Fernando Pérez Lizano — Director Académico Adjunto y Director del Programa Internacional de Inteligencia Artificial, PAD – Escuela de Dirección (Universidad de Piura)

Por qué los proyectos de inteligencia artificial no se detectan a tiempo y por qué no se detienen

Los directorios que aprobaron iniciativas de inteligencia artificial en los últimos tres años pueden responder con precisión cuánto costaron, cuándo se entregaron y qué se implementó. Muy pocos pueden responder si el beneficio que justificó esa aprobación llegó.

La distinción no es semántica. Un proyecto que cumple plazo, presupuesto y especificación queda registrado como éxito aunque el problema que debía resolver siga intacto. En proyectos de inteligencia artificial esa posibilidad deja de ser excepción y se vuelve la forma habitual del fracaso: el sistema entrega resultados, cumple sus métricas técnicas y el estado de resultados no se mueve.

Un artículo anterior de esta serie se ocupó del criterio de retorno exigible antes de autorizar la inversión. Este trata lo que ocurre después de la aprobación: por qué la organización tarda en enterarse de que un proyecto dejó de tener sentido y por qué tarda todavía más en detenerlo.

Las cifras que llegan al directorio

Antes de citar una tasa de fracaso, tres preguntas bastan para saber si sostiene una decisión: cuántos proyectos componen la muestra, qué criterio los clasificó como fallidos y en qué año se levantó el dato. La mayoría de las cifras que circulan sobre inteligencia artificial no responde las tres.

La más citada sostiene que el 95 % de las organizaciones no obtiene retorno de sus iniciativas de inteligencia artificial generativa. Proviene de un informe del Instituto Tecnológico de Massachusetts (MIT), elaborado por su Project NANDA (Challapally, Pease, Raskar y Chari, 2025), que sí declara su método: revisión sistemática de más de trescientas iniciativas divulgadas públicamente, cincuenta y dos entrevistas estructuradas y ciento cincuenta y tres respuestas de encuesta recogidas en cuatro conferencias sectoriales, entre enero y junio de 2025. Hasta ahí resiste el examen.

Lo que sigue merece la atención de quien recibe esa cifra en una presentación. El propio informe se declara preliminar y advierte que sus porcentajes son direccionalmente correctos, basados en entrevistas individuales y no en reportes oficiales de las empresas, con tamaños de muestra que varían por categoría y definiciones de éxito que difieren entre organizaciones. Más decisivo aún: define implementación exitosa, para las herramientas de propósito específico, como aquella que usuarios o directivos señalaron como causante de un impacto marcado y sostenido en productividad o en resultados. El criterio es una declaración, no una medición.

El documento tampoco es consistente consigo mismo: atribuye el presupuesto comercial al 70 % en una página y al 50 % en otra, y cuenta dos de ocho sectores con cambio estructural en su síntesis inicial y dos de nueve en su cuerpo.

Queda una cuarta comprobación que la prueba habitual omite: quién se beneficia de la respuesta. Project NANDA construye infraestructura de interoperabilidad entre agentes, y la conclusión del informe recomienda migrar hacia sistemas sostenidos por protocolos entre los que figura el suyo. El diagnóstico y el remedio provienen de la misma fuente. Eso no invalida el trabajo, que declara sus límites con más honestidad que quienes lo citan, pero obliga a leerlo sabiendo qué defiende.

La conclusión no es que el fracaso sea menor de lo que se dice. Es que la cifra más citada del mundo sobre el fracaso de la inteligencia artificial descansa en percepciones declaradas y en un informe que propone la solución al problema que mide. Ese hallazgo vale más que el porcentaje.

Cómo leer una cifra de fracaso. Antes de que una tasa de fracaso entre en una presentación al directorio, cuatro preguntas: cuántos proyectos componen la muestra, qué criterio los clasificó como fallidos, en qué año se levantó el dato y qué vende quien publica el estudio. Si alguna no tiene respuesta, la cifra no sostiene una decisión. La prueba descarta la mayoría de los datos que circulan sobre inteligencia artificial, incluidos los que favorecen el argumento propio. Elaboración propia.

