AI washing: cuando la inteligencia artificial se convierte en marketing vacío

3–5 minutos

Con el rápido avance de la inteligencia artificial, las empresas compiten por demostrar que están a la vanguardia tecnológica. En este contexto, surgió el término AI washing, que describe situaciones en las que las organizaciones exageran, distorsionan o presentan de forma poco clara su uso de la IA.

Este concepto es similar al greenwashing, una práctica en la que las empresas hacen afirmaciones medioambientales sin respaldo real. En el caso del AI washing, el enfoque está en las capacidades tecnológicas declaradas y en cómo se venden al mercado.

¿Qué es el AI washing?

El AI washing ocurre cuando una empresa intenta transmitir la idea de que utiliza la inteligencia artificial de manera más amplia o sofisticada de lo que los hechos permiten.

Esto puede ocurrir, por ejemplo, cuando una empresa califica un recurso automatizado como IA sin explicar su funcionamiento, o cuando presenta la tecnología como central en su operación, aunque su uso sea limitado.

Un estudio publicado en AMS Review en 2025 define el fenómeno como la representación exagerada o incorrecta de las capacidades de IA de una empresa con el fin de aumentar su atractivo en el mercado y obtener una ventaja competitiva.

El problema no radica necesariamente en el uso de herramientas listas de terceros, sino en la discrepancia entre lo que se divulga y lo que se implementa efectivamente.

Cómo identificar el AI washing

Profesionales, consumidores e inversores pueden utilizar señales claras para evaluar las afirmaciones sobre IA:

  • Uso frecuente de expresiones como “AI-powered” o “IA propietaria” sin detallar su aplicación;
  • Falta de información sobre dónde se aplica la tecnología;
  • Promesas de ganancias sin indicadores que permitan su verificación;
  • Descripción genérica que no diferencia entre IA, automatización o software convencional;
  • Divulgación de proyectos de IA sin evidencia de implementación real.

La SEC, reguladora del mercado de capitales de Estados Unidos, advirtió a las empresas sobre el riesgo de hacer afirmaciones infundadas. En 2024, su presidente, Gary Gensler, afirmó que las compañías deben ser capaces de explicar cómo y dónde se utiliza la IA y cuál es la base de sus declaraciones.

¿Por qué el AI washing puede ser un problema para los profesionales?

La popularización de la IA ha intensificado la presión sobre las empresas para que demuestren su capacidad tecnológica, creando a veces una brecha entre la comunicación externa y la realidad interna.

Una empresa puede anunciar que utiliza IA para aumentar la productividad de un equipo, mientras que en la práctica la tecnología está limitada a un proyecto piloto sin impacto significativo.

Para los profesionales, comprender esta diferencia ayuda a evaluar el impacto real de la IA en su área y a formular preguntas más objetivas antes de adoptar una herramienta o participar en un proyecto.

El AI washing puede afectar a empresas e inversores

El tema también ha comenzado a ser estudiado en el mercado financiero. Una investigación de 2026 en Finance Research Letters analizó empresas estadounidenses entre 2018 y 2023 y encontró una asociación entre afirmaciones de IA sin comprobación y reacciones negativas posteriores del mercado.

Otro estudio, también de 2026, examinó empresas chinas cotizadas en bolsa entre 2010 y 2024 e identificó una relación entre el AI washing y un mayor riesgo de caída de las acciones, atribuyendo este efecto al aumento de la asimetría de información y de las expectativas de los inversores.

El CFA Institute publicó en 2025 un informe específico sobre el tema, recomendando que los inversores cuestionen qué tecnología se utiliza, cómo se ha incorporado al proceso y qué resultados pueden demostrarse.

Cómo evaluar una afirmación sobre inteligencia artificial

Antes de aceptar que un producto, servicio o empresa utiliza IA, algunas preguntas ayudan a distinguir entre la aplicación concreta y el discurso:

¿Dónde se utiliza la IA? Una afirmación genérica no especifica qué proceso fue automatizado o mejorado.

¿Qué tecnología está involucrada? Es importante diferenciar entre modelos generativos, aprendizaje automático, automatización tradicional y otras tecnologías.

¿Qué resultado se obtuvo? Los indicadores, pruebas y ejemplos de aplicación permiten verificar si hubo un efecto medible.

¿Quién desarrolló la solución? Una empresa puede utilizar un modelo creado por otra, lo que no invalida el uso de IA, pero aclara el papel de cada organización.

¿El uso está en producción? Una herramienta en prueba, un proyecto piloto y una tecnología incorporada a la operación representan niveles distintos de adopción.

Para quienes trabajan en tecnología o negocios, comprender estas distinciones permite interpretar con mayor precisión anuncios, presentaciones corporativas y ofertas de empleo que mencionan la IA.