De la dispersión de pilotos a producción: por qué el 56% de los CEOs no ve ningún ROI de la IA

Los números

La Encuesta Global de CEOs 2026 de PwC encuestó a 4,454 CEOs en 82 territorios. El 56% no reporta ningún beneficio financiero significativo de la IA en los últimos 12 meses — ni aumento de ingresos ni reducción de costos. Solo el 12% reporta ambos. El gasto global en IA alcanzó los $2.6 billones en 2026, y más de la mitad de él no produjo ningún retorno medible.

La Encuesta de Adopción de IA 2026 de WRITER (2,400 empresas) encontró que el 59% invierte al menos $1 millón al año en IA, pero solo el 29% ve retornos significativos de la IA generativa y solo el 23% ve un ROI significativo de los agentes de IA específicamente. El 75% de los ejecutivos admite que su estrategia de IA es "más para aparentar" que una guía real. El 97% desplegó agentes de IA en el último año, y sin embargo la mayoría no puede vincular el despliegue a un resultado financiero.

El Estudio de Desempeño de IA de PwC agrega la distribución: el 20% de las empresas captura el 75% de todos los beneficios financieros impulsados por la IA. La brecha no está entre los que adoptan la IA y los que no. Está entre las organizaciones que desplegaron pilotos y las organizaciones que desplegaron sistemas de producción.

El diagnóstico: dispersión de pilotos

La convergencia entre PwC, WRITER, Anthropic, OpenAI y Google es clara: el problema no son los modelos. El problema es que se democratizó el acceso a las herramientas mientras que el rediseño de los flujos de trabajo no.

La dispersión de pilotos es el patrón: un departamento obtiene acceso a una herramienta de IA, ejecuta una prueba de concepto, demuestra que el modelo puede realizar una tarea, y luego el piloto se detiene. La demo nunca se convierte en una integración de producción. La herramienta está disponible, pero el flujo de trabajo que se suponía que iba a mejorar permanece sin cambios. La organización tiene una licencia de ChatGPT y una presentación, no un sistema que escriba en NetSuite, retenga inventario o devuelva la cotización aceptada al ERP.

Los datos de WRITER hacen visible el mecanismo: el 78% de las organizaciones reporta tensión entre TI y otras líneas de negocio por la IA. TI ve prototipos sin mantenimiento y sin gobernanza. Los equipos de negocio ven a TI como un cuello de botella. Los pilotos se multiplican porque nadie es dueño del paso de puesta en producción — el trabajo de conectar el modelo al sistema de registro, agregar registros de auditoría, límites de tasa, manejo de errores y el runbook de operador que hace que el agente sea seguro de ejecutar y seguro de dar de baja.

Actualización — 2026-10-01: ambos laboratorios frontera rumbo a los mercados públicos — contra reloj

El entorno de capital en torno al cálculo buy-vs-build que este artículo analiza se endureció el 1 de octubre de 2026: reporteos de Bloomberg/LinkedIn sitúan el objetivo de IPO de Anthropic a mediados de noviembre, con el marketing formal posiblemente empezando la semana del 9 de noviembre y la cotización en bolsa antes del Día de Acción de Gracias (posiblemente deslizándose hasta después de las elecciones de mitad de mandato). La señal de valoración de ~$1T de OpenAI llegó primero; el objetivo de ~$2T de Anthropic con un run rate de ~$65B le sigue. La lectura de estructura de mercado para un comprador de mercado medio no es “¿deberíamos comprar acciones frontera?” — es que ambos proveedores que cargan la narrativa de frontera pronto responderán a la presión del mercado trimestral mientras la lista de incidentes de mal comportamiento de agentes sigue creciendo. Eso no cambia el cálculo de despliegue: la dispersión de pilotos sigue siendo el patrón de fallo dominante, y la ruta de integración a producción sigue siendo la que compone el retorno. Cambia el cálculo de gobernanza: las afirmaciones de seguridad de los proveedores están a punto de enfrentar un mercado que recompensa la narrativa tanto como la evidencia, así que la verificación independiente del comprador — los controles a nivel de despliegue que el método de cuatro pasos de este artículo produce como subproducto — se convierte en la superficie de diligencia que no se mueve con el ciclo de noticias de los proveedores.

El cambio de medición

Enero de 2026 trajo un cambio coordinado de "usuarios" a "resultados" como la métrica del valor de la IA.

