Piensa en Satya Nadella usando Excel con ayuda de Copilot en pleno Campeonato Mundial de Excel es una imagen potente. Transmite la idea de que la IA corporativa ya funciona como un asistente perfecto, siempre listo para cuadrar tablas, resúmenes y previsiones sin esfuerzo. Cuando bajas de la demostración al día a día de las empresas, el ritmo real de adopción de estas herramientas es bastante más lento de lo que prometía el marketing.
En muchas organizaciones ya has oído hablar de Copilot para empresas, de los agentes de IA y de la nube de Azure como si fueran la pieza que falta para disparar la productividad. Pero cuando llega el momento de pagar licencias, integrar datos y medir resultados, empiezan las dudas.
¿De verdad compensa el sobrecoste? ¿El retorno se ve en ingresos y no solo en presentaciones internas? Aquí es donde la IA, y en especial Copilot, se está encontrando con una especie de “pausa” corporativa.
Si miras el mensaje oficial de Microsoft, la historia es clara: Copilot ya está listo para transformar tu trabajo con Excel, Word, Teams y todo el paquete de Microsoft 365. En paralelo, fuentes internas citadas por The Information cuentan algo distinto: en el último año fiscal, que terminó en junio, las metas de ventas de productos de IA en Azure no se han cumplido y la compañía habría ajustado a la baja sus objetivos de crecimiento.
Según esas fuentes, los equipos comerciales de Azure trabajan ahora con una expectativa de crecimiento en torno al 25 % para los productos y servicios de IA, una cifra todavía elevada, pero menos ambiciosa que la que se manejaba antes.
Microsoft lo niega de cara al público y asegura, en declaraciones recogidas por Bloomberg, que las cuotas de ventas agregadas de su negocio de IA no han bajado y que se está mezclando mal el concepto de crecimiento con el de objetivos comerciales.
También te puede interesar:OpenAI lanza la app de ChatGPT para Windows con nuevas funcionalidadesEste choque de versiones refleja algo que tú mismo puedes sentir en tu empresa: la sensación de que la IA generativa promete mucho, pero cuesta aterrizarla en proyectos concretos con retorno claro.
Para Microsoft, bajar las expectativas internas de crecimiento en IA se interpreta como una reacción a esa realidad del mercado, donde los ciclos de decisión son largos y el entusiasmo inicial no siempre se traduce en contratos firmados.
En cualquier caso, que una compañía como Microsoft ajuste su ambición interna en un área tan estratégica es una señal importante. Te indica que, aunque la IA corporativa es una apuesta fuerte, el despliegue real en empresas tradicionales es más complejo de lo que aparentan los vídeos de demostración con Copilot resolviendo problemas en segundos.
Si pasamos del discurso corporativo a los datos de uso, el mercado de chatbots en Estados Unidos da una pista clara de por dónde van las cosas. Según la consultora FirstPageSage, ChatGPT concentra aproximadamente el 61,30 % de las consultas, lo que lo convierte en el actor dominante del sector con mucha diferencia.
Microsoft se queda en un segundo lugar con un 14,10 % de cuota de consultas, sumando su apuesta por Copilot y el chatbot de Bing. Es una posición relevante, sobre todo si piensas en la fuerza que tiene Windows y Office en el escritorio, pero también muestra que el usuario medio todavía prefiere entrar directamente en ChatGPT cuando piensa en IA generativa.
Lo más llamativo no es solo la foto fija, sino la velocidad. Los mismos datos apuntan a que el uso de los chatbots de Microsoft apenas crece un 2 %, mientras que Gemini avanza un 12 % y Claude lo hace a un ritmo cercano al 14 %. Esto significa que, aunque Microsoft esté bien posicionado gracias a su integración en el ecosistema Windows, su crecimiento en consultas va bastante por detrás de algunos rivales.
También te puede interesar:Microsoft ofrece miles de dólares a quienes encuentren vulnerabilidades en su IAPara ti, como usuario corporativo, este contexto importa porque muchas decisiones de compra se basan en expectativas de futuro. Si ves que otras plataformas de IA crecen con rapidez, aunque Copilot se integre a la perfección con Excel o Teams, puedes plantearte que quizá el estándar de facto en el mercado termine siendo otro, y eso frena decisiones de gasto a medio plazo.
El núcleo del problema está en algo muy concreto: justificar el retorno de la inversión de la IA. Muchas empresas han empezado a pagar licencias de Copilot y de otros asistentes generativos con la idea de ahorrar tiempo en tareas repetitivas, como redactar informes o analizar leads de ventas. Cuando llega el momento de medir, la foto suele ser menos clara.
