Hay una estadística que circula desde hace meses y que cada vez que la veo me parece más reveladora, no por lo que dice sobre la inteligencia artificial, sino por lo que dice sobre cómo la estamos midiendo.

Un estudio del National Bureau of Economic Research, publicado en febrero de 2026 con cerca de 6,000 directores financieros, directores generales y altos ejecutivos de Estados Unidos, Reino Unido, Alemania y Australia, encontró que el 69% de esas empresas usa IA de forma activa. Hasta ahí, ninguna sorpresa. Lo que sorprende es lo siguiente: el 89% de esos mismos ejecutivos no reportó ningún impacto medible de la IA sobre la productividad de su empresa en los últimos tres años.

No es un dato aislado. El MIT NANDA, en su reporte sobre el estado de la IA en negocios de 2025, analizó 300 despliegues empresariales de IA generativa y encontró que solo el 5% de los pilotos corporativos llegó a generar un impacto medible en el estado de resultados. La mayoría se quedó atascada antes de eso, sin que la causa principal fuera la calidad del modelo. Fue que las herramientas nunca lograron integrarse al flujo de trabajo real de la empresa.

Lo que estamos midiendo, y lo que deberíamos medir

Casi todas las encuestas de adopción de IA preguntan variantes de la misma cosa: ¿usa tu empresa herramientas de IA? ¿Cuántos empleados las usan? ¿Con qué frecuencia? Son preguntas legítimas, pero miden un fenómeno completamente distinto al que la mayoría de los titulares sugiere que están midiendo. Miden penetración de una herramienta, no transformación de un proceso.

La diferencia parece sutil, pero no lo es. Un abogado que usa un asistente de IA para redactar más rápido un primer borrador de contrato sigue revisando, corrigiendo y aprobando ese contrato manualmente. El proceso completo, desde que se necesita el contrato hasta que se firma, apenas cambió. El abogado es más rápido en una tarea puntual. La empresa no necesariamente es más rápida en el proceso.

Multiplica ese patrón por miles de tareas individuales dentro de una organización, y entiendes por qué la adopción puede ser casi universal mientras el impacto agregado sigue siendo casi invisible en los estados financieros. La suma de mil mejoras puntuales no siempre produce una mejora de proceso, porque el proceso tiene fricciones que ninguna de esas mejoras puntuales toca.

La economía sumergida de la IA

Hay otro dato del reporte del MIT NANDA que ayuda a entender por qué la adopción reportada por las empresas no coincide con el uso real. Más del 90% de los empleados encuestados dijo usar herramientas de IA personales para tareas de su trabajo, incluso cuando su empresa no había autorizado ninguna, y en muchos casos obteniendo más valor de esas herramientas no oficiales que de las que la empresa sí sancionó formalmente.

Es lo que algunos investigadores empezaron a llamar la economía sumergida de la IA: un uso real, extendido y a veces genuinamente productivo, que ocurre por fuera de cualquier sistema que la empresa pueda medir, gobernar o integrar a sus procesos formales. Las encuestas de adopción corporativa no capturan ese uso, porque preguntan sobre herramientas oficiales, y el trabajo real está sucediendo en otro lado.

Esta brecha entre uso individual y sistema empresarial no es un problema de las personas. Las personas están, de hecho, extrayendo valor real de estas herramientas cuando las usan. El problema es que ese valor queda atrapado a nivel de tarea individual, sin ningún mecanismo que lo agregue, lo mida o lo convierta en una mejora del proceso completo.

Por qué las ganancias a nivel de tarea no llegan al nivel de empresa

Un proceso de negocio raramente falla por una sola tarea lenta. Falla por la suma de traspasos, validaciones, esperas y correcciones entre tareas. Si aceleras una tarea en el medio de esa cadena sin tocar el resto, el proceso completo puede seguir tardando casi lo mismo, porque el cuello de botella simplemente se movió a otro punto de la cadena.

Qué significaría medir bien

Es una pregunta más incómoda de responder, porque exige mirar procesos completos en lugar de herramientas individuales, y exige admitir que la mayoría de los despliegues de IA de una empresa probablemente no cambian ese número, aunque sí cambien la experiencia diaria de quienes usan la herramienta.

• Mide el proceso, no la herramienta. "Cuántas personas usan Copilot" es una métrica de adopción. "Qué porcentaje de las conciliaciones bancarias se completa sin intervención humana" es una métrica de resultado.
• Distingue entre tareas y flujos. Acelerar una tarea individual dentro de un flujo que sigue teniendo diez pasos manuales rara vez mueve el resultado financiero del flujo completo.
• Pregunta qué porcentaje termina correcto, no qué porcentaje se generó. Un sistema que produce una respuesta el 100% de las veces pero necesita revisión humana el 40% de las veces no está automatizando ese 40%, solo lo está reformateando.
• La economía sumergida de la IA es una señal, no un ruido. Si los empleados encuentran más valor en herramientas no oficiales que en las que la empresa implementó formalmente, la brecha no está en la tecnología disponible, está en cómo se integró a los procesos reales.

Por qué esto define cómo pensamos en Pantera

Esta distinción, entre adoptar una herramienta y automatizar un proceso completo, es la razón por la que en Pantera nunca medimos el éxito de una implementación en usuarios activos o mensajes procesados. La medimos en transacciones que se completan de principio a fin sin intervención humana, y en cuántas de esas transacciones son correctas de forma verificable, no solo generadas.

Preguntas frecuentes