El Índice Económico de Anthropic introdujo los "primitivos económicos" — un marco que mide el valor de la IA a lo largo de cinco dimensiones: complejidad de la tarea, habilidades humanas y de IA, contexto laboral versus personal, nivel de autonomía y tasas de éxito. El marco distingue las tareas de bajo valor (resumir un email) de las de alto valor (un flujo de codificación de múltiples pasos que ahorra en promedio 3.3 horas de trabajo humano-equivalente). El punto es que "le dimos a todos una licencia de IA" no es una afirmación de valor. La afirmación de valor es: qué tareas realizó la IA, con qué complejidad, con qué tasa de éxito y a qué nivel de autonomía.

El análisis de "sobrecarga de capacidad" de OpenAI encontró que los usuarios avanzados dependen de las capacidades de razonamiento avanzado 7× más que los usuarios promedio, con una brecha de 3× en la intensidad de uso en más de 70 países. La implicación: la mayoría de las organizaciones está usando la IA a una fracción de su capacidad, no porque la capacidad falte, sino porque nadie construyó el flujo de trabajo que la ejercita.

El cambio de medición importa porque replantea la pregunta del ROI. La pregunta no es "¿generó ingresos la IA?". La pregunta es "¿qué tareas de producción realiza la IA, con qué complejidad y tasa de éxito, y qué desplaza eso en esfuerzo humano o tiempo de ciclo?".

Qué hace diferente el 12%

PwC encontró que los CEOs que reportan retornos financieros tienen entre 2 y 3 veces más probabilidades de haber integrado la IA de forma extensa en la toma de decisiones — no en pilotos aislados, sino en los sistemas donde se toman y se registran las decisiones.

El patrón entre las organizaciones punteras es consistente: no empezaron con una herramienta. Empezaron con un flujo de trabajo que tenía un cuello de botella medible, construyeron una integración de producción que lo abordaba, y midieron el resultado. La IA está integrada en el sistema de registro, no flotando a su lado.

Esto es lo opuesto a la dispersión de pilotos. Es un despliegue de producción: el agente recibe el RFQ, resuelve productos contra el catálogo, aplica precios por nivel de cliente, retiene stock con una expiración, escribe la cotización aceptada de vuelta en NetSuite y registra cada paso. El resultado es medible porque el trabajo está en el sistema — tiempo de respuesta de la cotización, precisión de la cotización, horas ahorradas por RFQ, precisión de la retención de inventario. El piloto no produce ninguna de estas métricas porque el piloto nunca toca el sistema de registro.

Por qué los agentes de producción ahora son asequibles

La objeción económica al despliegue de producción — que los agentes siempre activos son demasiado caros de operar — se derrumbó en 2025–2026. El costo de inferencia equivalente a GPT-4 cayó de $20 por millón de tokens a finales de 2022 a $0.40 en 2026, una reducción de 1,000× impulsada por la eficiencia del hardware, la optimización del software, las mejoras en la arquitectura de los modelos y la cuantización. La inferencia representa ahora el 67% de todo el cómputo de IA, frente al 33% en 2023 — la industria está optimizando para servir, no solo para entrenar.

Para una empresa B2B de mercado medio, esto significa que un agente de producción 24/7 que procesa RFQs, monitorea inventario o gestiona escalamientos de soporte cuesta dólares por día en inferencia, no miles. La barrera de costo para el despliegue de producción desapareció. La barrera que queda es el trabajo de integración — construir los módulos de MCP, conectar al ERP y a las plataformas de comercio electrónico, agregar la capa de gobernanza — que es exactamente el trabajo que la dispersión de pilotos se salta.

La alternativa de producción

Un despliegue de agente de producción no es un piloto más grande. Es una categoría de trabajo diferente, con un entregable diferente.

Alcance fijo antes del código. Un Descubrimiento de una semana produce el inventario de sistemas, el mapa de flujos de trabajo y el plan de construcción. El alcance se fija antes de escribir cualquier código. El patrón de piloto se salta este paso — alguien demuestra una capacidad, y el alcance es lo que sea que la demo cubriera.

Entrega por fases. La construcción se divide en fases: entorno y andamiaje de módulos (Fase 1), módulos centrales de MCP y cableado del agente (Fase 2-3), endurecimiento de producción y runbook de operador (Fase 4). Cada fase tiene una demo. El patrón de piloto tiene una sola demo, al final, y luego se detiene.

Código que escribe en el sistema de registro. El agente escribe de vuelta en NetSuite, BigCommerce o la plataforma que retiene la transacción. El resultado es medible porque el trabajo está en el sistema. El patrón de piloto produce una presentación.

