Especialistas advierten que la inteligencia artificial entrega valor cuando complementa el trabajo de las personas, pero pierde efectividad al asumir decisiones que requieren juicio, confianza y manejo de situaciones complejas
La adopción de inteligencia artificial avanza con fuerza en las empresas, pero los resultados no siempre acompañan el entusiasmo. Aunque la tecnología permite automatizar tareas, acelerar procesos y mejorar la gestión de información, distintos estudios han comenzado a advertir una brecha crítica: muchas organizaciones aún esperan que la IA reemplace capacidades humanas que todavía no puede asumir con eficacia.
El punto no está solo en la calidad de los modelos, sino en el uso que las empresas hacen de ellos. Un informe de RAND Corporation advierte que, según algunas estimaciones, más del 80% de los proyectos de IA no logra cumplir sus objetivos, una tasa que duplica la de proyectos tecnológicos tradicionales.
En abril de 2026, Gartner también alertó que los proyectos de IA en infraestructura y operaciones suelen estancarse antes de generar retornos relevantes, especialmente cuando son demasiado ambiciosos o están mal delimitados.
Para Ignacio Arellano, especialista en IA y founder de KurAI, el problema no radica en una falla estructural de la tecnología, sino en las expectativas que se depositan sobre ella. “La IA no fracasa porque sea deficiente: fracasa cuando se le pide hacer lo que todavía solo puede hacer un ser humano, es una característica estructural de cómo funcionan estos sistemas hoy. Las organizaciones que lo comprenden son las que realmente están obteniendo valor de la tecnología”, sostuvo.
El 40% que sigue dependiendo del criterio humano
En esa línea, el análisis citado por los especialistas identifica el llamado “Gap 60/40” como una de las claves para entender por qué tantos proyectos no alcanzan el valor esperado. Los grandes modelos de lenguaje y sistemas de automatización pueden mostrar buenos resultados en cerca del 60% de los flujos de trabajo repetitivos, lineales y estandarizados, pero enfrentan mayores dificultades en el tramo restante.
Ese 40% incluye tareas que requieren juicio sobre datos complejos, resolución de excepciones normativas, manejo de situaciones críticas con personas, control de calidad detallado y construcción de relaciones de confianza. También considera decisiones de negocio con impacto financiero directo, negociaciones comerciales o contractuales, y cambios funcionales o estructurales dentro de una organización.
La diferencia es relevante para los equipos directivos. Automatizar tareas simples puede mejorar productividad, pero delegar decisiones sensibles sin supervisión puede generar errores operativos, pérdida de confianza, problemas regulatorios o costos financieros. En ese punto, el debate deja de ser tecnológico y pasa a ser organizacional.
Complementar, no sustituir
La evidencia apunta a una idea central: la IA entrega valor cuando complementa capacidades humanas, no cuando se implementa como sustituto total del criterio profesional. Las organizaciones que están obteniendo mejores resultados son aquellas que concentran la tecnología en tareas bien delimitadas, mantienen supervisión humana en decisiones críticas y definen con claridad dónde termina la automatización y dónde comienza la responsabilidad de las personas.
“Automatizar un proceso humano complejo sin entender primero qué parte de ese proceso requiere juicio real es la receta más segura para el fracaso. La pregunta correcta no es qué puede hacer la IA, sino en qué parte del trabajo agrega valor sin comprometer la calidad ni la confianza”, afirmó Arellano.
La advertencia coincide con una tendencia que también observan consultoras y analistas internacionales: muchas iniciativas de IA se frenan no porque los modelos no funcionen, sino porque las empresas no han resuelto antes sus procesos, datos, gobernanza, liderazgo interno y métricas de valor. En otras palabras, la IA no corrige por sí sola una mala estrategia de gestión.
Adopción responsable sobre adopción acelerada
Para Arellano, el debate sobre la inteligencia artificial en el trabajo ya no pasa por si transformará o no los procesos productivos. La pregunta clave es a qué velocidad las organizaciones aprenderán a distinguir qué tareas puede asumir con eficacia y cuáles seguirán requiriendo presencia humana. En ese aprendizaje, los errores tienen costos financieros, operativos y reputacionales.
La adopción responsable aparece así como una ventaja competitiva. Implica identificar casos de uso concretos, formar equipos capaces de supervisar resultados, establecer criterios de control y evitar que la presión por incorporar IA termine empujando decisiones mal diseñadas.
El aprendizaje para las empresas es claro: la inteligencia artificial puede aumentar capacidades, reducir tiempos y abrir nuevas formas de trabajo, pero su impacto depende de una implementación realista. La tecnología puede acelerar procesos; el juicio, la confianza y la responsabilidad siguen siendo tareas humanas.
