La inteligencia artificial parece haber superado una de las primeras preguntas que acompañaron su desembarco masivo en las empresas. Para buena parte de las organizaciones, ya está generando valor. El problema ahora aparece en otro terreno. Cuanto mayor es su participación en decisiones reales, más difícil se vuelve garantizar que esas decisiones puedan ser comprendidas, justificadas y auditadas.
Esa es una de las principales conclusiones del informe de FICO “Estado de la IA Responsable 2026. La brecha de confianza en las decisiones de IA” (“State of Responsible AI 2026. The Confidence Gap in AI Decisions”). El estudio, desarrollado junto a Corinium Intelligence, encuestó a 1.004 responsables senior de tecnología, datos, analytics, riesgo e inteligencia artificial de siete industrias y distintas regiones del mundo. El sector asegurador tuvo un peso relevante dentro de la muestra, al representar el 25,1% de los participantes.
Los resultados muestran una paradoja. El 85,1% afirma que las inversiones en IA cumplieron o superaron las expectativas iniciales de retorno, una señal de que la discusión empresarial empieza a dejar atrás la pregunta sobre si la tecnología genera valor. De hecho, el 42,6% considera que el retorno superó parcialmente lo esperado, mientras que otro 5% asegura que lo hizo ampliamente. El desafío empieza ahora en otro terreno, vinculado con la capacidad de controlar y explicar cómo se llega a esas decisiones.
La IA ya está cumpliendo las expectativas de retorno
Cómo se compara el ROI real de la IA en las organizaciones con las expectativas iniciales

Fuente: FICO / Corinium Intelligence, State of Responsible AI 2026.
Sin embargo, cuando la pregunta deja de ser cuánto valor genera la tecnología y pasa a ser si la empresa puede justificar sus resultados, la confianza cae de manera abrupta. Apenas 5,2% de los ejecutivos se declara muy confiado en poder explicar una decisión impulsada por IA ante un regulador o un cliente. Otro 57,6% señala tener cierta confianza, mientras que más de un tercio se mantiene en una posición neutral. La brecha entre rendimiento y explicabilidad aparece así como uno de los grandes desafíos para escalar la IA en actividades reguladas.
Explicar una decisión de IA sigue siendo el gran punto débil
Nivel de confianza para explicar decisiones impulsadas por IA ante reguladores y clientes

Fuente: FICO / Corinium Intelligence, State of Responsible AI 2026.
Esa brecha ayuda a explicar por qué la IA todavía participa menos de lo esperado en decisiones que llegan directamente al consumidor. Según el reporte, apenas 28,5% de las decisiones con impacto sobre clientes son tomadas actualmente mediante IA. De ese total, 13,1% corresponde a modelos tradicionales de machine learning y predictivos, 8,9% a IA generativa y 6,5% a IA agéntica. El 71,5% restante continúa dependiendo de personas, sistemas basados en reglas o herramientas analíticas convencionales.
Para una industria como seguros, el planteo resulta especialmente relevante. A medida que los modelos intervienen en procesos vinculados con selección de riesgos, detección de fraude, segmentación, atención o gestión de siniestros, no alcanza con saber que estadísticamente funcionan bien. Cuando una decisión afecta a un asegurado, las compañías necesitan comprender qué información fue utilizada, cómo influyó cada variable y quién es responsable de validar el resultado. El desafío pasa así de tener modelos más potentes a contar con modelos cuya lógica pueda ser defendida.
El estudio también muestra que buena parte de las empresas todavía no construyó la infraestructura necesaria para escalar estos usos de manera consistente. Sólo 8,2% cuenta plenamente con una plataforma única y compartida para desplegar IA, mientras que 71,2% dispone de ella apenas de forma parcial. Al mismo tiempo, 96,4% considera que una mayor colaboración entre los responsables de IA y tecnología sobre una plataforma común podría generar retorno adicional.
Las barreras tampoco son únicamente tecnológicas. La resistencia al cambio aparece como el principal obstáculo para alinear a las organizaciones alrededor de proyectos de IA, mencionada por 61,4% de los participantes, seguida por la falta de una comprensión compartida sobre la tecnología, con 58,4%. El problema, por lo tanto, no parece limitarse a disponer de mejores modelos o mayor capacidad de cómputo. La cultura interna, la capacitación y la claridad sobre cómo y para qué utilizar IA empiezan a pesar tanto como la tecnología misma.
La IA agéntica, una de las tendencias que más atención está recibiendo actualmente, también muestra una distancia considerable entre expectativa y realidad. Casi todas las organizaciones ya experimentan con agentes, aunque sólo 2,4% los desplegó ampliamente en múltiples casos de uso que impactan sobre clientes. El 71,5% permanece entre etapas iniciales de exploración y proyectos piloto. Entre las principales barreras aparecen la seguridad, mencionada por 40,1%, y los problemas de integración y calidad de los datos, con 38,3%.
La cautela es todavía mayor en actividades reguladas. Dentro de servicios financieros, sólo 1,1% reporta un despliegue amplio de agentes de IA, mientras que en seguros 35,7% todavía se encuentra en una etapa inicial de exploración. A nivel general, 82,2% de los ejecutivos prefiere un modelo de autonomía condicionada, donde los agentes puedan actuar dentro de límites previamente definidos y los casos de mayor impacto continúen bajo responsabilidad humana.
El mensaje de fondo del estudio es que la próxima etapa de la inteligencia artificial empresarial probablemente no se definirá sólo por quién adopte más tecnología. La diferencia estará en quién consiga utilizarla a escala sin perder trazabilidad, responsabilidad ni capacidad de explicar una decisión. En seguros, donde una decisión algorítmica puede terminar afectando directamente una cobertura, una prima o un siniestro, esa brecha entre rendimiento y confianza puede convertirse en uno de los principales desafíos de innovación para los próximos años.









