AI is everywhere except productionLa IA está en todas partes menos en producción
29 slides · 24 min · 2026-07-22language
ENES
theme
LightDark
view
DeckTableTalk
brand
HanademiPlatzi
Production separates winners from pilots: 287% median ROI versus negative 34%.
More coding and faster completion did not produce more total output.
The funnel narrows at scale: 62% remain before or inside pilots, while 82% never reach production.
La producción separa a los ganadores de los pilotos: 287% de ROI mediano frente a menos 34%.
Más programación y mayor velocidad no produjeron más producción total.
El embudo se estrecha al escalar: el 62% sigue antes o dentro de pilotos, mientras el 82% nunca llega a producción.
Here is the split that matters. AI does not look valuable merely because a company has started a pilot. Organizations with systems operating for at least 12 months reported 287% median annualized ROI, while pilot-only organizations reported negative 34%. The source reports these outcomes, so the gap is a warning and a target, not proof that production alone caused the difference.
Esta es la brecha que importa. La IA no parece valiosa solo porque una empresa haya iniciado un piloto. Las organizaciones con sistemas operativos durante al menos 12 meses reportaron un ROI anualizado mediano del 287%, mientras que las organizaciones con solo pilotos reportaron menos 34%. La fuente declara estos resultados, así que la brecha es una advertencia y un objetivo, no una prueba de que la producción por sí sola causó la diferencia.
The market is full of experiments, but scale is still rare. In the maturity breakdown, 22% of enterprises are pre-pilot and 40% are in pilots, while only 14% have scaled AI. The separate failure series makes the direction harder to ignore: the share of initiatives never reaching production increased from 73% to 82%.
El mercado está lleno de experimentos, pero la escala sigue siendo rara. En el desglose de madurez, el 22% de las empresas está antes del piloto y el 40% está en pilotos, mientras que solo el 14% ha escalado la IA. La serie separada de fracasos hace que la dirección sea más difícil de ignorar: la proporción de iniciativas que nunca llegan a producción aumentó del 73% al 82%.
Adoption depends on who counts as the unit. The Federal Reserve evidence puts firm adoption at 18%, but 78% of workers were employed by firms that adopted AI. A separate measure finds 41% of workers using GenAI. These are not competing answers: they measure firms, workforce coverage, and individual use.
La adopción depende de quién cuenta como unidad. La evidencia de la Reserva Federal sitúa la adopción empresarial en el 18%, pero el 78% de los trabajadores estaba empleado por empresas que adoptaron IA. Otra medida encuentra que el 41% de los trabajadores usaba GenAI. No son respuestas opuestas: miden empresas, cobertura laboral y uso individual.
Enterprise adoption looks broad until the sectors are separated. Technology reaches 94% of large enterprises, while education reaches 32%. That 62-point gap means the enterprise AI market is moving at different speeds, not advancing as one block.
La adopción empresarial parece amplia hasta que se separan los sectores. La tecnología llega al 94% de las grandes empresas, mientras la educación alcanza el 32%. Esa brecha de 62 puntos significa que el mercado de IA empresarial avanza a velocidades distintas, no como un solo bloque.
Capital is racing ahead of enterprise readiness, while only 7% of enterprises report operational agentic AI with measurable impact. The inference joins projected hyperscaler investment with evidence that enterprises face serious barriers to scaling.
El capital avanza más rápido que la preparación empresarial, mientras solo el 7% de las empresas reporta IA agéntica operativa con impacto medible. La inferencia une la inversión proyectada de los hiperescaladores con evidencia de que las empresas enfrentan graves barreras para escalar.
The money is arriving first. Amazon, Microsoft, Alphabet and Meta guided toward about $725 billion in 2026 capital spending, mostly for AI infrastructure. Yet the operating layer is still blocked by basic problems, led by data governance at 67%. Only 7% of global enterprises had operationalized agentic AI with measurable impact, so investment is running ahead of reliable deployment.
