Hanademi

Enterprise AI has a value problemLa IA empresarial tiene un problema de valor

34 slides · 24 min · 2026-07-23 language
ENES
theme
LightDark
view
DeckTableTalk
brand
HanademiPlatzi
Enterprise AI has a valueproblemMade for Freddy Vega, by Hanademi
  1. Experimentation is widespread, but scaled value remains rare.
  2. 4 technical terms carry much of the argument.
  3. A headline company case is not enough, so the next question is where controlled evidence shows AI helps or hurts.
La IA empresarial tiene unproblema de valorMade for Freddy Vega, by Hanademi
  1. La experimentación está extendida, pero el valor a escala sigue siendo raro.
  2. 4 términos técnicos sostienen buena parte del argumento.
  3. Un caso empresarial llamativo no basta, así que la siguiente pregunta es dónde muestra la evidencia controlada que la IA ayuda o perjudica.
Only 4% of companies lead in AI valueBCG classification of surveyed companies by realized AI value, 2024.Made for Freddy Vega, by HanademiSources: Boston Consulting Group. (2024). Where's the value in AI?Unitshare of companiesAI leaders4%Emerging value22%Limited value74%
Enterprise AI crossed the awareness barrier, not the value barrier. BCG placed 74% of surveyed companies in the limited-value group. Only 4% qualified as leaders.
Solo el 4% de las empresas lidera en valorde IAClasificación de BCG de las empresas encuestadas según el valor obtenido con IA, 2024.Made for Freddy Vega, by HanademiFuentes: Boston Consulting Group. (2024). Where's the value in AI?Unidadproporción de empresasLíderes de IA4 %Valor emergente22 %Valor limitado74 %
La IA empresarial superó la barrera del conocimiento, no la del valor. BCG situó al 74% de las empresas encuestadas en el grupo de valor limitado. Solo el 4% calificó como líder.
The terms behind the argumentMade for Freddy Vega, by HanademiAugmentationAI assists a person who remains responsible for deciding, reviewing or completingthe work.AutomationA system completes a task or process with limited direct human intervention.Capability frontierThe irregular boundary separating tasks a model handles reliably from similartasks where it may fail.ExposureThe share of work tasks that AI could affect, which does not by itself mean automation orjob loss.
4 technical terms carry much of the argument.
Los términos detrás del argumentoMade for Freddy Vega, by HanademiAumento humanoLa IA ayuda a una persona que conserva la responsabilidad de decidir, revisar ocompletar el trabajo.AutomatizaciónUn sistema completa una tarea o proceso con intervención humana directa limitada.Frontera de capacidadEl límite irregular que separa tareas que un modelo resuelve de formafiable de tareas parecidas en las que puede fallar.ExposiciónLa proporción de tareas que la IA podría afectar, lo que por sí solo no significaautomatización ni pérdida de empleo.
4 términos técnicos sostienen buena parte del argumento.
Europe’s ICT workforce kept growingthrough 2025Employed ICT specialists in the EU, thousands of people, 2015-2025.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Employed information and communications technology (ICT) specialists [ISOC_SKS_ITSPT]. Eurostat.Unitthousands of people6K8K10K201520172019202120232025The EU employed 6.56 millionspecialists in 2015.Employment reached 10.45million in 2025.
The EU added almost 3.9 million ICT specialists between 2015 and 2025. Employment reached 10.45 million in the latest observation. The series provides labor context, not a causal estimate of AI's effect.
La fuerza laboral TIC europea siguiócreciendo hasta 2025Especialistas TIC empleados en la UE, miles de personas, 2015-2025.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Employed information and communications technology (ICT) specialists [ISOC_SKS_ITSPT]. Eurostat.Unidadmiles de personas6K8K10K201520172019202120232025La UE empleaba a 6,56 millonesde especialistas en 2015.El empleo alcanzó 10,45 millonesen 2025.
La UE añadió casi 3,9 millones de especialistas TIC entre 2015 y 2025. El empleo alcanzó 10,45 millones en la última observación. La serie aporta contexto laboral, no una estimación causal del efecto de la IA.
Spain’s ICT workforce nearly doubled in adecadeEmployed ICT specialists in Germany and Spain, thousands of people, 2015-2025.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Employed information and communications technology (ICT) specialists [ISOC_SKS_ITSPT]. Eurostat.Unitthousands of people01K2K201520172019202120232025GermanySpainSpain began at 571,200specialists.Spain reached 1.06 million in2025.
Spain rose from 571,200 ICT specialists in 2015 to 1.06 million in 2025. Germany also grew, reaching 2.32 million. AI may reshape technical jobs before it reduces their total number.
La fuerza laboral TIC de España casi seduplicó en una décadaEspecialistas TIC empleados en Alemania y España, miles de personas, 2015-2025.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Employed information and communications technology (ICT) specialists [ISOC_SKS_ITSPT]. Eurostat.Unidadmiles de personas01K2K201520172019202120232025AlemaniaEspañaEspaña comenzó con 571.200especialistas.España alcanzó 1,06 millones en2025.
