La IA está en todas partes en los laboratorios de I+D. ¿Entonces por qué se siguen perdiendo miles de millones?

Puntos clave

• Más de una de cada tres organizaciones gasta entre el 25 y el 40 por ciento de su presupuesto de I+D en proyectos que nunca llegan al mercado.
• Casi la mitad de los equipos de I+D estiman que cancelar un único proyecto durante el desarrollo o las pruebas cuesta más de un millón de dólares en inversión desperdiciada.
• La mayoría de las organizaciones utilizan IA para tareas de ejecución como el análisis de datos, no para apoyo en la toma de decisiones al inicio de un proyecto.
• Investigadores y directivos señalan que una mejor inteligencia en la etapa inicial de ideación y viabilidad, antes de comprometer recursos importantes, proporcionaría el mayor valor.

Imagina una empresa que invierte años y millones en desarrollar un producto, solo para abandonarlo antes del lanzamiento. No es un desastre raro. Es práctica común.

Un nuevo informe técnico, destacado por IEEE Spectrum AI, revela que más de un tercio de las organizaciones pierden entre una cuarta parte y el 40 por ciento de todo su presupuesto de I+D en proyectos que nunca llegan a los clientes. I+D, para quien no esté familiarizado, es el trabajo interno que realizan las empresas para inventar y perfeccionar nuevos productos antes de ponerlos a la venta.

¿Entonces, a dónde va el dinero?

La mayoría va a proyectos que se ven prometedores al principio y luego fracasan al final. Casi la mitad de los equipos encuestados estiman el costo de cancelar un único proyecto durante el desarrollo o las pruebas en más de un millón de dólares. Esta cifra incluye salarios, equipos y tiempo de pruebas invertidos antes de que finalmente alguien detenga el proyecto.

Las cancelaciones tardías son las más costosas. Un proyecto cancelado después de dos años de trabajo cuesta mucho más que uno rechazado en el primer mes.

¿Por qué la IA no ha solucionado esto?

La IA no ha solucionado esto porque la mayoría de las empresas la están aplicando a la parte equivocada del proceso. El informe revela que las organizaciones típicamente aplican IA a tareas de ejecución: procesar conjuntos de datos o construir modelos. Esto es valioso, pero viene después de que las grandes decisiones ya se han tomado.

La pregunta más difícil, si un equipo debe construir algo en absoluto, tiende a responderse de la manera antigua: intuición y cualquier información que alguien pueda reunir manualmente. Ahí es donde se esconde el verdadero desperdicio.

¿Qué ayudaría realmente?

Los encuestados fueron claros. Una mejor inteligencia en la etapa de ideación y viabilidad, la fase más temprana cuando un proyecto es solo una idea siendo puesta a prueba contra la realidad, proporcionaría el mayor valor. Detectar una mala apuesta en la segunda semana es mucho más barato que detectarla en el segundo año.

Herramientas de IA que ayuden a los equipos a evaluar el ajuste al mercado o la viabilidad técnica antes de asignar presupuestos podrían reducir ese desperdicio considerablemente. En la actualidad, pocas organizaciones utilizan IA de esa manera. Es un patrón que observamos el 24 de julio de 2026 cuando nuestro informe anterior sobre IA y desempeño de equipos encontró que las organizaciones tienden a automatizar tareas individuales mientras dejan sin tocar las decisiones que dan forma a esas tareas.

Para cualquiera que trabaje en una empresa que fabrique productos físicos o digitales, esto importa. El gasto desperdiciado en I+D eventualmente se manifiesta como una innovación más lenta o precios más altos. Llevar la IA a la capa de decisión, no solo a la capa de datos, es donde cambia la economía.

Preguntas comunes

¿Esto se aplica a pequeños negocios, o solo a grandes empresas?

El informe no limita sus hallazgos a grandes corporaciones. Cualquier organización que realice un proceso formal de investigación o desarrollo, desde un fabricante mediano hasta un estudio de software, enfrenta la misma dinámica: dinero comprometido temprano, decisiones tomadas tarde.

¿Qué debería retomar un director no técnico de esto?

Pregunta a tu equipo dónde se está utilizando realmente la IA. Si la respuesta es solo en análisis después de que un proyecto ya está en marcha, la decisión que inició el proyecto probablemente no tuvo apoyo de IA en absoluto, y esa es la brecha que vale la pena cerrar.