El dinero está llegando primero. Amazon, Microsoft, Alphabet y Meta proyectaron cerca de US$725.000 millones de gasto de capital en 2026, principalmente para infraestructura de IA. Sin embargo, la capa operativa sigue bloqueada por problemas básicos, encabezados por la gobernanza de datos con 67%. Solo 7% de las empresas globales había operacionalizado la IA agéntica con impacto medible, así que la inversión va por delante del despliegue fiable.
This is a real enterprise workflow, not a lab benchmark. Pull requests per active developer reached 2.09 times the pre-mandate baseline by April 2026. The result is promising, but adoption was self-selected, so measurement is stronger than causal certainty.
Este es un flujo empresarial real, no una prueba de laboratorio. Las solicitudes de cambio por desarrollador activo llegaron a 2,09 veces el nivel previo al mandato en abril de 2026. El resultado es prometedor, pero la adopción fue voluntaria, así que la medición es más sólida que la certeza causal.
This is the warning shot against counting activity as productivity. Coding activity rose 19.6%, and completion speed rose 8.7%. Total output changed by 0%. More motion did not become more finished work.
Esta es la advertencia contra contar la actividad como productividad. La actividad de programación subió un 19,6% y la velocidad de finalización un 8,7%. La producción total cambió un 0%. Más movimiento no se convirtió en más trabajo terminado.
Implementation changes the answer. One randomized trial found Nabla reduced note time by 9.5%, while DAX produced a 1.7% decline. In a separate survey, workers saved 11 hours but spent 6.4 correcting the output. The reported net was 4.6 hours, not 11.
La implementación cambia la respuesta. Un ensayo aleatorizado halló que Nabla redujo el tiempo de notas un 9,5%, mientras DAX produjo una disminución del 1,7%. En una encuesta separada, los trabajadores ahorraron 11 horas, pero dedicaron 6,4 a corregir el resultado. La ganancia neta reportada fue de 4,6 horas, no de 11.
AI-native founders do not describe AI as a small productivity add-on. On average, they said their companies would need 55% more employees without it. But the median was only 17%, and nearly one-third saw no difference. This is a belief about organization design, not proof of layoffs.
Los fundadores nativos de IA no describen la IA como un pequeño complemento de productividad. En promedio, dijeron que sus empresas necesitarían un 55% más de empleados sin ella. Pero la mediana fue solo del 17% y casi un tercio no vio diferencia. Es una creencia sobre el diseño organizativo, no una prueba de despidos.
The financial forecast is optimistic on both sides of the equation. AI revenue is expected to rise from 32% to 53% of total revenue. Gross margin is expected to improve from 45% to 59%. Those 2026 and 2027 values are forecasts, so the direction is a bet, not a result.
El pronóstico financiero es optimista en ambos lados de la ecuación. Se espera que los ingresos de IA suban del 32% al 53% de los ingresos totales. Se espera que el margen bruto mejore del 45% al 59%. Esos valores de 2026 y 2027 son pronósticos, así que la dirección es una apuesta, no un resultado.
The public is not splitting into believers and skeptics. Many people see real benefits and still hesitate when AI speaks. The sharpest gap is between 59% who see more benefits and just 21% who often trust AI-generated information.
El público no se divide entre creyentes y escépticos. Muchas personas ven beneficios reales y aun así dudan cuando habla la IA. La brecha más clara está entre el 59% que ve más beneficios y solo el 21% que confía a menudo en información generada por IA.
The workplace is not waiting for a mandate. Workers are already using AI, judging its output, and feeling pressure to keep up. Yet only 4% of employers require it, which means the social shift is moving faster than company policy.
El lugar de trabajo no espera un mandato. Los trabajadores ya usan IA, juzgan sus resultados y sienten presión por mantenerse al día. Sin embargo, solo el 4% de los empleadores la exige, así que el cambio social avanza más rápido que la política empresarial.
The broad worker mood is not confidence. Only 22% strongly agreed that their job was safe from elimination. That question is wider than AI alone, but it captures the insecurity surrounding the transition.