En el Perú la situación es análoga y menos favorable. Lo que se mide es intención de inversión e infraestructura de gobierno, no beneficio obtenido: más del 44 % de las organizaciones peruanas planeaba incrementar su presupuesto de transformación digital hacia fines de 2025 (Guerra, 2024). A la fecha de cierre de estos datos, agosto de 2026, no se ha localizado ninguna medición peruana verificable del beneficio efectivamente capturado por proyectos de inteligencia artificial después de su cierre. Lo que no se mide no llega a un acta, y lo que no llega a un acta no se decide.

El error que no se manifiesta

Todo proyecto comete errores y la mayoría no fracasa. Para que un error termine en fracaso deben fallar tres eslabones consecutivos: el error se origina, nadie lo detecta y, detectado, nadie lo corrige. La arquitectura procede del modelo de defensa en profundidad que Reason (2000) desarrolló para explicar los accidentes organizativos: un sistema tiene varias barreras contra el error, cada una con agujeros, y el daño ocurre cuando los agujeros de todas ellas se alinean.

El segundo eslabón descansa en un supuesto que casi siempre se cumple: el error termina por hacerse visible como un retraso, un sobrecosto o un defecto que alguien no puede ignorar.

En un proyecto de inteligencia artificial ese supuesto se rompe, porque el error puede manifestarse como un sistema que funciona. El informe documenta la forma que toma esa ruptura (Challapally et al., 2025): más del 80 % de las organizaciones exploró o pilotó herramientas de propósito general y cerca del 40 % reporta despliegue, pero esas herramientas elevan la productividad individual sin mover el resultado del negocio. En los sistemas de grado empresarial la caída es más pronunciada: el 60 % de las organizaciones los evaluó, el 20 % llegó a piloto y el 5 % alcanzó producción.

Sobre esa opacidad opera un fenómeno documentado desde hace medio siglo. Rosen y Tesser (1970) dieron el nombre de efecto mudo a la tendencia de las personas a retrasar, suavizar u omitir la transmisión de malas noticias, incluso cuando comunicarlas es su función; la revisión posterior de Tesser y Rosen (1975) consolidó la evidencia acumulada sobre el fenómeno. Smith, Keil y Depledge (2001) encontraron el mismo patrón en proyectos de sistemas: quienes están más cerca del trabajo, y por tanto ven antes el problema, son quienes menos lo reportan.

La inteligencia artificial agrega una asimetría propia. La advertencia sobre el comportamiento de un modelo se origina cerca del dato y lejos del directorio, y llega formulada en un lenguaje que el receptor no está en condiciones de evaluar. Un tablero en verde no mide el estado del proyecto: mide lo que alguien decidió reportar sobre él, traducido a términos que el receptor pueda entender.

El mismo informe registra que solo el 40 % de las empresas adquirió una suscripción corporativa a modelos de lenguaje, mientras que en más del 90 % de las encuestadas los trabajadores usaban con regularidad herramientas personales para tareas laborales. Una organización que no sabe qué hace su gente con la tecnología difícilmente sabrá si el proyecto autorizado produce beneficio.

La decisión que no se toma

El tercer eslabón es el más caro, porque a esa altura la organización ya tiene la información y aun así no actúa. Sobre él operan dos mecanismos de naturaleza distinta.

El primero es de comunicación. Cuellar, Keil y Johnson (2006) describieron el efecto sordo y las condiciones en que aparece: la mala noticia se reporta, pero quien la recibe no la escucha ni cambia el curso de acción. Lee, Cuellar, Keil y Johnson (2014) lo llevaron al laboratorio para identificar qué determina que un reporte sea escuchado, y el hallazgo resulta incómodo: lo decisivo es quién formula la advertencia, más que la gravedad de lo advertido. La advertencia se desoye cuando proviene de alguien cuyo rol no lo prescribe como responsable de reportar problemas, o de alguien a quien no se percibe creíble en esa materia. En proyectos de inteligencia artificial, quien conoce el comportamiento real del modelo rara vez ocupa una posición que cumpla ambas condiciones.