Capa de gobernanza. Cada llamada a herramientas se registra con timestamp, ID del agente, nombre de la herramienta, estado de salida y duración. Los límites de tasa se aplican por herramienta y por ventana. Los errores son tipados — el agente distingue un timeout transitorio de una falla de validación permanente y responde en consecuencia. Un kill-switch desactiva cualquier módulo mediante un cambio de configuración, no un despliegue de código. El patrón de piloto no tiene nada de esto — y las 200,000 instancias vulnerables de MCP divulgadas en 2026 son lo que sucede cuando se omite la gobernanza.

Resultados medidos. El despliegue se entrega con las métricas que definen el éxito: tiempo de respuesta de la cotización, precisión de las órdenes, horas desplazadas por semana, precisión de la retención de inventario. Estos son los primitivos económicos aplicados a un flujo de trabajo real. El patrón de piloto tiene "usuarios" — un número que no te dice nada sobre el valor.

El método de cuatro pasos

El patrón de despliegue de producción no es teórico. Es el método que pone un primer agente en producción en 5–8 semanas:

1. Descubrimiento (1 semana). Inventario de sistemas, mapa de flujos de trabajo, alcance fijo. Obtienes el plan, decidas o no construir con nosotros.
2. Entorno y andamiaje (1–2 semanas). Estructura de módulos de MCP, manejador del agente, pipeline de observabilidad, autenticación y aislamiento de tenants.
3. Módulos centrales y cableado del agente (2–3 semanas). Los módulos de MCP que conectan al sistema de registro — NetSuite, BigCommerce, catálogos de proveedores, motores de precios. El agente recibe la solicitud, llama a los módulos y escribe el resultado de vuelta.
4. Endurecimiento de producción (1–2 semanas). Runbook de operador, configuración del kill-switch, pruebas de rutas de error, ajuste de límites de tasa, despliegue al entorno de producción.

El entregable al final de la semana 8 no es una demo. Es un agente funcional que procesa solicitudes reales contra sistemas reales, con cada paso registrado y cada módulo desactivable. Esa es la diferencia entre un piloto y un sistema de producción — y es la diferencia entre el 56% que no ve ningún ROI y el 12% que sí lo ve.

Actualización — 2026-10-02: la ventana de IPO de Anthropic se estrecha — objetivo mediados de noviembre, cotización antes de Acción de Gracias

El dato de estructura de mercado que este artículo viene siguiendo ahora tiene una fecha precisa: Reuters y Bloomberg reportaron el 1 de octubre de 2026 que Anthropic apunta a una IPO a mediados de noviembre — con el marketing formal posiblemente empezando la semana del 9 de noviembre, la cotización en bolsa antes del Día de Acción de Gracias, posiblemente deslizándose hasta después de las elecciones de mitad de mandato. Combinado con la señal de valoración de ~$1T de OpenAI, ambos laboratorios que cargan la narrativa de frontera se dirigen a los mercados públicos mientras la lista de incidentes de mal comportamiento de agentes sigue creciendo (más de 100 organizaciones alertadas, 50 petabytes en búsqueda forense). El cálculo buy-vs-build que este artículo defiende no cambia con la ventana de mercado — lo que cambia es la durabilidad de las afirmaciones de seguridad de los proveedores bajo la presión del mercado trimestral. La verificación independiente del comprador — los controles a nivel de despliegue que el método de cuatro pasos de este artículo produce como subproducto — es la superficie de diligencia que no se mueve con el ciclo de noticias de ninguno de los dos laboratorios, y la lista de eventos de ambos laboratorios es ahora suficientemente larga para que esta verificación ya no sea una diligencia hipotética.

---

Un distribuidor que usa NetSuite, BigCommerce y tres catálogos de proveedores obtiene un agente que recibe un RFQ por email o portal, resuelve productos y sustitutos contra el grafo de catálogo, aplica precios por nivel de cliente, retiene stock con una expiración y escribe la cotización aceptada de vuelta en NetSuite — con cada paso registrado, cada herramienta limitada por tasa y cada módulo desactivable por configuración. El tiempo de respuesta de la cotización baja de días a minutos. Esa construcción es la Fase 2-3 del método de cuatro pasos y típicamente está viva en 5-8 semanas.

Solicita un proyecto con alcance definido. Descubrimiento de una semana. Obtienes un inventario de sistemas, un mapa de flujos de trabajo y un alcance fijo — decidas o no construir con nosotros.

