Por qué la mayoría de las empresas no logra resultados con la IA (y qué hacen distinto las que sí)
McKinsey estudió 20 empresas que sí ganan con inteligencia artificial. Lo que hicieron distinto no depende del presupuesto, y cualquier empresa lo puede aplicar.
· 6 min de lectura
La mayoría de las empresas no logra resultados con la inteligencia artificial porque el problema no es la tecnología, sino la forma de ponerla a trabajar. Según McKinsey (2026), solo el 6% de las organizaciones encuestadas captura valor significativo con IA. Las que lo logran se enfocan en pocos frentes, piensan en sistemas completos, empiezan por lo que paga el camino, ponen al negocio al frente y ordenan sus datos.
La tecnología no es el problema
En agosto de 2026, McKinsey publicó un análisis sobre cómo trabajan las empresas que sí ganan con inteligencia artificial. El punto de partida es incómodo: según su informe más reciente, el 94% de las empresas encuestadas todavía no logra generar valor significativo con IA.
La causa no es la falta de tecnología. Los modelos de inteligencia artificial que hoy mueven el mercado están disponibles para cualquier empresa. Lo que no se compra es la capacidad de ponerlos a trabajar sobre los problemas reales del negocio, y ahí está la diferencia.
En este artículo te explicamos, en lenguaje sencillo, qué encontró el estudio y qué puede aprender de él cualquier empresa, sin importar su tamaño.
Lo que encontró McKinsey
La firma estudió 20 empresas tradicionales, de sectores como minería, banca, aerolíneas y manufactura, que han creado valor económico real con IA. Su conclusión central: la ventaja no está en la tecnología, que hoy cualquiera puede contratar, sino en la forma en que cada empresa la pone a trabajar.
Cada dólar invertido en IA devolvió tres al año
Resultados promedio de las 20 empresas estudiadas por McKinsey (2026)
+20%
mejora promedio del EBITDA en tres años
1 a 2 años
para recuperar la inversión, en promedio
US$3
de EBITDA adicional al año por cada US$1 invertido
Estos resultados vinieron de inversiones grandes, pero las lecciones detrás de ellos no dependen del presupuesto.
Cinco lecciones que cualquier empresa puede aplicar
1. Pocos frentes, pero los que mueven la aguja
Dos de cada tres empresas exitosas concentraron sus esfuerzos en tres áreas del negocio o menos. No escogieron al azar: buscaron los puntos donde una mejora pequeña se traduce en mucho dinero.
Freeport-McMoRan, una minera, se enfocó en el rendimiento de su proceso de extracción; LATAM Airlines, en la experiencia del pasajero. El error común es el contrario: lanzar decenas de pilotos al mismo tiempo y no escalar ninguno.
2. Sistemas, no herramientas sueltas
Ninguna de estas empresas transformó su negocio comprando una sola tecnología. Primero definieron el problema y después armaron una solución completa.
Toyota, por ejemplo, combinó modelos que anticipan la demanda, agentes que apoyan a sus planeadores y herramientas digitales que dan visibilidad a concesionarios y clientes. Y tan importante como la tecnología fue lo demás: mejorar la calidad de los datos, cambiar la forma de trabajar y ajustar los incentivos de los equipos.
3. Empezar por lo que paga el camino
Estas empresas recuperaron su inversión en uno o dos años, aunque el beneficio completo tardó tres o cuatro. La clave fue el orden: empezaron por las mejoras rápidas, que generaron caja para financiar las siguientes.
Además, no se detienen. Trabajan en olas de transformación de dos a cuatro años, y lo que aprenden en una se convierte en la base de la siguiente.
4. Al frente, alguien que conozca el negocio
En todos los casos de éxito hubo un líder del negocio, no del área de sistemas, al frente del cambio: alguien con experiencia profunda en la operación, que entiende los datos y sabe coordinar a las personas.
Freeport, por ejemplo, trasladó a un líder con experiencia en IA y credibilidad en las plantas para dirigir directamente la operación que quería transformar. Según McKinsey, formar líderes así es la capacitación más estratégica que puede hacer una empresa.
