- El 61% de las organizaciones que usan IA activamente no puede señalar una sola mejora en su EBIT. No es falla tecnológica: es la consecuencia directa de no haber construido la arquitectura de rentabilización que convierte herramientas en retorno documentado.
- Los AI high performers —el 6% que reporta impacto superior al 5% del EBIT— tienen 2.8 veces más probabilidad de haber rediseñado flujos de trabajo desde cero. No compraron tecnología mejor. Construyeron una arquitectura distinta de rentabilización de la IA.
- Un piloto de $800.000 con 14% de adopción activa genera exactamente el mismo retorno documentado que uno de $80.000 con la misma tasa. La variable que multiplica el ROI no es el tamaño de la inversión tecnológica. Es la adopción activa real.
Llevas meses, quizás más de un año, con iniciativas de IA en marcha. Dashboards de uso, pilotos que funcionan técnicamente, un proveedor que reporta licencias activas. Y una pregunta que no desaparece desde la última reunión con la Junta: ¿en qué línea del P&L aparece todo esto? No en la de costos. No en la de ingresos. En ninguna.
McKinsey encuestó 1.993 organizaciones en 105 países entre junio y julio de 2025. Los resultados documentan con precisión estadística lo que muchos directivos intuyen pero no formulan en voz alta: la brecha entre "tener IA" y "generar retorno con IA" es más grande de lo que cualquier presentación de pilotos sugiere. La causa raíz de esa brecha no está en los servidores ni en la elección del proveedor. Está en los obstáculos de rentabilización que bloquean la adopción activa en cada organización — obstáculos que tienen nombre, son medibles y tienen intervención disponible.
El 88% ya usa IA. El 61% no puede mostrar el número.
El reporte de McKinsey confirma lo que Digital Change Advisors ha documentado en decenas de organizaciones latinoamericanas: la adopción registrada no es adopción activa. El 88% de las empresas tiene IA disponible en alguna función del negocio. Solo el 31% ha comenzado a escalarla a nivel empresarial. Y un escueto 7% puede decir que la IA está plenamente integrada en sus operaciones.
El dato que más interpela a cualquier C-Level no es la tasa de escala, sino el impacto financiero: solo el 39% de los líderes reporta alguna mejora en el EBIT atribuible a la IA. Eso significa que 6 de cada 10 organizaciones que usan IA activamente no pueden señalar un solo punto porcentual de mejora en su resultado operativo.
Tres años después del lanzamiento masivo de herramientas de IA generativa, la mayoría de las empresas del estudio sigue en la misma fase experimental en que estaba hace 18 meses. Cada trimestre en esa zona tiene un precio concreto: licencias que se pagan y no se usan, equipos capacitados que no aplican lo aprendido, pilotos que consumen presupuesto sin llegar nunca a producción.
Lo que distingue a los líderes del 6%: cinco comportamientos con evidencia de campo.
McKinsey identificó a los "AI high performers": el 6% de organizaciones que atribuye más del 5% de su EBIT a la IA y reporta valor significativo y sostenido. No tienen tecnología mejor que el 94% restante. Tienen una arquitectura de rentabilización de la IA que el 94% no ha construido. Cinco comportamientos los distinguen con precisión estadística.
- Piensan en resultados simultáneos, no solo en eficiencias. Mientras el 80% de las organizaciones fija la reducción de costos como único objetivo de la IA, los high performers definen simultáneamente metas de eficiencia, crecimiento e innovación. Son 3.6 veces más propensos a declarar un cambio transformacional como objetivo para los próximos tres años. Las empresas que solo buscan eficiencia reportan mejoras de costo. Las que también buscan crecimiento reportan mejoras en ingresos, participación de mercado y diferenciación competitiva.
- Rediseñan procesos desde cero, no los parchean. Tienen 2.8 veces más probabilidad de haber reconstruido sus flujos de trabajo en lugar de encajar la IA en procesos obsoletos. En una planta de manufactura con sistema de mantenimiento predictivo instalado, la adopción se mantuvo en 31% durante 11 meses porque el proceso de trabajo no había cambiado. Cuando el flujo se rediseñó —el turno comenzaba con revisión obligatoria de las alertas del sistema— la adopción subió a 78% en 14 semanas. El OEE pasó de 67% a 78% y las paradas no programadas cayeron 34%.