El estado de ánimo general de los trabajadores no es de confianza. Solo el 22% estuvo muy de acuerdo en que su empleo estaba a salvo de ser eliminado. La pregunta va más allá de la IA, pero captura la inseguridad que rodea la transición.
Trust is not a soft side issue in the workplace. Engagement was 67% among workers who trusted leadership, compared with 6% among those who did not. The survey shows a powerful association, not a simple causal formula.
La confianza no es un asunto blando en el trabajo. El compromiso fue del 67% entre quienes confiaban en el liderazgo, frente al 6% entre quienes no. La encuesta muestra una asociación poderosa, no una fórmula causal simple.
The political problem appears before persuasion. Voters struggled to tell what was real, and some believed manipulated content. Yet the strongest signal is normative: 90% said political AI was unacceptable, while only 3% accepted it.
El problema político aparece antes que la persuasión. A los votantes les costó distinguir lo real y algunos creyeron contenido manipulado. Pero la señal más fuerte es normativa: el 90% dijo que la IA política era inaceptable y solo el 3% la aceptó.
The regulatory debate is moving toward the states. Nearly half of Americans preferred state leadership, compared with 21% for the federal government. Another 15% wanted both, leaving no mandate for a single center of control.
El debate regulatorio se inclina hacia los estados. Casi la mitad de los estadounidenses prefirió el liderazgo estatal, frente al 21% del gobierno federal. Otro 15% quiso a ambos, así que no existe un mandato para un único centro de control.
This is the concentration hiding inside the funding boom. OpenAI and Anthropic alone took $217 billion from a $510 billion global total. Almost 43 cents of every dollar went to 2 companies.
Esta es la concentración escondida dentro del auge de la financiación. OpenAI y Anthropic captaron US$217.000 millones de un total mundial de US$510.000 millones. Casi 43 centavos de cada dólar fueron a 2 empresas.
Hut 8 added a second 15-year lease worth $9.8 billion. The disclosed contract lifted its total contracted AI portfolio to $26.6 billion. That is a commitment value, not proof of present revenue or cash generation.
Hut 8 añadió un segundo arrendamiento de 15 años por US$9.800 millones. El contrato divulgado elevó su cartera contratada total de IA a US$26.600 millones. Es un valor de compromiso, no una prueba de ingresos actuales ni de generación de efectivo.
The infrastructure race is not one race. Alphabet reached $91.45 billion in 2025, while Oracle surged to $55.66 billion from a much smaller base. IBM and Salesforce moved in the opposite direction, showing how uneven the physical AI buildout is.
La carrera por la infraestructura no es una sola carrera. Alphabet alcanzó US$91.450 millones en 2025, mientras Oracle subió a US$55.660 millones desde una base mucho menor. IBM y Salesforce se movieron en la dirección contraria, lo que muestra lo desigual que es la expansión física de la IA.
ServiceNow's physical buildout grew steadily rather than exploding. Capital spending rose from $419 million in 2020 to $868 million in 2025. That is a doubling, but still a small infrastructure footprint beside the largest platforms.
La expansión física de ServiceNow creció de forma constante, no explosiva. El gasto de capital subió de US$419 millones en 2020 a US$868 millones en 2025. Es una duplicación, pero sigue siendo una huella de infraestructura pequeña frente a las mayores plataformas.
Infrastructure spending is concentrated, but research spending is widespread. Alphabet and Meta reached $61.09 billion and $57.37 billion in 2025, while all 6 companies increased R&D from 2020. The AI race is therefore also a research race.
El gasto en infraestructura está concentrado, pero el gasto en investigación está extendido. Alphabet y Meta alcanzaron US$61.090 millones y US$57.370 millones en 2025, mientras las 6 empresas aumentaron su I+D desde 2020. Por eso, la carrera de la IA también es una carrera de investigación.
ServiceNow did not treat AI-era competition as a short sprint. Its R&D expense rose in every year shown, from $1.024 billion in 2020 to $2.96 billion in 2025. The message is sustained investment, not a single spending spike.