España pasó de 571.200 especialistas TIC en 2015 a 1,06 millones en 2025. Alemania también creció y alcanzó 2,32 millones. La IA puede transformar los empleos técnicos antes de reducir su número total.
Support AI helps novices mostChange in issues resolved per hour among 5,172 customer-support agents.Made for Freddy Vega, by HanademiSources: Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics.Unitproductivity change34%Least experienced14%All agents0%Most experienced
Across 5,172 agents, generative AI increased issues resolved per hour by 14%. The least experienced workers gained 34%. The most experienced group showed no measured gain.
La IA de soporte ayuda más a losprincipiantesCambio en incidencias resueltas por hora entre 5.172 agentes de atención al cliente.Made for Freddy Vega, by HanademiFuentes: Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics.Unidadcambio de productividad34 %Menos experimentados14 %Todos los agentes0 %Más experimentados
Entre 5.172 agentes, la IA generativa aumentó un 14% las incidencias resueltas por hora. Los trabajadores menos experimentados ganaron un 34%. El grupo más experimentado no mostró una mejora medida.
Leadership shapes the wagerThe Klarna CEO stands for a portrait against a textured geometric background.Sources: After hyping AI, Klarna CEO says it will offer humans for customer service to .... indiatoday.in.
This leadership portrait puts a human face on the operating bet examined in Klarna’s customer-service results.
El liderazgo define la apuestaEl CEO de Klarna posa ante un fondo geométrico texturizado.Fuentes: After hyping AI, Klarna CEO says it will offer humans for customer service to .... indiatoday.in.
Este retrato de liderazgo pone rostro humano a la apuesta operativa examinada en los resultados de atención al cliente de Klarna.
Klarna reported gains across 3 serviceoutcomesCompany-reported share of chats handled and reductions in repeat inquiries and resolution time, 2024.Made for Freddy Vega, by HanademiSources: Klarna. (2024). Klarna AI assistant handles two-thirds of customer service chats in its first month.Unitreported percentageChats handled66%Fewer repeat inquiries25%Resolution-time reduction82%
Klarna said its assistant handled 66% of service chats. It also reported 25% fewer repeat inquiries and an 82% reduction in average resolution time. These are company-reported results rather than an independent experiment.
Klarna informó mejoras en 3 resultados deservicioProporción de chats atendidos y reducciones en consultas repetidas y tiempo de resolución comunicadas porla empresa, 2024.Made for Freddy Vega, by HanademiFuentes: Klarna. (2024). Klarna AI assistant handles two-thirds of customer service chats in its first month.Unidadporcentaje comunicadoChats atendidos66 %Menos consultas repetidas25 %Reducción del tiempo82 %
Klarna afirmó que su asistente atendió el 66% de los chats de servicio. También informó un 25% menos de consultas repetidas y una reducción del 82% en el tiempo medio de resolución. Son resultados comunicados por la empresa, no un experimento independiente.
Evidence must test the promiseAn illuminated neoclassical academic building stands behind trees at dusk.Sources: aiblmedia.com.
A headline company case is not enough, so the next question is where controlled evidence shows AI helps or hurts.
La evidencia debe poner a prueba la promesaUn edificio académico neoclásico iluminado se alza detrás de árboles al anochecer.Fuentes: aiblmedia.com.
Un caso empresarial llamativo no basta, así que la siguiente pregunta es dónde muestra la evidencia controlada que la IA ayuda o perjudica.
AI helps inside its frontier and hurts outsideitSuitable-task improvements of +25.1%, +40.0%, and +12.2% versus a -19 percentage-point correctnesschange on an unsuitable assignment in a 758-consultant GPT-4 experiment.Made for Freddy Vega, by HanademiSources: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.;BCG + GPT-4: 12% more tasks, 25% faster, 40% quality gain (n=758).; Harvard Study: AI Doesn't Improve All Work Equally.The three suitable-task changes are +25.1%, +40.0%, and +12.2%.Unitchange versus control0%20%40%25.1%Suitable-task speed40%Suitable-task quality12.2%Tasks completed-19%Unsuitable-task correctnessNo change
On suitable tasks, consultants worked 25.1% faster, earned quality scores 40.0% higher, and completed 12.2% more tasks. On an assignment outside GPT-4's frontier, assisted consultants were 19 percentage points less likely to answer correctly. The operating control is knowing which task is which.
La IA ayuda dentro de su frontera yperjudica fueraMejoras de +25,1%, +40,0% y +12,2% en tareas adecuadas frente a un cambio de -19 puntos porcentuales enexactitud en una tarea inadecuada, en un experimento con 758 consultores y GPT-4.Made for Freddy Vega, by HanademiFuentes: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; BCG+ GPT-4: 12% more tasks, 25% faster, 40% quality gain (n=758).; Harvard Study: AI Doesn't Improve All Work Equally.Los tres cambios en tareas adecuadas son +25,1%, +40,0% y +12,2%.Unidadcambio frente al control0 %20 %40 %25,1 %Velocidad en tarea adecuada40 %Calidad en tarea adecuada12,2 %Tareas completadas-19 %Exactitud en tarea inadecuadaSin cambio
En tareas adecuadas, los consultores trabajaron un 25,1% más rápido, obtuvieron puntuaciones de calidad 40,0% superiores y completaron un 12,2% más de tareas. En una tarea fuera de la frontera de GPT-4, los consultores asistidos tuvieron 19 puntos porcentuales menos de probabilidad de acertar. El control operativo consiste en distinguir ambas clases de tarea.
