Aproximadamente el 42% de los proyectos de inteligencia artificial son abandonados por las empresas que los desarrollan, según datos de S&P Global Market Intelligence. Esta cifra, que abarca tanto startups independientes como iniciativas internas de grandes corporaciones, refleja una dinámica que va más allá del fracaso individual: apunta a fricciones estructurales en la forma en que la industria concibe, financia y escala productos basados en IA.

Las causas de abandono son recurrentes: financiamiento insuficiente, barreras técnicas no resueltas, competencia que comprime márgenes de diferenciación, dificultades para escalar y, con frecuencia, una demanda de usuarios que nunca alcanzó las proyecciones iniciales. El patrón sugiere que la viabilidad de un producto de IA no depende únicamente de la calidad del modelo subyacente, sino de la capacidad de la organización para sostener iteración, distribución y monetización en paralelo.

Cuando los gigantes también retroceden

Incluso las empresas con mayor capitalización del sector han registrado reversiones significativas. En julio, una actualización de ChatGPT intentó consolidar múltiples experiencias —modos de chat, codificación y trabajo— en una interfaz unificada. La respuesta de los usuarios fue negativa: la nueva estructura fue percibida como confusa, lo que derivó en una reversión al diseño anterior en cuestión de días. El episodio ilustra un riesgo frecuente en productos de alto tráfico: los cambios de experiencia de usuario a escala pueden erosionar retención antes de que los beneficios estratégicos se materialicen.

En la misma línea, ChatGPT Atlas —un navegador web con IA integrada— fue descontinuado en menos de un año, con sus funcionalidades absorbidas directamente por ChatGPT. Operator, un agente capaz de navegar la web y ejecutar tareas autónomas, siguió el mismo camino. La tendencia apunta a una consolidación deliberada: en lugar de mantener productos satélite, la estrategia ha migrado hacia integrar capacidades dentro de una plataforma central.

El caso Siri y el costo de prometer antes de entregar

Apple presentó en 2024 una versión mejorada de Siri como parte de Apple Intelligence, posicionándola como un asistente capaz de entender contexto, interactuar con aplicaciones de terceros y ejecutar tareas complejas. Los retrasos en ingeniería y errores de funcionamiento pospusieron el lanzamiento en múltiples ocasiones, y la compañía llegó a un acuerdo de 250 millones de dólares por reclamaciones vinculadas a la publicidad de las capacidades de IA del iPhone 16. La versión beta de la nueva Siri se lanzó finalmente en julio con iOS 27, disponible inicialmente solo en inglés.

Este caso expone un riesgo de reputación y legal concreto: comunicar capacidades de IA antes de que estén operativas puede generar expectativas que, al no cumplirse, derivan en consecuencias regulatorias y de confianza de marca.

Startups con valuaciones altas también caen

Character.ai, fundada en 2021 por exinvestigadores de Google, construyó una plataforma de chatbots personalizables que llegó a recaudar 150 millones de dólares y alcanzó una valuación de mil millones en 2023. A pesar de su tracción, la startup declaró recientemente bancarrota. Antes de ese desenlace, Google pagó aproximadamente 2,700 millones de dólares para licenciar su tecnología y reintegrar a sus fundadores, permitiendo que la empresa continuara operando de forma independiente —aunque ese camino terminó en cierre.

El caso de Character.ai, junto con el de Ollie —un asistente de IA enfocado en privacidad que también cerró recientemente—, confirma que la valuación y el respaldo financiero no garantizan supervivencia cuando el modelo de negocio no logra sostenerse de forma autónoma. Para organizaciones que evalúan inversiones en IA, el historial de fracasos del sector ofrece una señal clara: la tecnología es condición necesaria, pero no suficiente. La viabilidad depende de la alineación entre capacidad técnica, demanda real y estructura operativa capaz de sostener el largo plazo.