La IA corporativa promete que vas a poder producir más con los mismos recursos, pero transformar esa promesa en números de negocio es complicado. ¿Cuántas horas de trabajo real has ahorrado gracias a Copilot? ¿Cuántas ventas adicionales se cierran por usar un modelo generativo en lugar de un proceso tradicional? Estas preguntas se quedan, de momento, sin respuestas sólidas en muchas compañías.
Un informe del MIT, citado en el propio artículo original, lo pone en cifras: alrededor del 95 % de las empresas que han apostado por la IA no han observado todavía un retorno medible en sus ingresos. No es que no haya mejoras, sino que las mejoras son difíciles de demostrar en métricas que convenzan a una dirección financiera o a un consejo de administración.
Esta falta de pruebas claras explica por qué la IA corporativa se encuentra en “pausa”. Tu organización puede seguir probando pilotos, haciendo pruebas con Copilot o con otros agentes, pero hasta que no puedas enseñar resultados en euros, los proyectos grandes se retrasan y las compras masivas de licencias se enfrian.
Hay un obstáculo extra que pesa mucho en ciertos sectores: la fiabilidad. En ámbitos como las finanzas o la ciberseguridad, la tolerancia al error es prácticamente nula. Un pequeño fallo de interpretación de datos, un resumen erróneo o una alucinación del modelo puede generar pérdidas económicas o brechas graves.
Por eso, aunque la IA generativa ya pueda ayudar con borradores, propuestas o análisis preliminares, su despliegue real en procesos críticos sigue muy limitado. La respuesta típica es usar Copilot como apoyo, pero mantener controles manuales en los puntos sensibles, lo que reduce buena parte del supuesto ahorro de tiempo que se prometía.
Brian Spanswick, CEO de la empresa de ciberseguridad Cohesity, resume muy bien este momento. A su juicio, en la industria de IA corporativa todavía hay esperanza y ganas de que funcione, pero faltan pruebas sólidas de retorno. Su propia compañía está desarrollando código propio para conectar los agentes de Microsoft con sus datos internos, con la idea de poder demostrar un ROI real en unos meses.
Nadie garantiza que ese esfuerzo logre probar un retorno claro. El éxito de iniciativas como la de Cohesity sigue siendo incierto, y esa incertidumbre es precisamente lo que retrasa la adopción masiva. Tú puedes estar en una situación parecida: con ganas de integrar Copilot a fondo, pero pendiente de que algún caso de uso cercano demuestre, de verdad, que vale la pena pagar ese sobrecoste.
Un ejemplo concreto ayuda a ver estos problemas con más detalle. El fondo de capital privado Carlyle empezó a trabajar con Copilot Studio para automatizar resúmenes de reuniones y modelos financieros. Sobre el papel, el caso de uso es perfecto: mucho texto, muchas hojas de cálculo, tareas repetitivas y necesidad de rapidez en el análisis.
La teoría decía que Carlyle iba a poder reducir horas en documentación y cálculo, pero en la práctica apareció un obstáculo serio. La IA tenía dificultades para extraer datos fiables de aplicaciones externas, lo que convertía parte de las respuestas en resultados incompletos o poco fiables. Cuando el modelo no entiende bien de dónde sacar los datos, la promesa de automatización se derrumba.
Ante esos problemas técnicos, Carlyle tomó una decisión que muchas otras empresas están copiando: recortar gasto en IA generativa y volverse mucho más selectiva con las soluciones por las que está dispuesta a pagar. No se trata de dejar de invertir en tecnología, porque su presupuesto global en IT sigue creciendo, sino de separar claramente lo que aporta valor probado de lo que todavía está en fase experimental.
Esta reacción es clave para entender la pausa en la IA corporativa. Tu empresa puede seguir invirtiendo en ciberseguridad, infraestructuras o herramientas clásicas de productividad, mientras recorta proyectos de agentes de IA que no hayan demostrado un retorno concreto. Copilot pasa así de ser una apuesta “segura” a un proyecto que necesita justificar su sitio euro a euro.
Pese a todos estos tropiezos, nadie habla de una crisis total del negocio de IA. Lo que se describe es un panorama muy polarizado: hay áreas que funcionan muy bien y otras que directamente no despegan. Aquí Microsoft tiene dos grandes ejemplos positivos que marcan la diferencia.
Por un lado está Azure, su nube empresarial, que sigue creciendo con fuerza y concentrando buena parte de las cargas de trabajo ligadas a IA. Muchas empresas prefieren entrenar y desplegar modelos en Azure, incluso aunque no usen a fondo Copilot, porque ya tienen sus datos y sistemas allí. Por otro lado está GitHub, también propiedad de Microsoft, donde Copilot para desarrolladores ha encajado mucho mejor.