IDC found that 88% of observed AIproofs of concept did not reachwidescale deployment.The enterprise bottleneck is converting experiments into repeatable operations. Only fourof every 33 entered production.Sources: cio.com.
IDC found that 88% of observed proofs of concept did not reach widescale deployment. Only 4 of every 33 entered production. Some stopped experiments are prudent, but the conversion gap is still severe.
Sources
IDC encontró que el 88% de las pruebasde concepto observadas no alcanzó undespliegue amplio.El cuello de botella empresarial es convertir experimentos en operaciones repetibles.Solo cuatro de cada 33 pasaron a producción.Fuentes: cio.com.
IDC encontró que el 88% de las pruebas de concepto observadas no alcanzó un despliegue amplio. Solo 4 de cada 33 entraron en producción. Algunos experimentos cancelados son decisiones prudentes, pero la brecha de conversión sigue siendo grave.
Fuentes
Production requires organizationTwo people stand beside a conference table facing a blank display in a server-room office.Sources: GenAI Advantage May Belong to Firms That Already Have It | Harvard Business School AI Institute. aiinstitute.hbs.edu.
Moving from pilot to production requires people to align workflows, decisions, and infrastructure.
La producción exige organizaciónDos personas están junto a una mesa de reuniones frente a una pantalla en blanco en una oficina conservidores.Fuentes: GenAI Advantage May Belong to Firms That Already Have It | Harvard Business School AI Institute. aiinstitute.hbs.edu.
Pasar del piloto a producción exige que las personas alineen flujos de trabajo, decisiones e infraestructura.
Most AI transformation is not algorithmsBCG allocation of AI transformation effort across people, technology and algorithms.Made for Freddy Vega, by HanademiSources: Boston Consulting Group. (2024). Where's the value in AI?Unitshare of transformation effortPeople and processes70%Technology and data20%Algorithms10%
BCG assigns roughly 70% of transformation effort to people and processes. Technology and data receive 20%, while algorithms receive 10%. Tool deployment alone therefore misses most of the operating work.
La mayor parte de la transformación con IAno son algoritmosDistribución de BCG del esfuerzo de transformación con IA entre personas, tecnología y algoritmos.Made for Freddy Vega, by HanademiFuentes: Boston Consulting Group. (2024). Where's the value in AI?Unidadproporción del esfuerzo de transformaciónPersonas y procesos70 %Tecnología y datos20 %Algoritmos10 %
BCG asigna aproximadamente el 70% del esfuerzo de transformación a personas y procesos. Tecnología y datos reciben el 20%, mientras los algoritmos reciben el 10%. Desplegar herramientas por sí solo omite la mayor parte del trabajo operativo.
Poland broke away on workplace ICTtrainingEurostat indicator for enterprises providing ICT-skills training, 2015-2024.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Enterprises that provided training to develop/upgrade ICT skills of their personnel by NACERev.2 activity [ISOC_SKE_ITTN2]. Eurostat.Unitpublished indicator value0510152015201720192022EuropeanUnionGermanySpainFranceItalyPolandPoland reached 16.18 in 2024.
Poland separated sharply from the comparison group by 2024. Spain and France moved lower over the period. The measure covers broad ICT training, not AI-specific training.
Polonia se desmarcó en formación TIClaboralIndicador de Eurostat sobre empresas que ofrecen formación en habilidades TIC, 2015-2024.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Enterprises that provided training to develop/upgrade ICT skills of their personnel by NACERev.2 activity [ISOC_SKE_ITTN2]. Eurostat.Unidadvalor del indicador publicado0510152015201720192022UniónEuropeaAlemaniaEspañaFranciaItaliaPoloniaPolonia alcanzó 16,18 en 2024.
Polonia se separó claramente del grupo de comparación en 2024. España y Francia descendieron durante el período. La medida cubre formación TIC general, no formación específica en IA.
Sweden’s ICT-training indicator reversedafter 2022Eurostat indicator for Swedish enterprises providing ICT-skills training, 2015-2024.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Enterprises that provided training to develop/upgrade ICT skills of their personnel by NACERev.2 activity [ISOC_SKE_ITTN2]. Eurostat.Unitpublished indicator value6820152016201720182019202020222024The indicator peaked at 9.24 in2022.It fell to 6.23 in 2024.
Sweden's indicator climbed to 9.24 in 2022. It then fell to 6.23 in 2024. Organizational capability cannot be assumed from a country's technology reputation.
El indicador de formación TIC de Sueciaretrocedió después de 2022Indicador de Eurostat sobre empresas suecas que ofrecen formación en habilidades TIC, 2015-2024.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Enterprises that provided training to develop/upgrade ICT skills of their personnel by NACERev.2 activity [ISOC_SKE_ITTN2]. Eurostat.Unidadvalor del indicador publicado6820152016201720182019202020222024El indicador alcanzó un máximode 9,24 en 2022.Cayó a 6,23 en 2024.
