GenAI en 2025: 7 conclusiones prácticas del informe de Capgemini

La adopción de GenAI ha pasado de ser “piloto” a “central” en las grandes empresas, pero los costos, la gobernanza y la preparación para la colaboración entre humanos y IA siguen siendo cuellos de botella importantes.

Por qué es importante este informe

Capgemini analizó cómo las organizaciones con ingresos superiores a los mil millones de dólares estadounidenses extraen valor de la IA tradicional, GenAI y los agentes de IA, abarcando la adopción, la inversión, el ROI, la gobernanza y el impacto en la fuerza laboral. Es un indicador útil para calibrar su hoja de ruta y sus objetivos de ROI.

7 ideas que debes llevar a tu próxima reunión de estrategia

1) La adopción de GenAI se ha generalizado

La implementación aumentó del 6% (2023) al 30% (2025) , y el 93% de las empresas ya están explorando, implementando pilotos o escalando. Las funciones principales siguen siendo Operaciones con Clientes, Marketing, Riesgos y TI . La satisfacción con los resultados ya se acerca al 80% .

Qué hacer : Priorizar los casos de “ingresos/costos básicos” en estas funciones y crear un manual de implementación por dominio.

2) El dinero va a GenAI y debe gastarse bien.

El 88% de las empresas aumentó la inversión en el último año ( +9% de media) y el 61% planea seguir incrementándola, pero el informe advierte de los “shocks de factura” de la nube y aboga por los SLM como una alternativa rentable cuando sea posible.

Qué hacer : Instituir FinOps para GenAI , con límites de costos por carga de trabajo/modelo y evaluación comparativa de SLM vs LLM.

3) El ROI está llegando y la percepción es positiva

El 79 % está satisfecho con los resultados, con un retorno de la inversión (ROI) previsto en un promedio de 3,2 años . Las ganancias más reportadas: diferenciación de producto/servicio y ventaja competitiva.

Qué hacer : Estandarizar las métricas de valor (tiempo hasta obtener conocimiento, conversión, AHT, resolución en la primera llamada, defectos por KLOC, etc.) y realizar un seguimiento de ellas utilizando “P&L de casos de uso”.

4) Los agentes de IA han pasado de la moda a la práctica, pero todavía están en sus inicios.

El 14 % ya opera con agentes a escala parcial o completa; el 23 % está en fase piloto. Casi el 85 % de los ejecutivos prevé que los agentes se hagan cargo de los procesos en los próximos 3 a 5 años ; aproximadamente el 45 % de quienes ya están escalando están probando la tecnología multiagente .

Qué hacer : Seleccione 2 o 3 procesos repetitivos y de alto volumen (por ejemplo, clasificación de tickets, conciliación, alertas de riesgo) y diseñe flujos de trabajo agenteizados con intervención humana y registros de auditoría desde el primer día.

5) La confianza y la gobernanza aún obstaculizan la escala

El 71% dice que no confía plenamente en los agentes autónomos para uso corporativo; sólo el 46% ha establecido políticas de gobernanza y casi la mitad informa de una baja adopción interna .

Qué hacer : Implementar la Gobernanza de IA con alcance de acción, trazabilidad, evaluación de riesgos y cumplimiento ético (comité, auditorías, monitoreo continuo).

6) Sostenibilidad: reconocemos el problema, pero aún medimos poco

El 54 % coincide en que GenAI tiene una mayor huella de carbono que la TI tradicional, pero solo el 20 % mide específicamente su impacto ambiental. La falta de transparencia de los proveedores se considera un obstáculo.

Qué hacer : Exigir métricas de energía/carbono a los proveedores, priorizar modelos más pequeños , inferencia eficiente y energía renovable en la arquitectura.

7) El factor humano se ha convertido en una prioridad operativa

La mayoría de las empresas aún no han redefinido los roles, los rituales ni los KPI para los equipos híbridos humano-IA. Al mismo tiempo, el 67 % afirma que necesitará reorganizar las estructuras para colaborar mejor con los agentes, pero solo el 59 % se siente preparado en cuanto a habilidades .

Qué hacer : Crear un modelo de capacidades (habilidades, responsabilidades, KPI de los agentes), rituales de colaboración (por ejemplo, reuniones de pie lideradas por IA ) y una Academia de IA para la mejora continua de las habilidades.

GenAI ha pasado de ser un experimento a una infraestructura estratégica, y quienes mejor lo hagan serán quienes consideren la IA como un "sistema operativo" empresarial, no como un proyecto secundario. El informe de Capgemini muestra que la dirección es clara: centrarse en casos con un impacto directo en los ingresos y costes, controlar el coste total de propiedad (TCO) con FinOps y modelos lean, "agentivizar" los procesos con gobernanza y telemetría desde el primer día, preparar a las personas y los KPI para equipos híbridos humano-IA, y medir la huella ambiental para crecer de forma responsable.

Si desea acelerar este cambio con baja fricción, Qintari puede liderar un Value Sprint y un AgentOps Starter para llevar los resultados a producción de manera segura y predecible.

Fuentes: Capgemini Research Institute — “Aprovechar el valor de la IA: liberar ventajas escalables” (2025).

Glosario rápido

Término	En una frase	¿Por qué es importante?
IA generativa (GenAI)	Plantillas que crean texto, imágenes, código y otros contenidos a partir de indicaciones.	Base de los casos de uso citados y ganancias de productividad.
LLM vs. SLM	LLM : modelos grandes y versátiles; SLM : modelos más pequeños/especializados.	Ayuda a equilibrar la calidad, el costo y la latencia por caso de uso.
Agente de IA	Software autónomo que percibe, decide y ejecuta tareas con objetivos y herramientas.	Es el siguiente paso más allá de los chatbots: no solo responde, sino que hace cosas.
Arquitectura multiagente	Conjunto de agentes cooperantes (planificador, ejecutor, validador, etc.).	Escale procesos complejos con calidad y resiliencia.
Humano en el circuito (HITL)	Los humanos supervisan las decisiones de la IA con aprobaciones/correcciones.	Reduce el riesgo, mejora la calidad y acelera la adopción.
TRAPO	Obtiene datos confiables y los inyecta en el mensaje antes de su generación.	Aumenta la precisión, reduce las alucinaciones y protege los datos.
Operaciones financieras con IA	Gobernanza de costos (presupuesto, limitación de velocidad, almacenamiento en caché, presupuesto rápido).	Evita “facturas impactantes” y mejora el TCO por carga de trabajo/modelo.
Gobernanza de la IA	Políticas, controles y auditorías para el uso responsable de la IA.	Necesario para el cumplimiento, la seguridad y la confianza.
Barandillas	Restricciones técnicas/operativas (alcance, filtros, controles).	Mantenga la IA dentro de límites seguros y auditables.
AgentOps y telemetría	Prácticas y métricas para agentes operativos (registros, evaluaciones, SLO).	Le permite medir el rendimiento, investigar fallas e iterar rápidamente.
TCO vs. ROI	TCO : coste total (infraestructura, licencias, personas); ROI : rendimiento financiero.	Define prioridades y demuestra valor para el negocio.
P&L por caso de uso	Mini-estado de resultados por iniciativa de IA.	Proporciona visibilidad de los ingresos, los ahorros y la recuperación de la inversión por caso.
KPI híbridos (humano-IA)	Métricas que combinan la productividad de las personas y los agentes.	Muestran un efecto real sobre el funcionamiento (por ejemplo: AHT, FCR, NPS).
ESG y huella de carbono	Medición/gestión del impacto ambiental y social de la IA.	Garantiza un crecimiento responsable y cumple con los requisitos regulatorios y del cliente.