Nueva etapa de desarrollo de la industria de la IA: de la exploración teórica a la implementación práctica

El campo de la inteligencia artificial está entrando en una nueva etapa de desarrollo, pasando de la discusión de temas populares a la implementación práctica. Actualmente, cómo crear productos de IA escalables se ha convertido en el núcleo de la competencia empresarial. El último informe titulado "Informe sobre el estado de la IA 2025" analiza en profundidad un conjunto completo de soluciones que van desde la concepción, la implementación hasta la operación a gran escala de productos de IA.

Este informe se basa en los resultados de una investigación realizada a 300 ejecutivos de empresas de software, combinados con entrevistas en profundidad con expertos en el campo de la IA, y proporciona a las empresas una hoja de ruta estratégica con el objetivo de ayudar a los equipos a convertir las ventajas inteligentes de la IA en una ventaja competitiva comercial duradera. El informe se centra en cinco áreas clave y analiza cómo estas ayudarán a los equipos a construir aplicaciones de IA.

1. La estrategia de productos de IA entra en una nueva fase de madurez

Los datos muestran que las empresas nativas de IA están claramente a la vanguardia en la velocidad de promoción de productos. Casi la mitad de las (47%) empresas nativas de IA han alcanzado una escala clave y han sido validadas por el mercado, mientras que solo el 13% de las empresas que han integrado IA en sus productos existentes han alcanzado este nivel.

Las empresas nativas de IA están realizando grandes esfuerzos para implementar flujos de trabajo de agentes inteligentes (, sistemas de IA que representan la ejecución autónoma de tareas de múltiples pasos por parte de los usuarios ) y aplicaciones verticales, donde casi el 80% de los desarrolladores están enfocándose en este campo. En términos de elección tecnológica, la arquitectura de múltiples modelos se está convirtiendo en la norma, con el fin de optimizar el rendimiento, controlar costos y adaptarse a diferentes escenarios de aplicación. La encuesta muestra que, en los productos orientados al cliente, cada encuestado utiliza un promedio de 2.8 modelos.

2. La evolución continua del modelo de precios de IA

La IA está cambiando la forma en que las empresas fijan los precios de sus productos. Muchas compañías están adoptando un modelo de precios híbrido, añadiendo tarifas basadas en el uso sobre una tarifa de suscripción básica. Algunas empresas también están explorando modelos de precios que se basan completamente en el uso real o en los resultados del cliente.

Actualmente, todavía hay muchas empresas que ofrecen funciones de IA de forma gratuita, pero más de un tercio (37%) de las empresas planean ajustar su estrategia de precios en el próximo año, para que los precios se alineen más con el valor que obtienen los clientes y el uso de las funciones de IA.

3. La estrategia de talento se convierte en una ventaja diferenciada

La IA no solo es un problema técnico, sino también un problema organizativo. Actualmente, la mayoría de los equipos de élite han formado equipos multifuncionales compuestos por ingenieros de IA, ingenieros de aprendizaje automático, científicos de datos y gerentes de productos de IA.

De cara al futuro, la mayoría de las empresas espera que entre el 20% y el 30% de su equipo de ingeniería esté enfocado en la IA, y en las empresas de alto crecimiento esta proporción podría alcanzar el 37%. Sin embargo, encontrar el talento adecuado sigue siendo un obstáculo. De todos los puestos de IA, el ciclo de contratación para ingenieros de IA y aprendizaje automático es el más largo, superando los 70 días de promedio.

Hay discrepancias en el progreso de la contratación. Aunque algunos reclutadores creen que el avance es bueno, el 54% de los encuestados indica que el progreso está retrasado, siendo la principal razón la falta de talento calificado.

4. El presupuesto de IA crece significativamente

Las empresas que utilizan tecnología de IA están destinando entre el 10% y el 20% de su presupuesto de I+D al campo de la IA. En 2025, las empresas de todos los rangos de ingresos muestran una tendencia de crecimiento sostenido. Este cambio estratégico destaca que la tecnología de IA se ha convertido en el motor central de la planificación estratégica de productos.

A medida que la escala de los productos de IA se expande, la estructura de costos también cambia significativamente. En las primeras etapas, el costo de los recursos humanos representa la mayor proporción, incluyendo gastos de reclutamiento, capacitación y mejora de habilidades. Una vez que el producto madura, los costos de servicios en la nube, los costos de inferencia de modelos y los costos de cumplimiento regulatorio se convertirán en los principales gastos.

5. La escala de aplicación de IA interna en las empresas se expande, pero su distribución es desigual

Las encuestas muestran que la mayoría de las empresas ofrecen acceso a herramientas internas de IA a aproximadamente el 70% de los empleados, pero solo alrededor de la mitad las utiliza de forma regular. En empresas más grandes y con estructuras más consolidadas, es aún más difícil fomentar el uso de la IA entre los empleados.

Más de la mitad de los empleados de empresas con alta adopción utilizan herramientas de IA, desplegando IA en un promedio de siete o más escenarios de aplicación interna, incluyendo asistente de programación con una tasa de uso del 77%, generación de contenido con un 65% y búsqueda de documentos con un 57%. La mejora en la eficiencia laboral en estos campos alcanza entre el 15% y el 30%.

El ecosistema de herramientas de IA se está madurando gradualmente

El informe también investigó los marcos tecnológicos, bibliotecas y plataformas utilizados por cientos de empresas. Los resultados muestran que, aunque el ecosistema de herramientas de IA sigue siendo relativamente disperso, está avanzando gradualmente hacia la madurez. Los desarrolladores han adoptado una combinación diversa de herramientas en diferentes campos, lo que refleja la diversidad de las demandas de aplicaciones de IA y la complejidad de las prácticas tecnológicas.