El indicador de Suecia subió hasta 9,24 en 2022. Después cayó a 6,23 en 2024. La capacidad organizativa no puede deducirse de la reputación tecnológica de un país.
Employees adopted AI faster than theiremployersWorkplace AI behaviors among surveyed knowledge workers and workplace AI users, Microsoft andLinkedIn, 2024.Made for Freddy Vega, by HanademiSources: Microsoft & LinkedIn. (2024). 2024 Work Trend Index Annual Report.Unitshare of respondents78%Bring their own AI75%Use AI at work53%Hide important use
Three quarters of surveyed knowledge workers said they used AI at work. Among workplace AI users, 78% brought their own tools. Bottom-up adoption brings speed, but also fragmented controls and hidden use.
Los empleados adoptaron la IA más rápidoque sus empresasComportamientos laborales con IA entre trabajadores del conocimiento y usuarios de IA encuestados,Microsoft y LinkedIn, 2024.Made for Freddy Vega, by HanademiFuentes: Microsoft & LinkedIn. (2024). 2024 Work Trend Index Annual Report.Unidadproporción de encuestados78 %Llevan su propia IA75 %Usan IA en el trabajo53 %Ocultan usos importantes
Tres cuartas partes de los trabajadores del conocimiento encuestados dijeron usar IA en el trabajo. Entre los usuarios laborales de IA, el 78% llevó sus propias herramientas. La adopción desde abajo aporta velocidad, pero también controles fragmentados y uso oculto.
Adoption happens where people workPeople work on laptops at café tables beside a city street.Sources: AI-native companies threaten incumbents with transformative workflow redesign | Noah Intelligence. noah-news.com.
Employee-led adoption becomes an operating reality wherever people bring AI into everyday work.
La adopción ocurre donde trabaja la genteVarias personas trabajan con portátiles en las mesas de una cafetería junto a una calle urbana.Fuentes: AI-native companies threaten incumbents with transformative workflow redesign | Noah Intelligence. noah-news.com.
La adopción impulsada por los empleados se convierte en realidad operativa allí donde las personas incorporan la IA al trabajo cotidiano.
AI adoption and worker anxiety coexistFeelings about future workplace AI use among U.S. workers, Pew Research Center, 2025.Made for Freddy Vega, by HanademiSources: Pew Research Center. (2025). Workers' views of AI use in the workplace.Unitshare of U.S. workersWorried52%Hopeful36%Overwhelmed33%
Pew found 52% of U.S. workers worried about future workplace AI. Only 36% felt hopeful, while 33% felt overwhelmed. Adoption and anxiety are simultaneous rather than contradictory.
La adopción de IA y la ansiedad laboralcoexistenSentimientos de trabajadores estadounidenses sobre el futuro uso laboral de IA, Pew Research Center,2025.Made for Freddy Vega, by HanademiFuentes: Pew Research Center. (2025). Workers' views of AI use in the workplace.Unidadproporción de trabajadores estadounidensesPreocupados52 %Esperanzados36 %Abrumados33 %
Pew encontró que el 52% de los trabajadores estadounidenses estaba preocupado por el futuro uso laboral de IA. Solo el 36% sentía esperanza y el 33% se sentía abrumado. La adopción y la ansiedad son simultáneas, no contradictorias.
Employers expect job churn, not netextinctionEmployer projections for jobs created, displaced and net change by 2030, millions of jobs.Made for Freddy Vega, by HanademiSources: World Economic Forum. (2025). Future of Jobs Report 2025.Unitmillions of projected jobs170Created by 203092Displaced by 203078Net increase
WEF employers projected 170 million jobs created and 92 million displaced by 2030. That implies a net increase of 78 million. A positive total can still hide painful losses by occupation, region and skill level.
Los empleadores esperan rotación laboral,no extinción netaProyecciones empresariales de empleos creados, desplazados y cambio neto para 2030, millones deempleos.Made for Freddy Vega, by HanademiFuentes: World Economic Forum. (2025). Future of Jobs Report 2025.Unidadmillones de empleos proyectados170Creados para 203092Desplazados para 203078Aumento neto
Los empleadores del WEF proyectaron 170 millones de empleos creados y 92 millones desplazados para 2030. Eso implica un aumento neto de 78 millones. Un total positivo aún puede ocultar pérdidas graves por ocupación, región y nivel de habilidad.
Europe’s knowledge-intensive workforcerecovered after 2020Employment in technology and knowledge-intensive sectors across the EU, thousands of people, 2010-2025.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unitthousands of people180K190K200K201020132016201920222025Employment fell to 196.32 millionin 2020.It reached 207.84 million in2025.186,501.4
EU employment in technology and knowledge-intensive sectors dipped in 2020. It then rose to 207.84 million in 2025. The series does not isolate AI, but it challenges claims of an already visible economy-wide collapse.
