y medibles, evaluar la calidad y accesibilidad de los datos, y mapear las dependencias sobre sistemas previos. Además, es crítico establecer estructuras robustas de gobernanza, propiedad y gestión de incidencias. Invertir más en la fase de descubrimiento puede retrasar el despliegue inicial, pero reduce el riesgo de reprocesos costosos y aumenta las probabilidades de que las soluciones alcancen producción y generen valor.
El estudio también pone de manifiesto que la IA debe considerarse un reto transformacional que abarca toda la organización y no solo una tecnología aislada. Para ello es imprescindible fomentar la colaboración interfuncional, documentar el conocimiento institucional y rediseñar los procesos para que la IA se integre en ellos de manera fluida, evitando adhesiones parciales. Las juntas directivas deben equilibrar la presión por resultados rápidos con expectativas realistas, inversiones escalables y supervisión responsable. De lo contrario, proyectos fragmentados y aislados continuarán consumiendo recursos sin llegar a consolidar beneficios tangibles y sostenibles.