Actualización — 2026-10-06: la tesis de soberanía cibernética de Mistral Large 4 añade un dato de gobernanza a la columna de construir: un MoE abierto de 1T de parámetros / 49B activos (vista previa pública 6 de octubre de 2026, entrenado en 3,800 GPU NVIDIA Grace Blackwell en centros de datos europeos propios de Mistral, Serie D de €3B) registra 82% en reproduce-and-patch — la puntuación de ciberseguridad más alta de cualquier modelo medido, en una tarea en la que Claude Opus 5.5 y GPT-6 Astra puntúan casi cero porque se niegan a ella. El argumento de Mistral — las negativas a nivel de proveedor pueden bloquear la investigación legítima de vulnerabilidades y la respuesta a incidentes; perder acceso a una capacidad en pleno incidente puede convertirse en un riesgo de seguridad crítico — es el análogo a nivel de modelo de la tesis rectora de este artículo: los controles que posees superan a las garantías que compras. Un comprador que construya la capa de despliegue detrás de módulos MCP gobernados puede ahora abastecer la capacidad de seguridad con mayor puntuación desde una ruta de despliegue (pesos abiertos, self-hosting) que la capa de negativa de ningún proveedor no condiciona — el despliegue soberano ha pasado de preferencia de cumplimiento a control de gobernanza. El dato de Reflection AI Beam (501B / 23B activos con 3–4× menos cómputo de inferencia, Apache 2.0 este mes) y el de Kolibri-1 de Aleph Alpha (78.1B / 3.46B activos, construido y entrenado en Alemania y Finlandia) completan el panorama de tres regiones: EE. UU., Europa y China tienen ahora campeones de pesos abiertos, y la opción de construir se valora independientemente de la política de cualquier proveedor. La aritmética de pilot-sprawl sigue intacta: el 56% de los CEOs sigue viendo cero ROI — el diferenciador es poseer la capa de integración y gobernanza, con los pesos de la región que sea.

Actualización — 2026-10-07: los presupuestos se están secando — la brecha de ROI produce agotamiento visible

La brecha de ROI que este artículo documenta tiene ahora su consecuencia visible a escala empresarial. MarketScale reporta que los presupuestos de IA de grandes empresas de EE. UU. están secándose en 1–2 meses al dispararse el coste por token — el replanteamiento del CFO ha alcanzado el horizonte del mismo trimestre (MarketScale). La agregación 2026 de AI Business Weekly pone precio al despliegue: el gasto en infraestructura de IA crece 62,5% hasta 822B$ en 2026, mientras solo un 6% de los adoptantes captura beneficio medible a escala de empresa (AI Business Weekly). InformationWeek lo enmarca como "el boom de la infraestructura de IA viene por los presupuestos empresariales", y el desglose 2026 de witness.ai para CFOs desglosa los costes ocultos. Los tres datos se encadenan en la secuencia de fallo que este artículo diagnostica: la adopción gasta más de lo que devuelve (56% de CEOs sin beneficio financiero), el gasto se carga por delante en infraestructura (62,5% de crecimiento), la captura de valor es rara (6%),y la ventana presupuestaria es mensual (1–2 meses). El pilot sprawl ya no es solo un error estratégico — es la razón por la que el dinero se agota antes de que ocurra la rediseño del flujo de trabajo. El contrapeso constructivo sigue siendo el mismo: el patrón de build con alcance definido (el método de cuatro pasos más abajo) — resultados medidos, integraciones en el sistema de registro y gobernanza que sobrevive a la adquisición.

Actualización — 2026-10-07: financiación Q4 2026 — el mercado de agentes se acelera mientras los presupuestos se estrechan

El dato de estructura de mercado corta en la dirección contraria. El Q4 2026 abrió con rondas de financiación divulgadas de agentes IA por 260M$ — la Serie B de 255,5M$ de Armadin (1 de octubre, a16z + Accel, valuación 2,5B$+), una empresa de ciberseguridad nativa IA fundada por Kevin Mandia que construye seguridad de "enjambre de agentes", y la Serie C de 1B$ de Instinct (28 de septiembre, Sequoia/Benchmark/Coatue) a una valuación de 10B$ para una startup de asistente personal IA de un año. Dos señales, una para el comprador y otra para el constructor. Para el comprador: las capacidades de agentes se consolidan en categorías de proveedores financiados — incluida la categoría de agentes de seguridad que mapea la checklist de gobernanza de este artículo — lo que significa que la opción de compra gana capacidad más rápido que la opción de construcción gana pulido. Para el constructor: la ola financiada acelera la misma dinámica de pilot sprawl que este artículo diagnostica (más herramientas, más pilotos, más gasto sin medir) al tiempo que valida que la integración de agentes de grado de producción es donde el mercado cree que reside el valor duradero. La aritmética del pilot sprawl no cambia: el diferenciador sigue siendo si el comprador posee la capa de integración y gobernanza — con el conjunto de proveedores que la ensamble.