95% de Proyectos IA no Funcionan: Advertencia Conjunta de Altman y Huang que Inquieta a Silicon Valley

El mes pasado, en la bolsa estadounidense, NVIDIA cayó más de un 3,5% y Palantir rozó el 10%. Al mismo tiempo, Sam Altman y Jensen Huang admitieron que podríamos vivir una burbuja de la IA.

En el mercado actual tuvimos subidas frenéticas durante meses, y ahora correcciones que despiertan dudas. Altman, de OpenAI, y Huang, de NVIDIA, lo han dicho sin rodeos. “Estamos en una burbuja”. La cuestión no es si pincha mañana, sino qué señales te dirán si la burbuja de la IA se está desinflando o transformando.

A la inquietud se suma un informe del MIT que examinó 300 proyectos de IA, entrevistó a 150 responsables y encuestó a 300 personas. El 95% de los proyectos de IA no alcanza sus objetivos, según el MIT. El dato es de impacto, y cuestiona la narrativa de que “la IA lo cambiará todo” en cuestión de meses, pero la historia es algo más matizada.

Las burbujas nacen cuando nadie quiere quedarse fuera de la próxima gran cosa. La IA generativa escribe, dibuja y conversa, y parece el billete al futuro. La diferencia entre lo que imaginas y lo que la tecnología permite hoy provoca aterrizajes duros, como pasó con las puntocom en los 2000 o con la vivienda en 2008. Si el crecimiento exponencial no llega, la burbuja de la IA puede explotar.

Una crítica recurrente es su escaso impacto en la productividad agregada. Tiene lógica: la IA reemplaza tareas concretas —redacción, traducción, programación—, no trabajos completos. Para que lo notes en tu cuenta de resultados, hay que reorganizar procesos, recortar costes y reasignar roles, y eso lleva años. Si la adopción es parcial, la productividad apenas se mueve, y la sensación de “humo” crece.

Qué significa la burbuja de la IA para tu empresa en 2025

Cuando una tecnología es genérica y accesible, deja de ser ventaja competitiva. Pasó con internet, y ahora con ChatGPT. Tú vas a poder ganar eficiencia, pero tu competencia también. Por eso, el diferencial llegará con aplicaciones específicas y sistemas hechos a medida, no con herramientas de uso masivo.

La automatización que permite la IA tiene un efecto multiplicador real. Si todo el mundo la adopta, los precios tienden a igualarse. Se ve en la industria del automóvil: a pesar de la robotización, el precio de un Ford 3 no difiere tanto del de muchos coches actuales. Con todo, no esperes que la IA generativa supere a internet en impacto sobre la productividad, aunque sí transformará tu día a día como lo hizo la red.

¿Y NVIDIA? Pese a la corrección, su posición sigue siendo sólida. Su gran ventaja es CUDA, un software propietario pulido durante 18 años que actúa como muralla. La historia sugiere otro movimiento: los monopolios derivan a oligopolios. Amazon Web Services pasó de más del 80% de cuota a cerca del 30%, y el patrón podría repetirse. Veremos competidores, especialmente de China, pero hoy la inercia favorece a NVIDIA.

La clave no es la promesa, sino la adopción real. Si, tras invertir, nadie usa los sistemas en el flujo del trabajo, la burbuja de la IA sí estalla. Hoy abunda en presentaciones y pilotos, pero escasea en la operativa diaria.

Señales para saber si la burbuja de la IA va a pinchar

• Mide uso real: ¿se consulta el asistente en más del 60% de los procesos clave?
• Observa costes: ¿baja el gasto por tarea y sube la calidad a la vez?
• Vigila el hardware: ¿se normalizan los pedidos de GPU y crece la inferencia?

También mira el mapa competitivo. Si aparecen alternativas sólidas a CUDA y grandes clientes migran, el liderazgo se reparte. Mientras la demanda de cómputo crezca y la adopción pase de piloto a operación, la burbuja de la IA tenderá a estabilizarse en un ciclo de inversión más sano.

¿Qué nos dice la evidencia? El problema no es la tecnología, sino el tiempo que lleva reorganizar procesos. La historia del transistor lo respalda: tardó décadas en cambiarlo todo, y la IA generativa podría ir por un camino similar, con un potencial que aún no ha encontrado todas sus aplicaciones.

Lo siguiente a vigilar son las tasas de adopción real, las métricas de productividad por tarea y los movimientos en GPUs e inferencia durante los próximos 12–18 meses. Mientras tanto, aplica foco en casos concretos y evita promesas vagas: así conviertes el ruido en resultados medibles.