ServiceNow no trató la competencia de la era de la IA como una carrera corta. Su gasto de I+D aumentó cada año, de US$1,024 mil millones en 2020 a US$2,96 mil millones en 2025. El mensaje es una inversión sostenida, no un único salto de gasto.
The labor story is not a clean collapse. Young hiring fell about 9% in the most AI-exposed industries, while software postings rose almost 15%. National job openings were still 7.594 million in May 2026. The sharper risk is who gets the first rung of the ladder.
La historia laboral no es un colapso limpio. La contratación joven cayó cerca del 9% en las industrias más expuestas a la IA, mientras las vacantes de software subieron casi 15%. Las vacantes nacionales seguían en 7,594 millones en mayo de 2026. El riesgo más claro es quién consigue el primer peldaño.
The pressure is real, but it is not spread evenly. Administrative data estimates a 9% fall in early-career hiring in highly exposed industries, while Indeed found software postings up 15% as overall postings fell 7%. At the economy-wide level, JOLTS ended May 2026 with 7.594 million openings. The honest conclusion is narrower than a headline about mass job loss: the entry ramp is under strain, but these measures do not prove AI caused the change.
La presión es real, pero no se distribuye por igual. Los datos administrativos estiman una caída del 9% en la contratación inicial de industrias muy expuestas, mientras Indeed registró un aumento del 15% en vacantes de software y una caída del 7% en el total. A escala general, JOLTS terminó mayo de 2026 con 7,594 millones de vacantes. La conclusión honesta es más limitada que un titular sobre pérdida masiva de empleo: la entrada laboral está bajo presión, pero estas medidas no demuestran que la IA causara el cambio.
A 50% productivity gain sounded like a clear promise for enterprise AI. Forrester later reviewed that forecast and judged it far too high. The important correction is not a new replacement number, but a warning against treating early AI forecasts as measured results.
Un aumento del 50% en la productividad parecía una promesa clara para la IA empresarial. Forrester revisó después ese pronóstico y lo juzgó demasiado alto. La corrección importante no es un nuevo número de reemplazo, sino una advertencia contra tratar los primeros pronósticos de IA como resultados medidos.
The forecast set a fivefold cost decline as the bar. Input costs fell fourfold, while output costs fell threefold. The gap is small enough to look like progress, but large enough to show that forecast precision still outran reality.
El pronóstico fijó una caída de cinco veces en los costos como referencia. Los costos de entrada bajaron cuatro veces, mientras los de salida bajaron tres. La diferencia parece pequeña, pero muestra que la precisión de los pronósticos todavía superó a la realidad.
The scorecard reviewed 8 major forecasts made in 2024. Only 3 were on track. One was wrong, but 4 cannot fairly be called failures because they remain open or too early to judge.
La evaluación revisó 8 grandes pronósticos hechos en 2024. Solo 3 iban en camino. Uno fue erróneo, pero 4 no pueden llamarse fracasos porque siguen abiertos o son demasiado recientes para evaluarlos.
Production separates winners from pilots: 287% median ROI versus negative 34%. The funnel narrows at scale: 62% remain before or inside pilots, while 82% never reach production.
Key findings
Capital is racing ahead of enterprise readiness: enormous infrastructure guidance coexists with only 7% operational agentic deployment and severe data barriers. Teradata and Wakefield Research
The labor signal is a redistribution, not yet a collapse: younger exposed workers weaken while senior AI-skilled demand and total vacancies remain resilient. Lee C. Tucker
In 2026, 82% of enterprise AI initiatives never reach production, up from 73% in the 2024 baseline. Prosigns
Only 14% of surveyed enterprises had scaled AI, while 62% remained before or inside the pilot stage. Prosigns
Enterprise AI returns split sharply: systems in production for 12 months reported 287% median annualized ROI, versus negative 34% for pilot-only organizations. Prosigns
Only 7% of global enterprises had operationalized agentic AI with measurable impact; 68% remained in experimentation or development. Teradata and Wakefield Research
Production adoption ranged from 94% in technology and software to 32% in education, showing that enterprise AI is not one uniform market. Presenc AI
Data quality led the scaling barriers at 67%, followed by legacy integration at 58% and AI talent shortages at 54%. Halkwinds Research
At one AI-forward company, monthly pull requests per active developer reached 2.09 times the pre-mandate baseline by April 2026. arXiv
Across 100,000 engineers, AI raised coding activity 19.6% and improved completion speed 8.7%, but produced no measurable increase in total output. Artificial Intelligence in the Firm research team
AI helped consultants finish 12.2% more eligible tasks 25.1% faster, but reduced correctness by 19 percentage points on a task outside its capabilities. Organization Science
The argument
Only 18% of firms adopted AI, yet adopting firms employed 78% of workers.