5. Los datos importan tanto como la IA
Un modelo de IA es tan bueno como la información que recibe. En 2018, al banco DBS le tomaba más de un año poner en marcha un modelo, porque los datos estaban dispersos y conseguir acceso tardaba meses.
Después de organizar sus datos en una plataforma única y fácil de consultar, ese tiempo bajó a dos o tres meses. Para la mayoría de las empresas, ordenar la información es el primer proyecto de IA, aunque no lo parezca.
Un ejemplo práctico: la cobranza en Colombia
En ImperIA trabajamos en cobranza, así que vale la pena aterrizar estas lecciones en un caso concreto.
En cobranza, la palanca que más mueve el recaudo es la contactabilidad: poder llamar a todo el volumen de la cartera de forma eficiente, y no solo a una parte. La IA lo hace posible, pero los resultados aparecen cuando funciona como un sistema completo:
Un agente de voz rinde cuando hace parte de un sistema
Lección 2 aplicada a una operación de cobranza · lectura de ImperIA
-
Base organizada
datos de contacto completos y actualizados
-
Reglas claras
políticas de negociación por altura de mora
-
Gestión con IA
voz y correo a escala, en horarios legales
-
Equipo humano
toma los casos que requieren criterio
Trazabilidad: cada gestión queda tipificada y registrada
Cumplimiento: Ley 2300 y protección de datos personales
Además, en Colombia ese sistema debe cumplir condiciones propias desde el diseño:
- Ley 2300 de 2023: limita los horarios y la frecuencia de contacto con los deudores, y el sistema debe respetarlos de forma automática.
- Protección de datos personales (Ley 1581 de 2012): exige cuidado con la información de deudores y codeudores en cada paso.
- Oficinas de abogados y casas de cobranza: buena parte de la gestión la hacen firmas sin equipos de tecnología propios, así que la IA debe llegar lista para usar.
- Cobro jurídico: depende del estado de los procesos en la Rama Judicial, que también debe hacer parte del seguimiento.
¿En qué etapa está tu empresa?
McKinsey describe la madurez en IA como un camino de tres etapas. Cada una se construye sobre la anterior y no es posible saltarse ninguna. Así se reconoce cada una:
Cada etapa se construye sobre la anterior
Etapas de madurez en IA según McKinsey y cómo reconocerlas
1. Primeras victorias
Soluciones puntuales que prueban que la IA funciona.
Señal: pilotos que funcionan, pero cada uno por su lado.
2. Escalar el valor
Procesos completos, datos unificados y plataformas.
Señal: procesos completos medidos por resultados del negocio.
3. IA agéntica
Agentes y personas trabajan juntos entre varias áreas.
Señal: agentes que ejecutan tareas completas con supervisión humana.
Aquí están las empresas líderes del estudio
Las empresas líderes del estudio ya dominan la segunda etapa y apenas están empezando la tercera. La mayoría de las empresas, en cambio, todavía están por dar el primer paso con orden.
Una buena pregunta para empezar:
¿Cuál es el proceso de tu negocio donde una mejora del 10% cambiaría los resultados del año?
Ahí está tu primer frente.
La IA no es exclusiva de las grandes corporaciones
La conclusión de McKinsey es que la IA ya está transformando todas las industrias. La diferencia está entre las empresas que construyen las capacidades para liderar ese cambio y las que solo reaccionan a él.
Las empresas del estudio invirtieron decenas de millones de dólares en ese camino. Pero las lecciones no dependen del presupuesto: enfocarse, pensar en sistema, empezar por lo que paga el camino, poner al negocio al frente y cuidar los datos aplica igual para una firma de cinco personas que para un banco.
En ImperIA creemos que la inteligencia artificial debe estar al alcance de todas las empresas, no solo de las más grandes. Si quieres conversar sobre cómo dar el primer paso en tu operación de cobranza, escríbenos a contacto@appimperia.com.
¿Tu primer frente es la cobranza?