La fuerza laboral europea intensiva enconocimiento se recuperó después de 2020Empleo en sectores tecnológicos e intensivos en conocimiento de la UE, miles de personas, 2010-2025.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unidadmiles de personas180K190K200K201020132016201920222025El empleo cayó a 196,32 millonesen 2020.Alcanzó 207,84 millones en 2025.186.501,4
El empleo de la UE en sectores tecnológicos e intensivos en conocimiento cayó en 2020. Después subió hasta 207,84 millones en 2025. La serie no aísla el efecto de la IA, pero cuestiona un supuesto colapso general ya visible.
Spain pulled ahead while Germany flattenedEmployment in technology and knowledge-intensive sectors, thousands of people, 6 European countries,2010-2025.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unitthousands of people020K40K201020132016201920222025GermanySpainFranceItalyNetherlandsPolandSpain had 19.19 million workersin 2020.Spain reached 22.20 million in2025.
Spain grew strongly after 2020, while Germany ended nearly flat from 2019. France and Italy also expanded. National labor outcomes are diverging beneath the aggregate debate.
España avanzó mientras Alemania seestancóEmpleo en sectores tecnológicos e intensivos en conocimiento, miles de personas, 6 países europeos,2010-2025.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unidadmiles de personas020K40K201020132016201920222025AlemaniaEspañaFranciaItaliaPaísesBajosPoloniaEspaña tenía 19,19 millones detrabajadores en 2020.España alcanzó 22,20 millones en2025.
España creció con fuerza después de 2020, mientras Alemania terminó casi sin cambios frente a 2019. Francia e Italia también se expandieron. Los resultados laborales nacionales divergen bajo el debate agregado.
Sweden’s knowledge-intensive employmentstalled after 2022Employment in Swedish technology and knowledge-intensive sectors, thousands of people, 2010-2025.Made for Freddy Vega, by HanademiSources: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unitthousands of people4K5K20102012201420162018202020222024Employment peaked at 5.27million in 2023.It ended at 5.26 million in2025.
Swedish knowledge-intensive employment grew through 2023. It then remained near 5.26 million through 2025. Stable headcount does not mean stable job content.
El empleo intensivo en conocimiento deSuecia se estancó después de 2022Empleo en sectores tecnológicos e intensivos en conocimiento de Suecia, miles de personas, 2010-2025.Made for Freddy Vega, by HanademiFuentes: Eurostat. (n.d.). Employed persons in technology and knowledge-intensive sectors by NACE Rev. 2 activity (2008-2026)[HTEC_EMP_NAT2]. Eurostat.Unidadmiles de personas4K5K20102012201420162018202020222024El empleo alcanzó un máximode 5,27 millones en 2023.Terminó en 5,26 millones en2025.
El empleo sueco intensivo en conocimiento creció hasta 2023. Después se mantuvo cerca de 5,26 millones hasta 2025. Una plantilla estable no implica un contenido laboral estable.
Ireland joined India atop ICT-serviceexportsICT services as a share of service exports, 6 economies, 2010-2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). ICT service exports (% of service exports, BoP) [BX.GSR.CCIS.ZS]. World Bank Open Data.Unitshare of service exports0%20%40%60%201020132016201920222025BrazilChinaUnitedKingdomIndiaIrelandPolandIreland reached 57.37% in 2024.India remained at 48.60% in2025.
ICT services represented 57.37% of Ireland's service exports in 2024. India's share remained near 48.60% in 2025. Changes to knowledge work can therefore create concentrated national risks.
Irlanda se unió a India en la cima de lasexportaciones TICServicios TIC como proporción de las exportaciones de servicios, 6 economías, 2010-2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). ICT service exports (% of service exports, BoP) [BX.GSR.CCIS.ZS]. World Bank OpenData.Unidadproporción de exportaciones de servicios0 %20 %40 %60 %201020132016201920222025BrasilChinaReinoUnidoIndiaIrlandaPoloniaIrlanda alcanzó el 57,37% en2024.India se mantuvo en el 48,60% en2025.
Los servicios TIC representaron el 57,37% de las exportaciones de servicios de Irlanda en 2024. La proporción de India se mantuvo cerca del 48,60% en 2025. Los cambios en el trabajo intelectual pueden crear riesgos nacionales concentrados.
U.S. ICT-service export exposure nearlydoubledICT services as a share of U.S. service exports, 2010-2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). ICT service exports (% of service exports, BoP) [BX.GSR.CCIS.ZS]. World Bank Open Data.Unitshare of service exports0%2%5%8%201020132016201920222025ICT services were 4.56% ofservice exports in 2010.The share reached 8.30% in 2025.
ICT services rose from 4.56% of U.S. service exports in 2010 to 8.30% in 2025. The share remains far below India or Ireland. Even so, the exposure nearly doubled.
La exposición exportadora TIC de EstadosUnidos casi se duplicóServicios TIC como proporción de las exportaciones de servicios de Estados Unidos, 2010-2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). ICT service exports (% of service exports, BoP) [BX.GSR.CCIS.ZS]. World Bank OpenData.Unidadproporción de exportaciones de servicios0 %2 %5 %8 %201020132016201920222025Los servicios TIC eran el 4,56%de las exportaciones de serviciosen 2010.La proporción alcanzó el 8,30% en2025.
Los servicios TIC pasaron del 4,56% de las exportaciones de servicios de Estados Unidos en 2010 al 8,30% en 2025. La proporción sigue muy por debajo de India o Irlanda. Aun así, casi se duplicó.