GitHub se ha convertido en una de las unidades que mejor funciona dentro del ecosistema de productos ligados a la inteligencia artificial de Microsoft. En el contexto de desarrollo de software, Copilot encaja de forma muy natural: ayuda a completar código, sugiere funciones y acelera tareas repetitivas, y todo eso se mide mejor que en un entorno de oficina clásico.
Este contraste te muestra que el problema no es tanto la tecnología como el encaje en cada tipo de trabajo. Mientras un programador puede notar enseguida cuándo una función generada por Copilot le ahorra tiempo real, un analista de negocio o un comercial lo tiene más difícil para demostrar que un informe redactado por IA genera ingresos extra visibles.
El reto comercial para Microsoft está, sobre todo, en empujar los agentes de IA automatizados en el entorno empresarial. Estos agentes no son solo un chatbot, sino sistemas que actúan por ti sobre aplicaciones, datos internos y flujos de trabajo. En teoría vas a poder delegar tareas complejas, pero la realidad es que desplegarlos exige bastante más esfuerzo.
Para muchas empresas tradicionales, pagar un sobrecoste por estos agentes de IA no es fácil de justificar frente a soluciones más sencillas. Un chatbot básico, bien configurado, ya resuelve FAQs, consultas internas y pequeñas automatizaciones a un precio mucho más ajustado, con menos necesidad de integrar sistemas críticos o tocar procesos delicados.
El uso de agentes de IA implica integrar datos internos, revisar permisos, garantizar seguridad y, en muchos casos, cambiar la forma en la que tus equipos trabajan. Es algo bastante más complejo que poner un chatbot en la intranet o en la web. Esa complejidad técnica y cultural frena la adopción en un montón de organizaciones que no quieren abrir tantos frentes a la vez.
Es fácil que te ocurra algo parecido: pruebas una demo de IA corporativa con Copilot, te gusta, pero cuando calculas horas de implantación, formación, ciberseguridad y gobernanza de datos, el proyecto se vuelve demasiado pesado para el beneficio que puedes garantizar hoy. Y esa balanza es justo la que mantiene a muchos agentes de IA en fase piloto, sin dar el salto a producción masiva.
Este frenazo no afecta solo a Microsoft. OpenAI, el socio clave detrás de parte de la tecnología de Copilot, también ha tenido que recalcular su apuesta. Según la información publicada, la compañía ha revisado a la baja sus previsiones de ingresos procedentes del mercado de agentes de IA, lo que demuestra que la dificultad para vender estos sistemas es general.
Las nuevas proyecciones recortan en unos 26.000 millones de dólares los ingresos esperados por agentes de IA durante los próximos cinco años. No es un cambio menor, sobre todo si piensas que estos agentes estaban llamados a ser la próxima gran fuente de negocio, tanto en el mundo corporativo como en el consumo masivo.
Para compensar esa bajada en expectativas, OpenAI planea dar más peso a las suscripciones de pago de ChatGPT como principal fuente de ingresos. Es un movimiento muy lógico: ahí el producto está claro, el usuario entiende qué compra y el valor percibido es inmediato, ya sea en una empresa pequeña o en un uso personal avanzado.
Este giro refuerza la idea de que, de momento, la IA generativa funciona mejor como herramienta directa de consulta y apoyo, similar a un superchatbot, que como cerebro automatizado que controla procesos complejos de negocio. Es decir, la IA corporativa a gran escala sigue en desarrollo, mientras que las soluciones más simples, como ChatGPT o Copilot en tareas muy concretas, son las que de verdad mueven dinero hoy.
Todo este panorama dibuja un momento muy particular para la IA corporativa con Copilot. Satya Nadella mostrando Excel asistido por IA y un mensaje de futuro cercano casi perfecto. También datos de uso que sitúan a Microsoft en una buena segunda posición en chatbots, pero con un crecimiento más lento que otros rivales.
Y, al mismo tiempo, ves a gigantes como Carlyle reduciendo gasto en IA, a OpenAI ajustando previsiones de agentes y a directivos como Brian Spanswick admitiendo que la esperanza sigue, pero el retorno real aún no se ve.
Antes de lanzarte a un despliegue masivo, te conviene diseñar casos de uso acotados, medir el impacto con números y exigir a los proveedores, incluidos Microsoft y OpenAI, algo más que una buena demo: necesitas pruebas reales de retorno y fiabilidad para que la IA deje de estar en pausa y se convierta, de verdad, en una pieza clave de tu negocio.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
