Genpact y el informe de investigación de HFS encuentran $18 billones en valor empresarial atrapado por brechas de preparación para la IA

La inteligencia artificial se ha convertido en el centro de la estrategia empresarial, con organizaciones de todo el mundo invirtiendo miles de millones de dólares en iniciativas de IA, sistemas agenticos y programas de transformación digital. Sin embargo, según La oportunidad de $18 billones: cuatro deudas empresariales que harán o romperán su futuro de IA, un nuevo informe de Genpact en asociación con HFS Research, la mayoría de las empresas están luchando por convertir las inversiones en IA en valor empresarial medible. La razón, argumenta el informe, no es la falta de tecnología de IA. En cambio, las organizaciones están siendo frenadas por cuatro formas interconectadas de deuda empresarial: deuda de proceso, deuda de datos, deuda tecnológica y deuda de talento. Juntas, estas responsabilidades ocultas atrapan un valor empresarial estimado de $17.9 billones.

La ambición de la IA es alta, pero la preparación empresarial sigue siendo baja

El informe se basa en una encuesta de 2,002 ejecutivos empresariales en 16 industrias y 14 funciones comerciales. Los hallazgos revelan una desconexión sorprendente entre las ambiciones de la IA y la preparación organizacional. Mientras que el 92% de los ejecutivos senior de las empresas Global 2000 creen que la IA agéntica cambiará fundamentalmente la forma en que se ejecuta el trabajo, solo el 13% informa que la IA agéntica ya está integrada en sus operaciones.

Esta brecha se ha vuelto cada vez más importante a medida que las empresas pasan de la experimentación a la implementación. Según el CEO de Genpact, Balkrishan “BK” Kalra, las empresas están pasando de un mundo donde el trabajo es procesado y validado por humanos a uno cada vez más impulsado por flujos de trabajo procesados por máquinas con supervisión humana. Sin embargo, simplemente superponer la IA sobre los sistemas existentes no es suficiente. Las organizaciones deben abordar primero las bases subyacentes que determinan si la IA tiene éxito o fracasa.

El informe describe este desafío como una “brecha de velocidad de la IA”, la diferencia entre lo que los empleados pueden lograr con la IA individualmente y lo que la empresa en general puede lograr a través de la implementación estructurada.

Las cuatro deudas empresariales que socavan la transformación

La investigación identifica cuatro categorías de deuda que colectivamente impiden que las organizaciones se beneficien del valor de la IA.

La deuda tecnológica sigue siendo el desafío más familiar. Más de la mitad de los ejecutivos clasifican su deuda tecnológica como grave, impulsada por sistemas centrales envejecidos, complejidad de integración, concentración de proveedores y cargas de infraestructura. El sistema central promedio de la empresa tiene aproximadamente diez años, mientras que los equipos de desarrollo dedican más del 40% de su tiempo a mantener la tecnología existente en lugar de construir nuevas capacidades.

La deuda de datos surgió como la principal barrera para la IA. Más de la mitad de los datos empresariales se consideran de baja calidad, solo el 33% se considera listo para la IA, y los empleados dedican hasta el 40% de su tiempo a reconciliar, corregir o preparar datos. El informe estima que los fallos en la calidad de los datos contribuyen al 42% de las iniciativas de análisis y IA que se retrasan, no rinden o fracasan directamente.

La deuda de proceso refleja la realidad de que muchas organizaciones siguen confiando en flujos de trabajo manuales, fragmentados y mal gobernados. Casi la mitad de los procesos empresariales aún requieren intervención manual, mientras que menos de la mitad están formalmente documentados y gobernados. Los procesos ineficientes consumen aproximadamente el 40% del tiempo laboral de los empleados y crean barreras significativas para la automatización y la implementación de la IA.

La deuda de talento puede ser la menos visible, pero quizás la más consecuente. Solo el 32% de la fuerza laboral se considera listo para la IA, mientras que hasta la mitad de los trabajadores del conocimiento informan frustración y desvinculación causadas por ineficiencias operativas. Las escasez de talento, las brechas de habilidades y la baja preparación para la IA agravan cada categoría de deuda, ralentizando la adopción y limitando la agilidad organizacional.

La deuda empresarial está costando a las empresas más de lo que se da cuenta

Casi el 90% de los líderes empresariales reconocen que la deuda empresarial ya está afectando el rendimiento empresarial. Las consecuencias van mucho más allá de los departamentos de TI.

El informe encontró que la deuda empresarial aumenta los costos operativos en un promedio del 34%, retrasa los lanzamientos de productos en aproximadamente ocho meses, causa que alrededor del 34% de las iniciativas de transformación no entreguen los resultados esperados y limita la realización del valor de la IA para el 85% de las organizaciones encuestadas.

Es importante destacar que estas deudas no operan de forma independiente. La deuda tecnológica puede degradar la calidad de los datos. La gobernanza débil puede crear ineficiencias de proceso y desafíos de talento al mismo tiempo. Los flujos de trabajo manuales a menudo generan deuda de proceso y deuda de datos al mismo tiempo. El informe argumenta que las organizaciones a menudo fracasan porque intentan resolver una categoría de forma aislada en lugar de tratar la deuda empresarial como un problema de sistema.

Cuantificando la oportunidad de $18 billones

Uno de los hallazgos más llamativos del informe es su estimación de que resolver la deuda empresarial podría desbloquear casi $17.9 billones en valor a través de las empresas Global 2000. Las oportunidades más grandes provienen de la deuda de proceso y la deuda de datos, cada una representando aproximadamente $7.7 billones en valor recuperable. La deuda tecnológica cuenta por $1.5 billones, mientras que la deuda de talento representa aproximadamente $1 billón.