China closed the internet-access gap withGermanyIndividuals using the internet as a share of population, Brazil, China, Germany and France, 2010-2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unitshare of population0%25%50%75%201020132016201920222025BrazilChinaGermanyFranceChina began at 34.3% in 2010.China reached 92% in 2024.
China moved from 34.3% internet use in 2010 to 92% in 2024. Germany reached 93.5% in 2024, leaving little gap. Connectivity can spread quickly while organizational value remains uneven.
China cerró la brecha de acceso a internetcon AlemaniaPersonas que usan internet como proporción de la población, Brasil, China, Alemania y Francia,2010-2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unidadproporción de la población0 %25 %50 %75 %201020132016201920222025BrasilChinaAlemaniaFranciaChina comenzó en el 34,3% en2010.China alcanzó el 92% en 2024.
China pasó del 34,3% de uso de internet en 2010 al 92% en 2024. Alemania alcanzó el 93,5% en 2024, dejando poca diferencia. La conectividad puede extenderse rápido mientras el valor organizativo sigue siendo desigual.
Generative AI investment rose more thantenfoldGlobal private investment in generative AI, USD billions, 2022-2024.Made for Freddy Vega, by HanademiSources: Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.UnitUSD$0$10B$20B$30B202220232024Investment was about $3 billionin 2022.It reached $33.9 billion in2024.
Private generative AI investment rose from about $3 billion in 2022 to $33.9 billion in 2024. That is an infrastructure-scale commitment. It is not proof of an infrastructure-scale return.
La inversión en IA generativa creció másde diez vecesInversión privada mundial en IA generativa, miles de millones USD, 2022-2024.Made for Freddy Vega, by HanademiFuentes: Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.UnidadUSD$0$10 mil M$20 mil M$30 mil M202220232024La inversión fue de unos 3.000millones USD en 2022.Alcanzó 33.900 millones USDen 2024.
La inversión privada en IA generativa subió de unos 3.000 millones USD en 2022 a 33.900 millones en 2024. Es un compromiso de escala infraestructural. No es una prueba de retornos equivalentes.
Amazon revenue reached $717 billionAmazon annual revenue from customer contracts, USD, 2019-2025.Made for Freddy Vega, by HanademiSources: U.S. Securities and Exchange Commission. (n.d.). AMAZON COM INC RevenueFromContractWithCustomerExcludingAssessedTax [XBRL].SEC EDGAR.UnitUSD$0$200B$400B$600B2019202020212022202320242025Revenue was $280.52 billion in2019.Revenue reached $716.92 billionin 2025.
Amazon revenue rose from $280.52 billion in 2019 to $716.92 billion in 2025. That scale gives an incumbent room to fund infrastructure and experimentation. Total company revenue is not a measure of AI return.
Los ingresos de Amazon alcanzaron717.000 millones USDIngresos anuales de Amazon por contratos con clientes, USD, 2019-2025.Made for Freddy Vega, by HanademiFuentes: U.S. Securities and Exchange Commission. (n.d.). AMAZON COM INC RevenueFromContractWithCustomerExcludingAssessedTax [XBRL].SEC EDGAR.UnidadUSD$0$200 mil M$400 mil M$600 mil M2019202020212022202320242025Los ingresos fueron 280.520millones USD en 2019.Los ingresos alcanzaron 716.920millones USD en 2025.
Los ingresos de Amazon subieron de 280.520 millones USD en 2019 a 716.920 millones en 2025. Esa escala permite a una empresa establecida financiar infraestructura y experimentación. Los ingresos totales no miden el retorno de la IA.
Microsoft revenue more than doubled since2019Microsoft annual revenue from customer contracts, USD, 2019-2025.Made for Freddy Vega, by HanademiSources: U.S. Securities and Exchange Commission. (n.d.). MICROSOFT CORPORATIONRevenueFromContractWithCustomerExcludingAssessedTax [XBRL]. SEC EDGAR.UnitUSD$0$100B$200B$300B2019202020212022202320242025Revenue was $125.84 billion in2019.Revenue reached $281.72billion in 2025.
Microsoft revenue rose from $125.84 billion in 2019 to $281.72 billion in 2025. That existing base can fund models, data centers and distribution. Total revenue still does not establish the return on AI spending.
Los ingresos de Microsoft se duplicaron concreces desde 2019Ingresos anuales de Microsoft por contratos con clientes, USD, 2019-2025.Made for Freddy Vega, by HanademiFuentes: U.S. Securities and Exchange Commission. (n.d.). MICROSOFT CORPORATIONRevenueFromContractWithCustomerExcludingAssessedTax [XBRL]. SEC EDGAR.UnidadUSD$0$100 mil M$200 mil M$300 mil M2019202020212022202320242025Los ingresos fueron 125.840millones USD en 2019.Los ingresos alcanzaron281.720 millones USD en2025.
Los ingresos de Microsoft subieron de 125.840 millones USD en 2019 a 281.720 millones en 2025. Esa base puede financiar modelos, centros de datos y distribución. Los ingresos totales aún no demuestran el retorno del gasto en IA.
