Sam Altman esperaba que la llegada de GPT-4 desencadenara una sacudida casi inmediata en el negocio del software. El modelo apareció en 2023 y, según ha reconocido ahora el CEO de OpenAI, su previsión era que la IA permitiera a nuevas empresas desafiar en poco tiempo a proveedores consolidados y rehacer categorías enteras de producto.

Tres años después, su lectura ha cambiado. «La economía tiene mucha inercia», explicó en una entrevista con David Senra del 23 de agosto. Las personas continúan utilizando las mismas herramientas, comprando a los mismos proveedores y reproduciendo sus hábitos. «Todos hemos sido demasiado ambiciosos con los plazos», admitió.

La corrección resulta relevante porque afecta a una premisa recurrente del discurso tecnológico desde el lanzamiento de ChatGPT: la idea de que la velocidad de mejora de los modelos iba a trasladarse con una rapidez parecida a las organizaciones y, desde allí, al conjunto de la economía. La adopción de IA está dibujando una curva distinta. Altman acaba de reconocerlo, aunque las señales estaban disponibles desde bastante antes.

La adopción de IA llevaba tiempo enviando señales

En enero de 2025, Altman había escrito que durante ese año podrían incorporarse a las empresas los primeros agentes de inteligencia artificial y «cambiar materialmente» su productividad. Cinco meses después hablaba de sistemas capaces de realizar trabajo cognitivo real en 2025, producir nuevos descubrimientos en 2026 y quizá ejecutar tareas físicas mediante robots en 2027. El avance tecnológico aparecía asociado a un calendario extraordinariamente comprimido.

Fuera de los laboratorios, los datos ya ofrecían otra cadencia.

Gartner estimó en junio de 2025 que más del 40% de los proyectos de IA agéntica serían cancelados antes de acabar 2027 debido a costes crecientes, un valor empresarial poco claro o controles de riesgo insuficientes. Buena parte de los proyectos seguían siendo experimentos o pruebas de concepto y la consultora advertía de la dificultad de trasladarlos a producción.

Un mes después, Gartner señalaba que solo el 41% de los prototipos de inteligencia artificial generativa analizados habían llegado a producción. Ya en 2024 había anticipado que al menos el 30% de los proyectos de GenAI serían abandonados después de la prueba de concepto antes de finalizar 2025.

La previsión terminó quedándose corta. En enero de 2026, Gartner elevó el diagnóstico: al cierre del año anterior, al menos la mitad de los proyectos de inteligencia artificial generativa habían sido abandonados tras la prueba de concepto. Los motivos incluían datos deficientes, controles de riesgo insuficientes, costes crecientes y dificultades para justificar el valor empresarial.

No faltaba inversión. Gartner calculó un gasto mundial en GenAI de 644.000 millones de dólares para 2025, un incremento del 76,4%, mientras advertía simultáneamente de la decepción con los resultados de muchos pilotos. Capital y transformación operativa estaban avanzando a velocidades diferentes.

Los agentes chocan con la empresa real

La distancia se ha vuelto todavía más visible durante 2026. Gartner situó en abril la IA agéntica en el «Peak of Inflated Expectations», el punto de su curva en el que las expectativas superan la madurez demostrada de una tecnología.

Solo el 17% de las organizaciones consultadas había desplegado agentes de IA, aunque más del 60% esperaba hacerlo durante los siguientes dos años. El dato refleja una intención de adopción muy elevada, pero Gartner subrayaba una brecha creciente entre ambición y ejecución. La mayoría de los despliegues seguían concentrados en funciones específicas y los agentes completamente autónomos aún no estaban preparados para buena parte de los casos empresariales.

Gobernanza, seguridad, costes, integración y calidad de los datos aparecen repetidamente junto a los problemas técnicos. En mayo, otra previsión de Gartner calculaba que el 40% de las empresas terminaría degradando o retirando agentes autónomos antes de 2027 por fallos de gobernanza detectados después de ponerlos en producción.

Ese diagnóstico introduce un matiz importante en la explicación que ofrece Altman.

