Casi todos dicen que la IA da valor. Casi nadie lo mide

Según KPMG, el 89% de las empresas encuestadas en el mundo dice obtener valor medible de la IA; solo el 12% tiene mecanismos consistentes para evaluarlo. Nuestra lectura: esa distancia es el hallazgo. Una tecnología puede expandirse sin que casi nadie pueda demostrar si funciona.

Lo que dice el estudio de KPMG y quién lo publica

El informe se llama Global AI Pulse Q3 2026 y lo publica KPMG, …firma multidisciplinaria de servicios profesionales de asesoría, auditoría, impuestos y asuntos legales. Se menciona solo como contexto de quién habla. Las cifras de este texto salen del comunicado de prensa de KPMG difundido a finales de octubre de 2026, no del informe completo.

El comunicado concluye que la ventaja competitiva en IA no dependerá únicamente de qué tan rápido se adopte, sino de combinar liderazgo, gobernanza (las reglas, los controles y los responsables que rigen cómo se usa la IA), resiliencia y una medición efectiva del valor generado. Es decir, quien publica el estudio incluye la medición del valor entre las condiciones de la ventaja competitiva.

La muestra define lo que el estudio puede decir. Según el comunicado, el sondeo reunió a más de 2,100 líderes empresariales de 20 países entre julio y agosto de 2026, y las empresas de los participantes reportan ingresos anuales superiores a 50 millones de dólares. Es una fotografía de empresas grandes; no describe a las pequeñas.

Dentro de esa muestra hay dos cifras que parecen hablar de lo mismo y no lo hacen. De acuerdo con KPMG, el 89% de las empresas encuestadas a nivel global afirma obtener valor medible de la IA. Pero solo el 12% cuenta con mecanismos consistentes para evaluar el valor generado frente a la inversión realizada.

Conviene leerlas con cuidado. El estudio no afirma que la mayoría fracase ni que la IA no funcione: mide si existe un mecanismo de evaluación, no si hubo retorno. Además, el comunicado no precisa si el 12% se calcula sobre todos los encuestados o solo sobre quienes dicen obtener valor, así que las dos cifras no deben restarse ni encadenarse.

“Valor medible” no es lo mismo que valor medido

Lo que sigue es lectura de glitchMentalMX, no conclusión de KPMG. La diferencia empieza en los verbos: afirmar que hay valor es una declaración; medirlo de forma consistente es un sistema.

La encuesta registra la afirmación, no el procedimiento detrás de ella. “Medible” describe una posibilidad: que el valor podría medirse. “Medido” exige un método que aplique los mismos criterios en cada proyecto y a lo largo del tiempo, y que compare el resultado contra lo invertido. Sin esa consistencia, el valor es una suma de anécdotas.

Un ejemplo hipotético muestra por qué importa. Un área reporta horas ahorradas al redactar informes; otra reporta menor tiempo de respuesta con un asistente. Ambas dicen la verdad dentro de su propia métrica. Pero si cada una cuenta algo distinto y ninguna resta lo que costó la herramienta, nadie puede decir cuál de las dos iniciativas valió la pena, ni si alguna lo hizo.

Casi nueve de cada diez empresas encuestadas en el mundo dicen obtener valor medible de la IA, pero solo el 12% cuenta con mecanismos consistentes para evaluarlo frente a lo que invirtió. (Datos: KPMG, Global AI Pulse Q3 2026)

Existen otras formas de medir la IA, pero responden otra pregunta. El estudio del MIT que cubrimos en abril evalúa el desempeño en tareas concretas; el comunicado de KPMG pregunta por el valor frente a la inversión. Un modelo puede rendir bien en una tarea y aun así no justificar lo que cuesta usarlo, y esa segunda pregunta es la que pocas empresas pueden responder con un método consistente.

Lo que sí se mide: el costo

Hay una parte del balance que sí se vigila. KPMG sugiere que, aunque la mayoría de las empresas da seguimiento a los costos de sus iniciativas de IA, la disciplina financiera en torno a esta tecnología sigue poco desarrollada. El costo se mide porque llega solo: aparece en facturas, licencias, consumo de nube y horas de personal.

El beneficio no llega solo. Medirlo exige fijar un punto de partida, atribuir el cambio a la herramienta y no a otra cosa que cambió al mismo tiempo, y repetir la medición con el mismo criterio. Es trabajo de método, no de tecnología, y nadie lo hace por defecto. El resultado es una contabilidad desbalanceada: el gasto queda documentado y el beneficio, declarado.

Quién responde cuando el valor no está medido

El comunicado aporta un dato sobre responsabilidad: según el estudio, en el 53% de los casos a nivel global la responsabilidad por las decisiones basadas en IA recae en la alta dirección.

Conviene no leer de más. Ese dato dice quién responde por las decisiones apoyadas en IA; no dice quién aprueba el gasto ni quién reporta el valor. Lo que sigue es hipótesis editorial, no hallazgo del estudio: ¿qué ocurre cuando quien aprobó la inversión es también quien declara que funcionó?

No es una acusación, sino un problema de diseño que cualquier organización conoce. Cuando quien decide también certifica el resultado, hace falta un criterio fijo, definido antes del resultado, contra el cual contrastarlo. Un mecanismo consistente de evaluación cumple justo esa función; sin él, la declaración de valor es lo único que existe y no hay con qué cuestionarla.

Qué dicen las cifras en México

El comunicado desglosa los resultados de México. En las empresas mexicanas encuestadas, con ingresos anuales superiores a 50 millones de dólares, el 90% afirma obtener valor medible de la IA y el 14% cuenta con mecanismos consistentes para evaluar el valor generado frente a la inversión realizada. A nivel global, las cifras son 89% y 12%. El comunicado no informa cuántas de las empresas encuestadas son mexicanas, por lo que estos porcentajes describen a ese grupo sin que se pueda calibrar su tamaño.

En ese mismo grupo, el 37% reporta una implementación significativa de agentes de IA en sus operaciones, frente al 34% a nivel global. Los agentes de IA son sistemas que ejecutan tareas por su cuenta, sin que una persona intervenga en cada paso. En el artículo sobre agentes de IA y la empresa sin jefes ya planteamos que el mayor obstáculo para ellos es institucional, no técnico.

Además, el 75% de ese grupo evalúa la ubicación, el control y la gobernanza de sus modelos de IA, contra el 72% a nivel global. Es una pregunta distinta y la comparación no es exacta, pero muestra qué parte de la disciplina está más desarrollada en esa muestra: evaluar el control de los modelos es más común que contar con mecanismos consistentes para medir su valor.

Declarar valor ya es práctica generalizada en la muestra; demostrarlo de forma consistente, no. Mientras tanto, la IA sigue entrando a las operaciones. ¿Qué ocurre con una tecnología que ya opera como infraestructura sin que casi nadie pueda demostrar si funciona?