El 70% de las implementaciones de inteligencia artificial generativa en empresas medianas de la región no ha logrado un retorno de inversión positivo tras 18 meses de operación. Las cifras son frías, pero el diagnóstico es claro: no estamos ante un fallo de capacidad de cómputo ni de latencia. Los modelos de lenguaje están funcionando según lo prometido. El problema es que estamos utilizando tecnología de vanguardia como un barniz para sellar procesos que debieron haber sido eliminados hace una década.
Estamos inyectando esteroides a un cadáver operativo. Cuando una startup integra un agente autónomo para gestionar su atención al cliente, pero mantiene un flujo de trabajo que exige aprobación humana en tres niveles distintos, lo único que consigue es acelerar la propagación del error. La eficiencia no consiste en ejecutar lo mismo a una velocidad mayor. Consiste en dejar de hacer lo que no aporta valor. El mercado todavía no entiende esto.
Mi lectura es distinta a la del hype actual: la IA, en su estado presente, está siendo utilizada como un mecanismo de encubrimiento de la ineficiencia. Es mucho más sencillo suscribirse a un asistente de código para que los desarrolladores escriban parches sobre una arquitectura técnica que ya es una deuda impagable, que enfrentar la limpieza profunda de un sistema de legado. Gastamos millones optimizando la escritura cuando el verdadero costo reside en una estructura de datos que nunca debió existir.
La trampa de la automatización del desperdicio
En el sector financiero latinoamericano, observamos bancos integrando modelos complejos para procesar legajos de crédito que tardan semanas en ser aprobados, lastrados por políticas de riesgos diseñadas en 1995. Esto me parece más ruido que señal. Automatizar un proceso burocrático no lo hace ágil; lo convierte en un proceso burocrático que consume electricidad y tokens a niveles industriales. El éxito financiero de 2026 no pertenecerá a quien tenga el modelo más grande, sino a quien tenga el valor de borrar departamentos y flujos de trabajo que solo se sostienen por inercia institucional.
Consideremos la auditoría interna. Muchas organizaciones intentan entrenar modelos sobre bases de datos desorganizadas, esperando que el algoritmo dé sentido al caos. Es una pérdida de recursos. Según estimaciones del sector, cerca del 40% del tiempo de los equipos de ingeniería en empresas con rondas Serie B se disipa en el mantenimiento de una infraestructura que no aporta al producto final. Si ese equipo no es capaz de simplificar antes de desplegar, la IA no será más que un costo hundido adicional en su estado de resultados.
La arrogancia tecnológica nos ha hecho creer que la inteligencia artificial es una varita mágica capaz de corregir problemas de diseño organizacional. Aquí discrepo: la IA es un espejo. Si tu proceso interno es defectuoso, la IA simplemente producirá basura a gran escala. No existe una configuración de parámetros capaz de compensar la falta de pensamiento crítico sobre qué actividades estamos ejecutando realmente.
Lo interesante acá es que las empresas que están ganando terreno no son necesariamente las que integran la IA en cada rincón, sino las que han desmantelado procesos críticos. Mercado Libre, por ejemplo, ha construido su ventaja no solo mediante la IA, sino a través de una obsesión constante por eliminar fricciones logísticas y operativas que ellos mismos crearon hace años. Si no estás dispuesto a destruir lo que construiste ayer para simplificar el mañana, tu empresa es solo un dinosaurio con un asistente de voz integrado.
Destruir para escalar
El mercado prefiere ignorar la realidad para seguir incentivando la venta de consultoría de implementación. Lo cierto es que el mantenimiento de sistemas complejos de IA puede triplicar el costo del modelo base si no se reduce la complejidad del entorno donde operan. Estamos contratando expertos en prompt engineering para resolver dilemas que se solucionarían mejor cancelando un reporte mensual que nadie lee. Es una crisis de voluntad, no de técnica.
Nos hemos vuelto adictos a la complejidad porque resulta más sencillo reportar a la junta directiva el despliegue de una suite de IA que admitir que hemos eliminado el 30% de los reportes administrativos por irrelevantes. Lo primero es marketing, lo segundo es gestión real. El presupuesto para el próximo ciclo debería dirigirse a equipos de ingeniería dedicados exclusivamente a borrar código y simplificar arquitecturas, no a añadir nuevas capas de abstracción.
Aquí está el problema: para finales de 2026, la mitad de las empresas que hoy presumen de su estrategia de IA verán cómo su margen operativo se contrae debido al costo acumulado de una infraestructura innecesaria. Mi proyección es específica: las compañías tecnológicas que no reduzcan su base de código en al menos un 20% antes de finalizar 2025 verán una caída superior al 15% en su valor de mercado para el primer trimestre de 2027. Serán superadas por competidores lean que eligieron la destrucción creativa sobre la acumulación tecnológica. No hay vuelta atrás.