Production adoption runs from 94% in technology to 32% in education.
Capital races ahead while only 7% of enterprises report operational agentic AI with measurable impact.
AI infrastructure spending is surging while operational agentic AI remains at 7%.
One AI-forward team reached 2.09 times baseline pull requests per developer.
More coding and faster completion did not produce more total output.
This research is published in English and Spanish. Ver en español
La investigación detrás de esta presentación
La producción separa a los ganadores de los pilotos: 287% de ROI mediano frente a menos 34%. El embudo se estrecha al escalar: el 62% sigue antes o dentro de pilotos, mientras el 82% nunca llega a producción.
Hallazgos clave
El capital avanza más rápido que la preparación empresarial: la enorme inversión prevista convive con solo 7% de IA agéntica operativa y graves barreras de datos. Teradata and Wakefield Research
La señal laboral es una redistribución, no todavía un colapso: los jóvenes expuestos se debilitan mientras resisten la demanda sénior con IA y las vacantes totales. Lee C. Tucker
En 2026, el 82% de las iniciativas empresariales de IA nunca llega a producción, frente al 73% de referencia de 2024. Prosigns
Solo el 14% de las empresas encuestadas había escalado la IA, mientras el 62% seguía antes o dentro de la fase piloto. Prosigns
Los retornos de la IA empresarial se dividen con fuerza: los sistemas con 12 meses en producción reportaron un retorno anualizado mediano del 287%, frente a menos 34% en pilotos. Prosigns
Solo el 7% de las empresas globales había operacionalizado la IA agéntica con impacto medible; el 68% seguía experimentando o desarrollando. Teradata and Wakefield Research
La evidencia oficial de Estados Unidos muestra que la adopción depende del denominador: el 18% de las empresas usaba IA, pero el 78% de los trabajadores estaba en empresas adoptantes. Board of Governors of the Federal Reserve System
La adopción en producción osciló entre el 94% en tecnología y software y el 32% en educación, lo que demuestra que la IA empresarial no es un mercado uniforme. Presenc AI
La calidad de los datos encabezó las barreras al escalamiento con un 67%, seguida por la integración heredada con 58% y la falta de talento en IA con 54%. Halkwinds Research
En una empresa avanzada en IA, las solicitudes de cambio mensuales por desarrollador activo llegaron a 2,09 veces el nivel previo al mandato en abril de 2026. arXiv
Entre 100.000 ingenieros, la IA elevó la actividad de programación un 19,6% y mejoró la velocidad un 8,7%, pero no aumentó de forma medible la producción total. Artificial Intelligence in the Firm research team
La IA ayudó a consultores a completar un 12,2% más de tareas aptas un 25,1% más rápido, pero redujo 19 puntos la precisión fuera de sus capacidades. Organization Science
El argumento
Solo el 18% de las empresas adoptó IA, pero las empresas adoptantes empleaban al 78% de los trabajadores.
La adopción en producción va del 94% en tecnología al 32% en educación.
El capital avanza mientras solo el 7% de las empresas reporta IA agéntica operativa con impacto medible.
El gasto en infraestructura de IA aumenta mientras la IA agéntica operativa sigue en 7%.
Un equipo avanzado en IA alcanzó 2,09 veces las solicitudes base por desarrollador.
Más programación y mayor velocidad no produjeron más producción total.
Esta investigación se publica en inglés y español. Read in English