El segundo mecanismo es de decisión y opera aunque la advertencia se haya escuchado. Staw (1976) demostró experimentalmente que las personas no solo persisten en cursos de acción que fallan: aumentan los recursos comprometidos precisamente cuando los resultados son negativos. En su experimento con doscientos cuarenta participantes, el mayor compromiso de recursos adicionales se produjo entre quienes eran personalmente responsables de la decisión inicial que había salido mal. La persona menos capaz de detener un proyecto fallido es, de manera sistemática, la que lo aprobó.

En inteligencia artificial ese sesgo encuentra un terreno más fértil que en cualquier otra categoría de proyecto. Cuando la inversión se autorizó como señal de modernización ante el mercado, el directorio o los accionistas, detenerla contradice la señal. El costo de admitir el error no se paga solo dentro de la organización: se paga hacia afuera.

Los datos del mismo informe muestran el resultado agregado de ese patrón. Las empresas que el estudio clasifica como grandes, con facturación anual superior a cien millones de dólares, lideran en número de pilotos y asignan más personal a estas iniciativas, y son las que reportan las menores tasas de conversión de piloto a escala. Las de mejor desempeño en el segmento intermedio pasaron de piloto a implementación completa en unos noventa días; las grandes, en nueve meses o más. Más recursos, más pilotos, menos decisiones.

Dónde golpea esto en un directorio peruano

Ninguna de las cifras anteriores se traslada al Perú sin mediación. Lo que sí viaja es el ordenamiento por sectores, y ahí el dato incomoda.

El estudio clasifica nueve sectores según el cambio estructural atribuible a la inteligencia artificial. Solo dos muestran cambio apreciable: tecnología y medios de comunicación. En el extremo opuesto sitúa a energía y materiales, con adopción casi nula y experimentación mínima. Servicios financieros queda también en la zona baja, con automatización de procesos internos y relaciones con el cliente sin alterar (Challapally et al., 2025).

El puente al Perú no es un porcentaje, es una ubicación: antes de llevar cualquiera de estas cifras a una sesión, hay que ver en qué fila del ordenamiento está la propia empresa. Un directorio de energía, de minería o de servicios financieros está leyendo datos de sectores donde el estudio no encontró transformación, sino automatización de tareas. Aprobar esperando cambio estructural es esperar algo que allí no le ha ocurrido todavía a ninguna organización observada.

Esta lectura admite una objeción. Que una organización abandone iniciativas no prueba que haya fracasado: detener a tiempo es una decisión correcta y escasa. La distinción no está en si el proyecto se detuvo, sino en si se detuvo porque alguien midió el beneficio o porque simplemente se dejó de financiar sin haberlo medido nunca. La primera es gobierno; la segunda es desgaste.

Tres decisiones que no cuestan dinero

Si el fracaso exige que fallen los tres eslabones, prevenirlo no exige repararlos todos: basta con que uno funcione de manera fiable. Las tres decisiones que siguen se toman antes de empezar, cuando nadie tiene todavía nada que defender, y ninguna requiere presupuesto adicional.

La primera es exigir un criterio de beneficio medible después del cierre. Al menos uno de los criterios de éxito debe ser un indicador de negocio con valor objetivo y fecha, verificable seis o doce meses después de la puesta en producción. Lo decide el órgano que autoriza la inversión, y lo decide en la sesión de aprobación, no más tarde. El estudio más citado del mundo tuvo que definir el éxito por lo que alguien declaró percibir; una organización puede hacerlo mejor con un indicador definido de antemano.

Ese criterio corrige además un sesgo de asignación. El informe observa que el presupuesto se concentra en las funciones comerciales no solo por visibilidad, sino porque sus resultados se miden con facilidad y sus métricas se alinean con los indicadores que llegan al directorio. La inversión fluye hacia donde medir es cómodo, no necesariamente hacia donde está el valor.

La segunda es asignar formalmente a alguien la función de informar el estado real de los modelos en producción, con acceso directo al comité. La designación corresponde a la gerencia general, se hace antes del arranque del proyecto y el reporte entra en agenda con periodicidad fija. La evidencia sobre el efecto sordo indica que las advertencias se desoyen cuando provienen de posiciones sin ese rol prescrito. Si nadie lo tiene, todas llegarán desde posiciones que la organización está predispuesta a desoír.

