Los capitales de riesgo predicen una vez más un aumento en la adopción de la IA empresarial, esta vez señalando 2026 como el año clave. Este pronóstico llega después de tres años de proyecciones optimistas que aún no se han materializado por completo, a pesar de la importante inversión y la proliferación de startups de IA empresarial tras el lanzamiento de ChatGPT de OpenAI.

El optimismo se ve atenuado por datos que indican un lento retorno de la inversión. Una encuesta del MIT de agosto reveló que un asombroso 95% de las empresas no estaban viendo retornos significativos de sus inversiones en IA. Esta desconexión plantea la pregunta crucial: ¿cuándo comenzarán realmente las empresas a cosechar los beneficios de la integración de la IA en sus operaciones?

TechCrunch encuestó a 24 capitales de riesgo centrados en el sector empresarial, y una gran mayoría cree que 2026 marcará un punto de inflexión. Anticipan que las empresas finalmente comenzarán a adoptar la IA de manera significativa, a obtener un valor tangible y, posteriormente, a aumentar sus presupuestos para la tecnología. Sin embargo, esta predicción se hace eco de pronósticos similares realizados en años anteriores, lo que genera escepticismo sobre si 2026 será realmente diferente.

El panorama de la IA empresarial se ha caracterizado por una rápida innovación y un respaldo financiero sustancial. Impulsadas por la promesa de una mayor eficiencia, automatización y toma de decisiones basada en datos, surgieron numerosas startups, que atrajeron un importante capital de riesgo. Sin embargo, la complejidad de la integración de soluciones de IA en la infraestructura empresarial existente, junto con la falta de una comprensión clara de las capacidades y limitaciones de la IA, ha obstaculizado la adopción generalizada.

De cara al futuro, el éxito de la IA empresarial depende de varios factores. Un aspecto clave es una comprensión más realista de las capacidades de la IA. Como señaló Kirby Winfield, socio general fundador de Ascend, las empresas están comenzando a darse cuenta de que los modelos de lenguaje grandes (LLM) no son una solución universal para todos los problemas. La atención se está desplazando hacia la identificación de casos de uso específicos donde la IA puede ofrecer un valor demostrable, en lugar de intentar implementar transformaciones de IA amplias y radicales. La industria anticipa un movimiento hacia aplicaciones de IA más específicas y prácticas dentro de las empresas, impulsando tanto la adopción como el retorno de la inversión.