- El liderazgo modela el uso, no solo lo aprueba. Los high performers tienen 3 veces más probabilidad de contar con líderes que demuestran el uso de IA con su propio comportamiento en reuniones y decisiones cotidianas. En una distribuidora de autopartes con $800.000 invertidos en plataformas de IA, la adopción a los 9 meses era del 14%. El diagnóstico reveló que el 100% de los directores regionales consideraba que "la IA era para la gente operativa, no para la dirección". Ese mensaje recorrió toda la organización sin que nadie lo dijera explícitamente.
- La validación humana es un protocolo, no una intuición. El 30% de las organizaciones ha experimentado consecuencias negativas por inexactitud de outputs de IA, el riesgo más reportado por encima de ciberseguridad y compliance. Los high performers no paralizan la adopción ante ese riesgo ni lo ignoran: definen en qué tipo de decisiones un humano revisa el output antes de actuar. En una firma de wealth management con $420M bajo gestión, un modelo de predicción de churn con 74% de precisión era consultado por apenas el 19% de los asesores. Cuando se rediseñó el protocolo de validación humana, la tasa de retención de clientes pasó de 68% a 81% en 180 días.
- Invierten en arquitectura de rentabilización, no solo en plataformas. Más de un tercio de los high performers destina más del 20% de su presupuesto digital a IA, casi cinco veces más que el promedio. Pero el hallazgo más crítico es el que el reporte no desarrolla: un piloto de $800.000 con 14% de adopción activa tiene exactamente el mismo retorno documentado que uno de $80.000 con la misma tasa. La variable que multiplica el ROI no es la inversión tecnológica. Es la arquitectura de rentabilización de la IA que garantiza que esa inversión llega al P&L.
La brecha entre adopción registrada y adopción activa ya tiene precio en tu P&L.
La diferencia entre "tener IA disponible" y "generar impacto financiero medible con IA" es exactamente la brecha que separa al 39% que reporta impacto en EBIT del 61% que no. Esa brecha no se cierra comprando más tecnología ni contratando más especialistas técnicos.
El patrón que DCA ha documentado en organizaciones de Colombia, México, Chile y Argentina es consistente con lo que McKinsey confirma a escala global: la adopción activa —el uso sostenido de la herramienta para tareas que mueven los KPIs que importan— supera el 70% solo cuando se interviene la arquitectura de comportamiento humano, no solo la disponibilidad tecnológica.
En una empresa de software B2B, su cliente —una constructora con 280 empleados— llevaba 6 meses con la plataforma implementada y 18% de adopción activa. Estaba a dos meses de perder la renovación. La causa era predecible: doce horas de capacitación genérica sobre funcionalidades, sin un solo caso real del negocio del cliente. Cuando se rediseñó el proceso de adopción con micro-habilidades practicadas en casos concretos de la constructora y resultados visibles en la semana 2, la adopción subió a 73% en 45 días. El cliente no solo renovó: aumentó su inversión.
El cuello de botella no está en el servidor. Está en el comportamiento humano. Y el comportamiento humano tiene causas específicas, medibles e intervenibles.
César Lozano, CEO · Digital Change Advisors
McKinsey documenta el patrón global. Describe con precisión estadística los comportamientos del 6% que reporta impacto real en EBIT. Pero no te dice en cuál de los obstáculos organizacionales está bloqueada específicamente tu organización en este momento. Y esa distinción cambia por completo el tipo de intervención que tiene sentido: aplicar los cinco comportamientos del high performer como receta universal produce el mismo resultado que copiar el organigrama de otra empresa.
El 94% que no puede documentar retorno no tiene un problema homogéneo. Algunos tienen el obstáculo en el liderazgo que no modela el uso. Otros en la capacitación que no transfiere habilidades reales. Otros en creencias organizacionales que nadie está midiendo ni interviniendo. El patrón de McKinsey confirma la escala del problema. El AI Return Test diagnostica con precisión cuál de los diez obstáculos humanos y organizacionales está bloqueando el retorno en tu organización específica — en 25 minutos, sin intermediarios.
La pregunta no es si vas a seguir invirtiendo en IA. Eso ya está decidido. La pregunta es cuánto tiempo más vas a operar sin saber con certeza en qué obstáculo está atascado el retorno que ya pagaste.
Diagnostica qué obstáculo frena tu ROI en IA →
