Cuánto tarda una empresa en pasar de probar IA a tener resultados medibles

La pregunta que casi todos hacen es "¿cuánto tiempo hasta que veamos resultados?", como si existiera un plazo universal —seis meses, un año— que aplica igual para cualquier empresa que empieza a usar IA. La pregunta tiene una trampa: asume que más adopción, sostenida más tiempo, se convierte automáticamente en más resultado. La evidencia más reciente dice que no es así.

El Global Survey on AI 2026 de McKinsey encontró que casi 9 de cada 10 organizaciones ya usan IA regularmente en al menos una función de negocio, y que el 44% ya escaló su uso a toda la empresa —contra el 38% del año anterior—. Sin embargo, solo el 37% de las organizaciones dijo que la IA contribuyó positivamente a su resultado financiero (EBIT), un número prácticamente sin cambios respecto a 2025. Más empresas adoptando, más tiempo de uso acumulado, y el resultado financiero no se movió en la misma proporción.

La explicación más clara de por qué pasa esto viene de un lugar inesperado: un estudio de investigadores del MIT y Wharton sobre más de 100.000 desarrolladores de software encontró que, al usar IA, el volumen de código escrito subió más del 700% y la cantidad de pull requests un 65% — pero el software que efectivamente se llegó a lanzar a producción creció solo un 20%. Todo ese exceso de producción se frenó en el único punto que la IA no reemplaza: alguien tiene que decidir qué está lo suficientemente bien como para publicarse. Producir más rápido no acorta automáticamente el camino a un resultado real si el cuello de botella siempre estuvo en otro lado.

El modelo de tres horizontes que describe McKinsey (individual → integración a procesos de equipo → transformación de cómo la empresa genera valor) ubica el problema con precisión: la mayoría de las organizaciones avanzó en el primer horizonte y quedó estancada antes de llegar al segundo. El tiempo que tarda una empresa en ver resultados no depende de cuánto tiempo lleva usando IA — depende de si logró cruzar, o no, hacia ese segundo horizonte, donde la herramienta deja de ser un agregado individual y pasa a estar integrada al proceso de trabajo del equipo.

El tiempo que tarda una empresa en ver resultados de IA no se cuenta en meses de uso. Se cuenta en si el proceso de trabajo se rediseñó, o si la herramienta solo se agregó encima del proceso viejo.

Hay un dato adicional que explica por qué esto es difícil de ver desde adentro: la Encuesta Nacional de nadIA (abril 2026) encontró que el 57% de las pymes argentinas que ya usan IA no mide formalmente su impacto. Sin medición, es imposible saber si el tiempo que pasó desde que se empezó a usar la herramienta ya debería haber mostrado un resultado, o si el problema es que nunca se rediseñó nada para que ese resultado pudiera aparecer.

La implicancia práctica: no hay una cifra de "cuántos meses" que valga para cualquier empresa, y cualquiera que la ofrezca sin conocer tu caso está inventando un número. Lo que sí se puede decir con la evidencia disponible es qué acorta ese tiempo — rediseñar el proceso, no solo sumar la herramienta — y qué lo alarga indefinidamente: seguir en el horizonte uno, sin medir, esperando que el resultado aparezca solo.