Speed can beat scaleTwo small motorboats travel across calm water, with one passing the other at speed.Sources: The AI-Native Playbook: Three Tactics Incumbents Can Steal by Virtasant. virtasant.com.
Incumbents can finance enormous infrastructure, but AI-native challengers still compete through speed and workflow redesign.
La velocidad puede vencer a la escalaDos pequeñas lanchas navegan por aguas tranquilas y una adelanta a la otra a gran velocidad.Fuentes: The AI-Native Playbook: Three Tactics Incumbents Can Steal by Virtasant. virtasant.com.
Las empresas consolidadas pueden financiar una infraestructura enorme, pero los competidores nativos de IA aún compiten mediante la velocidad y el rediseño de los flujos de trabajo.
The United States produced most notable AImodelsNotable AI models attributed to the United States, China and Europe, Stanford AI Index, 2024.Made for Freddy Vega, by HanademiSources: Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.Unitnotable AI modelsUnited States40China15Europe3
Stanford counted 40 notable U.S. AI models in 2024. China produced 15 and Europe produced 3. The race is industrial and geopolitical, but model counts alone cannot guarantee durable leadership.
Estados Unidos produjo la mayoría de losmodelos de IA destacadosModelos de IA destacados atribuidos a Estados Unidos, China y Europa, Stanford AI Index, 2024.Made for Freddy Vega, by HanademiFuentes: Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.Unidadmodelos de IA destacadosEstados Unidos40China15Europa3
Stanford contó 40 modelos de IA destacados de Estados Unidos en 2024. China produjo 15 y Europa 3. La carrera es industrial y geopolítica, pero el número de modelos no garantiza un liderazgo duradero.
The AI race rests on radically unequalinfrastructureSecure internet servers per 1 million people, 6 economies, 2010-2024. Log scale: every gridline is ×10.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Secure Internet servers (per 1 million people) [IT.NET.SECR.P6]. World Bank Open Data.Unitservers per 1 million people1101001,00010,000100,0001,000,00020102013201620192022BrazilChinaGermanyFranceUnitedKingdomIndiaGermany reached 152,114servers per million in 2024.China recorded 1,413 per millionin 2024.
Germany recorded about 152,114 secure servers per million people in 2024. China recorded 1,413 and India 1,212. This broader infrastructure divide shows why chip controls alone cannot determine durable leadership.
La carrera de la IA descansa sobreinfraestructura muy desigualServidores seguros de internet por 1 millón de personas, 6 economías, 2010-2024. Escala logarítmica:cada línea es ×10.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Secure Internet servers (per 1 million people) [IT.NET.SECR.P6]. World Bank OpenData.Unidadservidores por 1 millón de personas1101001.00010.000100.0001.000.00020102013201620192022BrasilChinaAlemaniaFranciaReinoUnidoIndiaAlemania alcanzó 152.114servidores por millón en 2024.China registró 1.413 por millón en2024.
Alemania registró unos 152.114 servidores seguros por millón de personas en 2024. China registró 1.413 e India 1.212. Esta brecha infraestructural muestra por qué los controles de chips no determinan por sí solos un liderazgo duradero.
U.S. secure-server density surged almost80-foldSecure internet servers per 1 million people in the United States, 2010-2024. Log scale: every gridline is×10.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Secure Internet servers (per 1 million people) [IT.NET.SECR.P6]. World Bank Open Data.Unitservers per 1 million people1,00010,000100,0001,000,00020102013201620192022The U.S. recorded 2,481 permillion in 2010.It reached 196,616 per million in2024.
U.S. secure-server density rose from 2,481 per million people in 2010 to 196,616 in 2024. The increase was almost 80-fold. This is broader digital infrastructure rather than AI-specific compute.
La densidad de servidores seguros deEstados Unidos creció casi 80 vecesServidores seguros de internet por 1 millón de personas en Estados Unidos, 2010-2024. Escalalogarítmica: cada línea es ×10.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Secure Internet servers (per 1 million people) [IT.NET.SECR.P6]. World Bank OpenData.Unidadservidores por 1 millón de personas1.00010.000100.0001.000.00020102013201620192022Estados Unidos registró 2.481 pormillón en 2010.Alcanzó 196.616 por millón en2024.
La densidad de servidores seguros de Estados Unidos subió de 2.481 por millón de personas en 2010 a 196.616 en 2024. El aumento fue de casi 80 veces. Es infraestructura digital general, no cómputo específico para IA.
Gartner forecast search-engine volumewould fall -25% by 2026, but comparableevidence is missing.The projected -25% change must not be presented as a measured 2026 result.Sources: Gartner. (2024). Gartner predicts search engine volume will drop 25% by 2026 due to AI chatbots and other virtual agents.; Gartner PredictsSearch Engine Volume Will Drop 25% by 2026, Due ....
Gartner forecast a -25% fall in search-engine volume by 2026 because of AI chatbots. The forecast is not an observed outcome. Comparable 2026 traffic data are still required to evaluate it.
