La inteligencia artificial se ha convertido en uno de los pilares más relevantes para la innovación empresarial en 2025. Aunque su uso se ha masificado a nivel global, el verdadero desafío está en lograr que esta tecnología genere valor sostenido y resultados medibles más allá de la fase experimental. Las conclusiones del informe The State of AI in 2025: Agents, Innovation, and Transformation, desarrollado por McKinsey & Company, muestran una realidad dual: por un lado, crece la adopción y el interés; por otro, la madurez en la aplicación estratégica todavía es baja.
Según el estudio, que recopiló información de casi 2.000 líderes de 105 países, un 88% de las organizaciones ya utiliza soluciones de IA en su operación, lo que confirma la consolidación de la tecnología como herramienta habitual. Sin embargo, solo el 32% afirma haber logrado escalar esos esfuerzos a niveles que realmente transformen su negocio. Esto significa que la mayoría de las empresas se encuentra atrapada en etapas iniciales, donde predominan los pilotos, las pruebas acotadas y los proyectos aislados.
Un aspecto que llama la atención es el impacto financiero. Aunque el uso de la IA sigue expandiéndose en distintas funciones empresariales, únicamente el 39% de los participantes reporta un efecto positivo en el EBIT. Además, la mayor parte de quienes declaran beneficios menciona mejoras inferiores al 5%, lo que evidencia que la contribución económica de esta tecnología aún no alcanza todo su potencial.
Los AI agents: la nueva etapa de adopción, pero con barreras para escalar
Uno de los puntos centrales del informe es el avance de los llamados AI agents, sistemas diseñados para ejecutar tareas complejas mediante procesos autónomos o semiautónomos basados en modelos fundacionales. Estos agentes representan una evolución natural de la IA generativa, ya que permiten automatizar flujos de trabajo completos, no solo generar contenido o responder preguntas.
El estudio revela que el 62% de las organizaciones ya está probando o utilizando agentes en alguna forma. Entre estas experiencias se incluyen casos de uso iniciales, pruebas controladas en áreas específicas y pilotos destinados a evaluar su aporte. Además, un 23% asegura haber comenzado a escalar al menos un agente dentro de algún proceso clave de la empresa.
A pesar de este crecimiento, la aplicación de los agentes aún muestra un nivel reducido de madurez. Ninguna función empresarial supera el 10% de uso a escala, lo que evidencia que la masificación de estos sistemas todavía está en etapas tempranas. Las áreas con mayor desarrollo son tecnologías de la información, ingeniería de software y gestión del conocimiento, donde los agentes permiten automatizar tareas repetitivas, procesar grandes volúmenes de datos y optimizar operaciones técnicas.
Vea también: La llegada de la Argentina Todomoda Beauty dinamiza el mercado cosmético peruano
En cuanto a los sectores más avanzados, destacan tecnología, telecomunicaciones, seguros y salud. Estas industrias muestran una mayor apertura al uso de modelos fundacionales y procesos inteligentes, principalmente por su alto volumen de datos, necesidades complejas de análisis y presión por mejorar la eficiencia.
Impacto en el empleo: reducción de roles y mayor demanda de talento especializado
El avance de la IA trae consigo transformaciones profundas en el mercado laboral. Según los resultados del informe, el 32% de las organizaciones proyecta una reducción superior al 3% en su plantilla para 2026, derivada principalmente de la automatización de tareas. Por el contrario, un 13% anticipa un aumento en sus equipos, asociado a la creación de roles especializados que apoyen la adopción tecnológica.
Estas proyecciones confirman que la inteligencia artificial está rediseñando las funciones dentro de las empresas, modificando los perfiles requeridos y desplazando ciertas actividades rutinarias. Sin embargo, lejos de detener la contratación, la IA está generando un incremento en la demanda de profesionales técnicos.
Durante los últimos 12 meses, las empresas han contratado principalmente:
- Data engineers, encargados de construir la infraestructura de datos necesaria para alimentar modelos y agentes inteligentes.
- Machine learning engineers, especializados en entrenar, mejorar y supervisar modelos de IA.
- Software engineers, responsables de integrar soluciones avanzadas dentro de sistemas existentes.
- Expertos en MLOps, esenciales para garantizar la operación continua, segura y escalable de modelos en ambientes reales.
Las grandes compañías muestran niveles especialmente altos de contratación en estas áreas, lo que demuestra que la profesionalización del ecosistema de IA avanza de manera acelerada. Mientras tanto, organizaciones de menor tamaño aún enfrentan dificultades para acceder al talento requerido o para estructurar equipos técnicos robustos.
Riesgos crecientes: más incidentes, nuevos desafíos y la urgencia de gestionar la IA con responsabilidad
El uso extendido de la inteligencia artificial también ha traído un aumento significativo en incidentes asociados a su implementación. El 51% de las empresas afirma haber experimentado al menos un evento negativo en el último año, cifra que refleja la necesidad urgente de fortalecer la gobernanza tecnológica.
Entre los riesgos más frecuentes reportados por los encuestados se encuentran:
- Inexactitudes o alucinaciones (30%): uno de los problemas más comunes en modelos generativos, capaces de producir información incorrecta presentada como verdadera.
- Problemas de privacidad (14%): especialmente relevantes en industrias donde se manejan datos sensibles.
- Riesgos de propiedad intelectual (11%): vinculados al uso de contenidos protegidos o al desarrollo de modelos con datos no autorizados.
- Incumplimiento regulatorio (8%): cada vez más crítico a medida que los países avanzan en marcos normativos específicos para IA.
El estudio muestra, sin embargo, una mejora en la postura de mitigación. En promedio, las organizaciones gestionan hoy cuatro riesgos relacionados con IA, mientras que en 2022 solo gestionaban dos. Esto indica un avance en procesos de control y responsabilidad, aunque aún queda un largo camino por recorrer.
Uno de los temas más desafiantes es la explicabilidad: la capacidad de comprender cómo un modelo toma decisiones. Aunque es uno de los riesgos más experimentados, también es uno de los menos mitigados. La falta de explicabilidad puede afectar la confianza, dificultar auditorías internas, generar incertidumbre regulatoria y limitar la adopción en áreas sensibles como finanzas, salud o seguros.
Este escenario refuerza la necesidad de que las empresas inviertan en:
- Herramientas de supervisión continua
- Mecanismos de auditoría técnica
- Modelos transparentes y trazables
- Protocolos claros de uso responsable de IA
La oportunidad: convertir experimentación en impacto real
Aunque el panorama evidencia desafíos, también muestra una enorme oportunidad. Las empresas ya han avanzado en adopción y experimentación; ahora, el reto es convertir esos esfuerzos en impacto concreto. Escalar la IA requiere una estrategia clara que combine tecnología, talento, procesos y gobernanza.
Las organizaciones que logren avanzar en estas áreas estarán mejor posicionadas para obtener beneficios tangibles, ya sea en reducción de costos, eficiencia operativa, crecimiento de ingresos, ventajas competitivas o innovación en modelos de negocio.
A medida que los AI agents se vuelvan más sofisticados y que la gobernanza se fortalezca, la inteligencia artificial dejará de ser un piloto eterno para convertirse en un habilitador estratégico de transformación. El 2025 se perfila como un año clave en esa transición.
