McKinsey 2026: la paradoja de la IA — productividad sin rentabilidad

Ochenta por ciento de los trabajadores dice que la inteligencia artificial mejoró su productividad individual. Solo treinta y siete por ciento de las organizaciones ve ese aumento reflejado en sus ganancias operativas. Esta es la grieta que el último informe McKinsey State of AI deja expuesta, y es donde cualquier fundador debe fijar la mirada.

La encuesta, que incluyó a mil setecientos diecinueve participantes en noventa y siete países, muestra una adopción acelerada pero un impacto financiero estancado. Casi nueve de cada diez organizaciones ya usan IA en al menos una función. Cuarenta y cuatro por ciento dice que la está escalando en toda la empresa, comparado con treinta y ocho por ciento hace un año. La proporción que la utiliza en tres o más funciones subió de cincuenta y uno a cincuenta y seis por ciento. La tecnología se está desplegando. Lo que no está ocurriendo es la conversión de ese despliegue en dinero.

El primer problema es de medición. Cuando un empleado reduce una tarea de cuatro horas a una, crea tres horas de capacidad disponible. Pero esas horas frecuentemente se reabsorben en correos, reuniones y reportes de bajo impacto. El segundo problema es más incómodo: los beneficios no se distribuyen de manera uniforme. Cuarenta y siete por ciento de los gerentes de nivel medio y colaboradores individuales reportan efectos negativos relacionados con la IA, comparado con treinta y uno por ciento de los ejecutivos. La herramienta no está creando la misma experiencia para todos. Tener trabajadores más productivos no significa automáticamente tener una empresa más rentable.

Los agentes de IA están moviendo la ecuación de comprar versus construir. En grandes empresas, con ingresos anuales superiores a mil millones de dólares, el porcentaje que escala agentes pasó de veintisiete a cuarenta por ciento en un año. En organizaciones más pequeñas, la cifra se estancó en torno a veintidós por ciento. Lo más disruptivo es lo que esto implica para el software empresarial tradicional: treinta y dos por ciento de los encuestados afirma que su organización decidió no comprar al menos un producto o funcionalidad de software porque podía desarrollarla internamente con herramientas de codificación basadas en agentes. La línea histórica entre empresa tecnológica y empresa que desarrolla su propia tecnología se está difuminando.

El costo de los tokens cayó dramáticamente, de aproximadamente veinte dólares por millón a siete centavos. Pero el gasto total en modelos de lenguaje se triplicó en los últimos doce meses. ¿Por qué? Porque los flujos agenticos consumen órdenes de magnitud más tokens que una conversación simple. Sesenta por ciento del gasto en IA agentica se va en refinamiento de respuesta, no en la llamada inicial al modelo. En un caso bancario de originación de préstamos, los tokens representaron solo veintidós por ciento del costo total por préstamo; el setenta y ocho por ciento restante se lo llevaron llamadas a herramientas, consultas vectoriales, revisión humana y cumplimiento. El resultado aparece en los presupuestos: noventa y tres por ciento de las empresas está excediendo su presupuesto de IA. Uno de cada cinco encuestados dice que los costos operativos asociados a la IA ya están limitando su uso.

McKinsey identifica un grupo pequeño pero decisivo: el seis por ciento de organizaciones de alto rendimiento que atribuye al menos cinco por ciento de su EBIT a la IA. Su ventaja no es gastar más. Tienen tres coma tres veces más probabilidad que el resto de pretender transformar radicalmente su negocio en los próximos tres años. Casi tres cuartas partes rediseñaron sus flujos de trabajo de forma radical por la IA; en el resto de las empresas, esa proporción es de apenas una cuarta parte. Presentan el doble de probabilidad de reportar compromiso explícito de la alta dirección y de contar con procesos definidos para medir impacto. La conclusión es incómoda para quien compró licencias, desplegó copilotos y siguió trabajando igual: la tecnología sola no parece suficiente. La ventaja aparece cuando la IA es el motivo para rediseñar procesos completos, no una capa más sobre sistemas existentes. La adopción de la IA ya dejó de ser el problema. El problema, y la oportunidad, es convertir uso en margen.