Durante la conversación con Senra, el CEO de OpenAI recuerda cómo, después de aparecer Netflix, le sorprendía seguir viendo clientes en Blockbuster. Para él, aquel comportamiento ilustraba hasta qué punto los hábitos humanos retrasan la adopción tecnológica. Incluso reconoce experimentar algo parecido consigo mismo: dispone de Codex, sabe que podría cambiar profundamente su forma de trabajar y, pese a ello, continúa revisando correo, manteniendo listas de tareas y utilizando el ordenador con patrones adquiridos durante años. Altman acaba atribuyendo parte de esa resistencia a un problema de producto. Compara el momento actual con los smartphones anteriores al iPhone. Las piezas fundamentales estaban disponibles, pero faltaba la experiencia que reorganizase la relación del usuario con la tecnología.

La empresa añade obstáculos que no aparecen en esa experiencia individual. Un agente puede resultar impresionante durante una demostración y seguir siendo insuficientemente fiable para intervenir sin supervisión en facturación, atención al cliente, operaciones o procesos sujetos a regulación. Gartner lleva meses apuntando precisamente hacia esa frontera.

Gary Marcus había advertido también antes de este reconocimiento. En enero de 2025 pronosticó que los agentes serían intensamente promocionados durante aquel año pero continuarían siendo poco fiables salvo en casos estrechos. En agosto volvió sobre el asunto y sostuvo que las grandes tecnológicas habían lanzado agentes, aunque la fiabilidad seguía lejos de permitir muchos de los usos prometidos. Su crítica se dirige a las limitaciones técnicas de los LLM, una explicación diferente de la inercia económica señalada por Altman, pero compatible con una adopción más lenta.

Una década, no un ejercicio presupuestario

En España también había voces trabajando con calendarios bastante más largos. Enrique Polo de Lara, entonces responsable de Salesforce en el mercado español, definió en noviembre de 2025 el cambio como «la década de los agentes». Su planteamiento asumía que la transformación completa necesitaría años para materializarse.

La referencia resulta especialmente significativa porque Salesforce estaba comercializando activamente Agentforce. En marzo de aquel año, Polo destacaba que más de 50 clientes españoles estaban empezando a desplegar agentes y calificaba su ritmo de adopción como el más rápido que había visto la compañía. Meses después, la propia Salesforce podía defender una fuerte demanda comercial y aceptar simultáneamente que la reorganización empresarial tendría un horizonte cercano a una década.

En noviembre, más de 150 empresas españolas habían adoptado Agentforce, pero solo alrededor del 20% tenía agentes en producción, según cifras difundidas por Salesforce. Entre contratar una tecnología, ensayarla y convertirla en parte estable de la operación existe un recorrido que las cifras de adopción agregadas pueden ocultar.

Ese recorrido recuerda otros cambios tecnológicos. La nube podía funcionar muchos años antes de que numerosas empresas aceptaran trasladar sistemas críticos fuera de sus propios centros de datos. El comercio electrónico tampoco sustituyó inmediatamente los canales existentes. Una tecnología puede crecer deprisa y tardar bastante más en modificar procesos, estructuras de costes, organigramas y relaciones con proveedores.

La factura de dos velocidades

La revisión de Altman llega, además, cuando OpenAI está realizando una apuesta que depende de anticipar una demanda futura enorme. En la entrevista describe la expansión de capacidad de computación como un entramado de chips, fábricas, centros de datos, energía, financiación, política y logística que puede convertirse en el proyecto de infraestructura más caro de la historia.

Ahí el calendario adquiere otra dimensión.

Si las capacidades de los modelos continúan mejorando a gran velocidad mientras empresas y administraciones necesitan años para transformar sus procesos, aparece una separación entre infraestructura disponible y valor económico capturado. Esa distancia puede cerrarse. Gartner sigue proyectando una adopción extensa de la IA y OpenAI presenta datos internos que muestran un uso creciente de Codex en ingeniería, legal, finanzas y selección de personal.

Sin embargo, las decisiones de inversión se toman antes de conocer con precisión cuánto durará el desfase.

Silicon Valley ha demostrado una capacidad extraordinaria para acelerar modelos, centros de datos y disponibilidad de cómputo. La organización empresarial mantiene otro reloj. Requiere datos preparados, controles, integración, confianza, rediseño de procesos, presupuestos y trabajadores que modifiquen hábitos acumulados durante años.

Altman ya acepta esa diferencia. Gartner llevaba tiempo midiéndola. Para las empresas, quizá sea una distinción más útil que cualquier nueva fecha sobre la llegada de la AGI: la tecnología puede avanzar en meses mientras su incorporación al funcionamiento cotidiano continúa midiéndose en años.