Los investigadores calcularon estas cifras utilizando las estimaciones de los ejecutivos sobre el crecimiento potencial de los ingresos y la reducción de costos como resultado de la resolución de la deuda. Según las respuestas de la encuesta, resolver la deuda empresarial podría producir aproximadamente un 8% de crecimiento anual de los ingresos más rápido y una reducción anual del 16% de los costos en las grandes empresas.

Quizás lo más notable es que el informe concluye que los ahorros de costos solos no cuentan toda la historia. La resolución de la deuda crea oportunidades para lanzamientos de productos más rápidos, ciclos de ventas más cortos, toma de decisiones mejorada, experiencias del cliente mejoradas y despliegues de IA más efectivos. En otras palabras, las organizaciones ganan eficiencia y crecimiento al mismo tiempo.

Por qué las iniciativas de IA se estancan

A pesar de la creciente inversión, muchas iniciativas de IA luchan por avanzar más allá de los programas piloto.

Según la encuesta, la deuda de datos es la principal razón por la que las organizaciones no logran realizar el valor de la IA, citada por el 33% de los encuestados. La deuda tecnológica sigue con el 28%, la deuda de proceso con el 23% y la deuda de talento con el 16%.

Las consecuencias difieren dependiendo del tipo de deuda. La deuda de datos atrapa las iniciativas de IA en las etapas de prueba de concepto. La deuda tecnológica aumenta los costos de implementación y complica la escalabilidad. La deuda de proceso crea resultados poco fiables cuando los agentes de IA operan dentro de flujos de trabajo inconsistentes. La deuda de talento ralentiza la adopción y limita la supervisión humana necesaria para los sistemas agénticos exitosos.

El informe enfatiza una y otra vez que la IA no puede compensar las bases rotas de forma indefinida. Las organizaciones que intentan automatizar procesos defectuosos o desplegar la IA sobre datos de mala calidad arriesgan escalar ineficiencias en lugar de solucionarlas.

Algunas industrias enfrentan oportunidades más grandes que otras

La oportunidad de resolución de la deuda no se distribuye uniformemente en todas las industrias.

La fabricación lidera la lista, con una oportunidad estimada de $4.8 billones que combina crecimiento de ingresos y ahorros de costos. La atención médica y las ciencias de la vida siguen con aproximadamente $3.3 billones, mientras que la venta al por menor y los productos de consumo envasados cuentan por otros $2.7 billones. La energía, la tecnología, la banca, el transporte y los seguros también representan oportunidades significativas.

La naturaleza de la deuda varía por sector. Las organizaciones de servicios financieros tienden a luchar más con la deuda de datos debido a décadas de fusiones, adquisiciones y requisitos regulatorios. La fabricación, la venta al por menor y la atención médica experimentan la mayor deuda de proceso debido a flujos de trabajo largos y multipartitos. Las empresas de ciencias de la vida y hardware de tecnología a menudo enfrentan la mayor deuda tecnológica debido a sistemas de software incrustados y restricciones regulatorias.

En el nivel funcional, los equipos de ingeniería, desarrollo de productos y TI ofrecen las mayores oportunidades para la creación de valor. Estas áreas se encuentran más cerca de las pilas de tecnología, infraestructura y flujos de trabajo que determinan si la IA empresarial puede escalarse con éxito.

El 6% que lo ha resuelto

Uno de los hallazgos más reveladores del informe es que solo el 6% de las empresas califican como “resolutores de deuda probados” según los investigadores. Estas organizaciones han establecido, ejecutado y medido programas de resolución de deuda exitosos. Otro 43% están trabajando activamente en la resolución de la deuda, mientras que el 51% no tiene plan, tiene un plan no aprobado o aún no ha comenzado.

Según la investigación, las organizaciones exitosas comparten varias características. Tratan la resolución de la deuda como un mandato a nivel de CEO en lugar de una iniciativa de TI. Persiguen una estrategia de doble velocidad que equilibre el trabajo fundamental a largo plazo con mejoras operativas a corto plazo. Invierten mucho en capacidades como el desarrollo de talento, la gobernanza, la preparación para la IA y las plataformas de datos. También utilizan la IA para acelerar la reducción de la deuda a través de la minería de procesos, el análisis de flujos de trabajo, la mejora de la calidad de los datos y la capacitación de la fuerza laboral.

Quizás lo más importante es que estas organizaciones actúan en lugar de planificar indefinidamente. El informe concluye que la brecha entre las empresas exitosas y las no exitosas no es principalmente tecnológica. Es una diferencia en la ejecución.

El verdadero desafío de la IA puede que no sea la IA

Uno de los temas más fuertes en todo el informe es que la deuda empresarial es en última instancia un desafío de liderazgo en lugar de un desafío tecnológico. Mientras que las organizaciones siguen aumentando los gastos en IA, muchas están fallando al abordar los problemas operativos, culturales y estructurales que determinan si esas inversiones entregan valor.

Como La oportunidad de $18 billones: cuatro deudas empresariales que harán o romperán su futuro de IA hace claro, la transformación de la IA y la resolución de la deuda ya no son iniciativas separadas. Están cada vez más siendo vistas como el mismo programa desde diferentes ángulos. Las organizaciones que abordan la deuda de proceso, datos, tecnología y talento juntas pueden desbloquear ganancias significativas en eficiencia y crecimiento. Aquellas que continúan construyendo la IA sobre bases inestables arriesgan gastar más mientras logran menos.

Para los líderes empresariales, el mensaje central del informe es simple: conoce dónde está tu deuda, entiende qué te está costando y comienza a solucionarla antes de que los competidores amplíen la brecha. Las organizaciones que ganen la era de la IA pueden que no sean aquellas que gasten la mayor cantidad en inteligencia artificial, sino aquellas que primero construyan las bases operativas necesarias para que la IA tenga éxito.