Te mostramos en 30 minutos cómo funciona ImperIA como un sistema completo: tu cartera organizada, Julieta llamando en horario legal y cada gestión registrada en la ficha del deudor.
Agendar Demo Gratuita →Sin permanencia · Demo de 30 min · Para empresas en Colombia
Preguntas frecuentes
¿Por qué la mayoría de las empresas no logra resultados con la IA? ⌄
Según McKinsey, el problema no es la tecnología, que hoy está disponible para cualquier empresa, sino la forma de ponerla a trabajar. En su encuesta más reciente sobre el estado de la IA (2026), solo el 6% de las organizaciones encuestadas captura valor significativo. Las que lo logran se concentran en pocos frentes, piensan en sistemas completos, empiezan por las mejoras que pagan el camino, ponen a un líder del negocio al frente y ordenan sus datos.
¿Qué encontró McKinsey en las empresas que sí generan valor con IA? ⌄
Estudió 20 empresas tradicionales de sectores como minería, banca, aerolíneas y manufactura que han creado valor económico real con IA. En promedio, mejoraron su EBITDA un 20% en tres años, recuperaron la inversión en uno o dos años y obtuvieron US$3 de EBITDA adicional al año por cada dólar invertido. Su conclusión: la ventaja no está en la tecnología, sino en la forma en que cada empresa la pone a trabajar.
¿Cuánto tarda en recuperarse una inversión en inteligencia artificial? ⌄
En las empresas que estudió McKinsey, entre uno y dos años en promedio, aunque el beneficio completo tardó tres o cuatro. La clave fue el orden: empezaron por las mejoras rápidas, que generaron caja para financiar las siguientes.
¿Cuáles son las etapas de madurez en IA de una empresa? ⌄
McKinsey describe tres, y cada una se construye sobre la anterior: primeras victorias (soluciones puntuales que prueban que la IA funciona), escalar el valor (procesos completos, datos unificados y plataformas) e IA agéntica (agentes y personas que trabajan juntos entre varias áreas, con supervisión humana). Las empresas líderes del estudio ya dominan la segunda etapa y apenas empiezan la tercera.
¿Una empresa pequeña puede sacar valor de la IA? ⌄
Sí. Las empresas del estudio invirtieron decenas de millones de dólares, pero sus lecciones no dependen del presupuesto: enfocarse, pensar en sistema, empezar por lo que paga el camino, poner al negocio al frente y cuidar los datos aplica igual para una firma de cinco personas que para un banco.
¿Cómo se aplican estas lecciones a la cobranza en Colombia? ⌄
En cobranza, la palanca que más mueve el recaudo es la contactabilidad: poder llamar a todo el volumen de la cartera, y no solo a una parte. La IA lo hace posible cuando funciona como un sistema completo: una base de datos organizada, reglas claras de negociación, gestión con IA por voz y correo en horarios legales, y un equipo humano para los casos que requieren criterio. En Colombia, además, ese sistema debe cumplir desde el diseño la Ley 2300 de 2023 y la protección de datos personales de la Ley 1581 de 2012.
Fuentes
- McKinsey Quarterly, The new management playbook for AI: How to move faster and create more value, agosto de 2026.
- McKinsey, The state of AI in 2026, agosto de 2026 — de donde sale el 6% de organizaciones que captura valor significativo con IA.
¿Te sirvió? Compártelo:
LinkedInArtículos relacionados
Agente de voz IA para cobranza
Julieta llama a toda tu cartera en horario legal y deja cada conversación grabada, transcrita y analizada.
Software de cobranza en Colombia: cómo elegir la plataforma correcta
Nueve criterios y las preguntas exactas para llevar a cualquier demo, a nosotros incluidos.
Ley 2300 de cobranzas en Colombia: Guía completa
Horarios permitidos, prohibiciones, sanciones y cómo ImperIA garantiza el cumplimiento automático.
Ley 2573 de 2026: cuando el deudor dice “me suplantaron”
Suspensión del cobro, plazos de 20 y 10 días hábiles y qué debe decirle el asesor a la persona suplantada.