Los CIO abandonan cada vez más las POC internas en favor de la IA comercial

Después de que miles de pruebas de concepto (POC) de inteligencia artificial (IA) hayan fracasado, muchas organizaciones están reduciendo sus esfuerzos internos en favor de la adopción de herramientas de IA comerciales listas para usar.

Aproximadamente la mitad de las empresas encuestadas por Gartner a finales de 2023 estaban desarrollando sus propias herramientas de IA, pero la cifra se redujo a alrededor del 20% a finales de 2024, según John-David Lovelock, vicepresidente y analista de Gartner.

Muchas organizaciones siguen ejecutando algunas POC, pero el enfriamiento del entusiasmo en torno a la IA generativa ha llevado a muchos CIO a recurrir a proveedores, ya sean proveedores de grandes modelos de lenguaje (LLM) o vendedores de software tradicional con IA integrada en sus productos, afirma Lovelock.

Muchos proyectos ambiciosos de IA que se iniciaron en 2024 o antes se enfrentan ahora a un escrutinio interno debido a las altas tasas de fracaso de las POC, añade Lovelock. Una investigación reciente de IDC reveló que el 88% de las POC no llegaron a implementarse a gran escala, mientras que CIO tienen dificultades para definir el éxito de una POC.

“El año pasado, cuando los CIO realizaban pruebas de concepto y recibían mucha ayuda de los proveedores de servicios y de los recursos internos, se registró una tasa de fracaso bastante elevada entre las empresas que ya tenían una buena trayectoria en IA”, afirma Lovelock. “Pero en el caso de las empresas que no tenían esa misma trayectoria, las tasas de fracaso fueron más de un 50% superiores”.

Capacidad intelectual insuficiente

La “gran mayoría” de los clientes de Asperitas Consulting, empresa especializada en la nube y la automatización, utilizan ahora herramientas de IA estándar, afirma Scott Wheeler, responsable de la división de Nube de la empresa. Muchos de los clientes de Asperitas pertenecen a los sectores de los servicios financieros y los seguros, a menudo considerados beneficiarios potenciales de la funcionalidad de la IA generativa.

Muchas empresas que han intentado crear sus propias herramientas de IA se han topado con problemas de falta de experiencia y presupuesto, afirma.

“Para la mayoría de la gente, el juego no vale la pena”, añade Wheeler. “Hay que tener la capacidad intelectual para hacerlo bien, y esas personas tienen una demanda muy alta. Y luego, además de la capacidad intelectual, hay que tener tiempo y otros recursos”.

Lovelock ha observado diversas variantes de las POC: algunas empresas intentan crear sus propios modelos de IA desde cero y otras se centran en añadir funcionalidades a los LLM existentes. Sin embargo, muchos de esas POC menos ambiciosas fracasaron o dieron resultados decepcionantes, según algunos expertos en IA.

La gran presión de los altos ejecutivos y los miembros del consejo de administración para lanzar POC de IA generativa ha dado lugar a muchos proyectos fallidos, afirma Eamonn O’Neill, director de Tecnología de Lemongrass, proveedor de servicios gestionados.

“Hubo un impulso inicial por probarla, lo cual, en sí mismo, no es malo”, afirma. “Pero luego, la reacción tras realizar estos POC fue: ‘Bueno, en realidad no es muy útil’, porque la calidad era bastante baja. Nadie parece entender cómo utilizarla correctamente”.

Con el entusiasmo inicial por la IA generativa, muchos líderes empresariales y de TI tenían expectativas exageradas para sus pruebas de concepto, añade Carmel Wynkoop, socia responsable de IA, Análisis y Automatización en la empresa de consultoría contable y empresarial Armanino.

“La actitud era: ‘Vamos a abordar los problemas más complejos y a aplicarles la IA’”, afirma. “Lo que estamos viendo es algo ligeramente diferente, con mejoras incrementales en los procesos y con el tiempo, pero no son los problemas más complejos”.

Muchas organizaciones se lanzaron a proyectos de IA enormes con un largo plazo de comercialización y retorno de la inversión, afirma. “Si me enfrento a mi mayor problema con la IA desde el principio, podría ser un proyecto de un año”, añade Wynkoop. “Es posible que tenga que limpiar un montón de datos y que tenga que modificar el código GPT”.

El mercado ha cambiado

Tras la fiebre del oro de las pruebas de concepto de IA de los dos últimos años, la dinámica del mercado ha cambiado en 2025, afirma Lovelock, de Gartner. En lugar de que los CIO salgan a buscar herramientas de IA para crear o comprar, los proveedores de software están impulsando sus productos de IA complementarios entre los CIO, que a su vez buscan obtener resultados más prácticos de la IA generativa.

“Estamos acostumbrados a que los CIO salgan a comprar software, y este año se les va a vender software [de IA]”, afirma. “En el pasado, tenían una idea en mente, un problema que resolver, y era algo direccional, intencionado. Ellos tenían el control”.

En algunos casos, los CIO no tendrán otra opción que comprar la IA complementaria, afirma Lovelock.

“Este año, prácticamente todas las empresas de software, para prácticamente todos sus productos, tendrán una función de IA generativa, si es que aún no la tienen”, afirma. “Los comerciales llamarán a sus clientes y les dirán: ‘Tenemos IA generativa’ y, en algunos casos, llegarás una mañana y tendrás una factura un poco más alta y un botón nuevo”.

Al mismo tiempo, gran parte del incentivo para que las empresas creen sus propias herramientas de IA ha desaparecido, ya que los proveedores de software y la IA cubren gran parte de la funcionalidad deseada, afirma Wynkoop, de Armanino.

Apuntar a objetivos más pequeños

En lugar de resolver grandes problemas con la IA, las empresas que carecen de conocimientos especializados profundos pueden beneficiarse de apuntar a objetivos más pequeños, añade.

“Si empiezo con iniciativas que me permiten obtener resultados rápidos, generar impulso y conseguir cierta eficiencia en muchos procesos de mi organización, entonces puedo construir una reputación sobre lo que puede hacer la IA y empezar a ver cómo se consolidan esas eficiencias”, afirma Wynkoop. “Después, puedo observar cómo cambia el comportamiento de las personas y cómo trabajan con la IA”.

De cara al futuro, es probable que muchos proyectos de desarrollo interno se centren en formar un modelo de IA utilizando datos internos para crear funcionalidades especializadas, afirma Wheeler, de Asperitas.

“El modelo de IA parece ser un producto básico”, afirma. “Pero muchas empresas tienen conjuntos de datos personalizados y entrenarán el modelo de IA con sus datos propios”.

Estos modelos de IA entrenados con datos propios tienen el potencial de crear un gran valor para las empresas que adoptan este enfoque, añade Daniel Avancini, director de Datos de Indicium, una consultora de IA y datos.

“Es un producto muy especializado, pero tiene mucho valor para nuestra empresa si lo hacemos bien”, afirma. “En lugar de tener 20 POC, podemos tener solo este producto, que supone un gran retorno de la inversión para nosotros”.