La tercera es escribir los criterios de detención en el mismo documento que autoriza el proyecto, y asignar en ese mismo acto la revisión de continuidad a alguien que no haya firmado la autorización. Los redacta quien propone y los aprueba el directorio al autorizar. Es el principio de cualquier control interno aplicado a proyectos, y corrige un sesgo previsible con una regla escrita antes de que exista algo que defender.

Reflexiones finales

La aviación, la industria nuclear y la medicina hospitalaria atravesaron hace décadas un cambio de mirada. Dejaron de analizar sus accidentes preguntando quién se equivocó y empezaron a preguntar qué barreras existían, dónde tenían agujeros y quién los había dejado ahí.

La gestión de proyectos de inteligencia artificial no ha completado ese tránsito. Sus diagnósticos apuntan casi siempre al primer eslabón: mejores datos, mejor modelo, mejor proveedor, mejor caso de uso. Todos son remedios de origen, y ninguno explica por qué una organización que ya sabe que su proyecto no rinde sigue financiándolo.

Un directorio que no puede responder si el beneficio llegó no enfrenta un problema de tecnología. Enfrenta un problema de medición, y la medición es una decisión de gobierno que se toma antes de aprobar, no después de cerrar.

Ideas fuerza

—  Quien publica una tasa de fracaso suele tener algo que vender; la pregunta por el interés del emisor es parte del examen del dato.

—  En estos proyectos el fallo característico no es el sistema que no funciona, sino el que funciona sin producir valor.

—  Quien mejor conoce el desempeño real de un modelo suele carecer del rol y de la credibilidad que hacen que una advertencia se escuche.

—  En energía, materiales y servicios financieros el estudio disponible no encuentra transformación: encuentra automatización de tareas.

—  Detener a tiempo depende de una regla escrita antes de aprobar, no de la objetividad de quien aprobó.

Preguntas al directorio

Cinco decisiones que este órgano puede tomar en su próxima sesión

—  ¿Acordamos que ninguna iniciativa de inteligencia artificial se autorice sin un indicador de negocio con valor objetivo y fecha posterior a la puesta en producción?

—  ¿A quién designamos hoy, con nombre y periodicidad, para informar a este órgano el desempeño de los modelos ya desplegados?

—  ¿Qué criterios de detención incorporamos al acta de autorización de la próxima iniciativa que aprobemos?

—  ¿Aceptamos que la revisión de continuidad la conduzca alguien que no firmó la aprobación, y a quién se la encargamos?

—  ¿Fijamos un plazo máximo entre la ocurrencia de un problema en un modelo y su llegada a esta mesa?

Referencias

Challapally, A., Pease, C., Raskar, R., y Chari, P. (2025). The GenAI divide: State of AI in business 2025. MIT NANDA.

Cuellar, M. J., Keil, M., y Johnson, R. D. (2006). The deaf effect response to bad news reporting in information systems projects. e-Service Journal, 5(1), 75–97.

Guerra, J. L. (2024, 12 de noviembre). El rol del Directorio en el avance digital del Perú. EY Perú. Consultado el 20 de agosto de 2026. https://www.ey.com/es_pe/insights/audit/rol-del-directorio-avance-digital-peru

Lee, J. S., Cuellar, M. J., Keil, M., y Johnson, R. D. (2014). The role of a bad news reporter in information technology project escalation: A deaf effect perspective. ACM SIGMIS Database, 45(3), 8–29.

Reason, J. (2000). Human error: Models and management. BMJ, 320(7237), 768–770.

Rosen, S., y Tesser, A. (1970). On reluctance to communicate undesirable information: The MUM effect. Sociometry, 33(3), 253–263.

Smith, H. J., Keil, M., y Depledge, G. (2001). Keeping mum as the project goes under: Toward an explanatory model. Journal of Management Information Systems, 18(2), 189–227.

Staw, B. M. (1976). Knee-deep in the big muddy: A study of escalating commitment to a chosen course of action. Organizational Behavior and Human Performance, 16(1), 27–44.

Tesser, A., y Rosen, S. (1975). The reluctance to transmit bad news. En L. Berkowitz (Ed.), Advances in experimental social psychology (Vol. 8, pp. 193–232). Academic Press.