Gartner pronosticó que el volumen de losbuscadores caería -25% para 2026, perofaltan datos comparables.El cambio proyectado de -25% no debe presentarse como un resultado medido de 2026.Fuentes: Gartner. (2024). Gartner predicts search engine volume will drop 25% by 2026 due to AI chatbots and other virtual agents.; Gartner PredictsSearch Engine Volume Will Drop 25% by 2026, Due ....
Gartner pronosticó una caída de -25% en el volumen de los buscadores para 2026 por los chatbots de IA. El pronóstico no es un resultado observado. Aún se necesitan datos comparables de tráfico de 2026 para evaluarlo.
AI value remains concentratedBCG's 2024 classification of surveyed companies by reported AI value maturity.Made for Freddy Vega, by HanademiSources: Boston Consulting Group. (2024). Where's the value in AI?; Where's the Value in AI?.; Becker, J., Rush, N., & Barnes, B. (2025). Measuring the impact of early-2025 AI onexperienced open-source developer productivity. METR.; Measuring the Impact of Early-2025 AI on Experienced ....; Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AIat work. The Quarterly Journal of Economics.; [2304.11771] Generative AI at Work.; cio.com.; Why AI's 10-20-70 Principle Should Matter To CEOs And ....Unit%74%Limited value22%Emerging value4%AI leaders
The central finding deserves a dedicated view: only 4% of surveyed companies reached BCG's AI-leader category. The surrounding evidence explains why scale requires bounded work, process redesign and outcome measurement.
El valor de la IA sigue concentradoClasificación de BCG en 2024 de las empresas encuestadas según su madurez de valor declarado de IA.Made for Freddy Vega, by HanademiFuentes: Boston Consulting Group. (2024). Where's the value in AI?; Where's the Value in AI?.; Becker, J., Rush, N., & Barnes, B. (2025). Measuring the impact of early-2025 AI onexperienced open-source developer productivity. METR.; Measuring the Impact of Early-2025 AI on Experienced ....; Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AIat work. The Quarterly Journal of Economics.; [2304.11771] Generative AI at Work.; cio.com.; Why AI's 10-20-70 Principle Should Matter To CEOs And ....Unidad%74 %Limited value22 %Emerging value4 %AI leaders
El hallazgo central merece una vista dedicada: solo el 4% de las empresas encuestadas alcanzó la categoría de líderes de IA de BCG. La evidencia relacionada explica por qué la escala exige trabajo delimitado, rediseño de procesos y medición de resultados.
In summaryMade for Freddy Vega, by HanademiSources: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; Becker, J., Rush, N., & Barnes, B. (2025). Measuring the impact of early-2025 AIon experienced open-source developer productivity. METR.; Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.; Gartner. (2024). Gartner predicts search engine volume willdrop 25% by 2026 due to AI chatbots and other virtual agents.; Klarna. (2024). Klarna AI assistant handles two-thirds of customer service chats in its first month.; CHAPTER 1:.On an assignment outside GPT-4's capability frontier, AI-assisted consultants were 19 percentage points less likely toproduce the correct answer.METR found 16 experienced open-source developers took 19% longer with early-2025 AI tools, despite expecting them to reduce completion time.Stanford reported global private generative AI investment of about $3 billion in 2022, $25.2 billion in 2023 and $33.9 billion in 2024.Gartner forecast search-engine volume would fall 25% by 2026 because of AI chatbots, but comparable 2026 traffic data are required to score it.Klarna reported its assistant handled two-thirds of service chats, cut repeat inquiries 25% and reduced average resolutiontime from 11 to two minutes.Stanford counted 40 notable U.S. AI models in 2024, compared with 15 from China and three from Europe.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
En resumenMade for Freddy Vega, by HanademiFuentes: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; Becker, J., Rush, N., & Barnes, B. (2025). Measuring the impact of early-2025 AI onexperienced open-source developer productivity. METR.; Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025.; Gartner. (2024). Gartner predicts search engine volume will drop25% by 2026 due to AI chatbots and other virtual agents.; Klarna. (2024). Klarna AI assistant handles two-thirds of customer service chats in its first month.; CHAPTER 1:.En una tarea fuera de la frontera de GPT-4, los consultores asistidos por IA tuvieron 19 puntos porcentuales menos deprobabilidad de producir la respuesta correcta.METR halló que 16 desarrolladores experimentados de código abierto tardaron 19% más con herramientas de IA decomienzos de 2025, pese a esperar una reducción.Stanford informó inversión privada mundial en IA generativa de unos 3.000 millones de dólares en 2022, 25.200millones en 2023 y 33.900 millones en 2024.Gartner pronosticó que el volumen de buscadores caería 25% para 2026 por los chatbots de IA, pero se necesitan datoscomparables de 2026 para evaluarlo.Klarna informó que su asistente atendió dos tercios de los chats, redujo 25% las consultas repetidas y bajó el tiempo mediode resolución de 11 a dos minutos.Stanford contó 40 modelos de IA destacados de Estados Unidos en 2024, frente a 15 de China y tres de Europa.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.

The research behind this deck

Experimentation is widespread, but scaled value remains rare. 4 technical terms carry much of the argument.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

La experimentación está extendida, pero el valor a escala sigue siendo raro. 4 términos técnicos sostienen buena parte del argumento.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

Related researchInvestigación relacionada