El cementerio de la IA: lecciones de proyectos y startups que no sobrevivieron

Un panorama de bajas en la industria de la IA

En los últimos años hemos visto una cantidad creciente de proyectos de inteligencia artificial que fueron cancelados, pivotaron o directamente quebraron. Un dato revelador: según S&P Global Market Intelligence, cerca del 42% de las iniciativas de IA terminan abandonadas por sus empresas matrices. Esa cifra no solo refleja fracasos aislados, sino patrones repetidos que conviene entender si su organización considera invertir o desarrollar productos basados en IA.

En este artículo reviso algunos de los casos más notables —tanto de gigantes tecnológicos como de startups— y extraigo aprendizajes prácticos para líderes y equipos en América Latina.

Cuando incluso los gigantes tropiezan: OpenAI, Apple y Microsoft

Los errores más visibles no vinieron solo de empresas pequeñas. OpenAI, por ejemplo, intentó convertir ChatGPT en una suerte de superapp que reuniera varias experiencias. Un rediseño que mezclaba modos como Chat, Codex y Work fue recibido con críticas por ser confuso; la compañía tuvo que revertir cambios y reabsorber funciones de apps independientes dentro de ChatGPT. Productos como ChatGPT Atlas —un navegador con IA— y Operator, un agente capaz de navegar y completar tareas, duraron poco antes de que sus capacidades se integraran en la plataforma principal. Incluso DALL·E ha visto reducida su visibilidad a medida que la generación de imágenes se incorporó en ChatGPT. Por último, Sora, la apuesta de video social, cerró ante costos operativos y problemas de retención.

Apple también enfrentó tropiezos con su promesa de una Siri más potente dentro de Apple Intelligence. El lanzamiento sufrió múltiples retrasos por problemas de ingeniería y finalmente derivó en un acuerdo por 250 millones de dólares relacionado con cómo se comunicaron las capacidades de IA del iPhone 16. La versión renovada de Siri apareció en la beta de iOS 27 en julio y su despliegue inicial priorizó usuarios de habla inglesa.

Microsoft presentó Recall, una función anunciada como memoria fotográfica para Windows que hacía capturas periódicas del uso del equipo para permitir búsquedas retrospectivas. El proyecto encontró críticas inmediatas por implicaciones de privacidad —posible almacenamiento de contraseñas, mensajes y datos sensibles— y fue postergado casi un año. Pese a rediseños, investigaciones de seguridad mostraron que aún quedaban dudas sobre la extracción y exposición de información capturada.

Startups y productos que cerraron o cambiaron radicalmente

No solo las grandes empresas abandonaron apuestas. Relay, una herramienta que prometía automatizar flujos de trabajo con agentes de IA como alternativa a Zapier, cerró por completo en agosto. Su problema: plataformas más grandes incorporaron automatizaciones similares dentro de sus ecosistemas, disminuyendo la razón de ser de Relay como producto independiente. Character.ai, la plataforma de chatbots, terminó declarando bancarrota apenas cinco años después de su lanzamiento.

Notion Mail, lanzado en abril de 2025 como un producto de correo con enfoque en IA para organizar y automatizar bandejas de entrada, será descontinuado el 22 de septiembre. La empresa detectó que los usuarios preferían emplear agentes externos para gestionar sus correos, lo que erosionó la adopción del producto.

En hardware, el caso de Humane y su AI Pin quedó como uno de los fracasos más públicos. Aunque la compañía recaudó 230 millones de dólares y generó mucha expectativa, el dispositivo sufrió por rendimiento insuficiente y, peor aún, por una advertencia sobre riesgo de incendio en su estuche de carga. Humane cerró ese negocio en febrero de 2025 y vendió la mayor parte de sus activos a HP por 116 millones de dólares.

El Rabbit R1, presentado en el CES de enero de 2024 como un compañero con capacidades agentivas, reportó ventas tempranas importantes —la empresa dijo haber vendido 100,000 unidades— pero las reseñas iniciales lo calificaron como un producto poco terminado, con rendimiento poco fiable y pocas integraciones útiles. La compañía no abandonó el proyecto y ha continuado actualizando el dispositivo y anunciando nuevos desarrollos de hardware.

¿Por qué fracasan tantos proyectos de IA?

Los motivos se repiten en múltiples historias:

• Financiamiento insuficiente para sostener ciclos largos de producto.
• Desafíos técnicos: la IA a menudo promete más de lo que puede ofrecer en condiciones reales de uso.
• Competencia y captura por parte de plataformas más grandes que integran funciones similares.
• Dificultad para escalar y mantener costos operativos controlados, especialmente en productos que requieren infraestructura intensiva.
• Demanda de usuarios más débil de lo esperado o mala adecuación al mercado.

Además, las preocupaciones por privacidad y seguridad pueden borrar la ventaja competitiva de una solución si no se abordan desde el diseño.

Lecciones para líderes y tomadores de decisión en América Latina

Para organizaciones en la región, estos casos ofrecen varias precauciones y oportunidades:

• Prioricen el ajuste producto-mercado. Antes de escalar, validen que la solución resuelve un problema claro y repetible en su mercado objetivo.
• Evalúen la dependencia de terceros. Construir sobre la infraestructura de un gran proveedor puede acelerar el desarrollo, pero también hace vulnerable el negocio a cambios en las estrategias de esos proveedores.
• Incorporen privacidad y seguridad desde el inicio. Los riesgos regulatorios y de reputación son reales y pueden provocar retiradas de producto costosas.
• Piensen en costos de operación y escalamiento. La IA puede ser intensiva en infraestructura; proyecten escenarios de costo realistas.
• Adapten la propuesta a las particularidades locales. En América Latina factores como conectividad, preferencias de pago, idiomas y modelos de soporte técnico influyen en la adopción.

Conclusión

El llamado cementerio de la IA no es solo una lista de fracasos: es un archivo de evidencia práctica acerca de lo que funciona y lo que no. Los ejemplos recientes muestran que la innovación por sí sola no garantiza éxito; se necesitan posicionamiento claro, sostenibilidad económica, atención a la privacidad y una estrategia frente a la competencia de plataformas integradas.

Para quienes toman decisiones en empresas latinoamericanas, el mensaje es doble: hay oportunidades importantes en IA, pero es indispensable diseñar estrategias realistas y resilientes que aprendan de los errores que ya ocurrieron en la industria global.