La inteligencia artificial ya no vive solo en una pestaña del navegador. En muchas empresas empieza a formar parte del trabajo diario: redacta documentos, ayuda a programar, resume archivos, analiza datos, responde a clientes y se conecta con herramientas internas. Por eso, cuando una plataforma como ChatGPT, Claude, Gemini o Copilot falla, el problema ya no es simplemente que un usuario no pueda hacer una consulta. Cada vez más, una caída puede bloquear tareas reales dentro de procesos de negocio que dependen de la IA para avanzar.
Un análisis de Ookla, basado en 471 días de datos de Downdetector en Estados Unidos, muestra cómo los incidentes relacionados con plataformas de IA han ganado peso a medida que estas herramientas se integran en flujos de trabajo más complejos. El estudio cubre el periodo comprendido entre el 1 de enero de 2025 y el 16 de abril de 2026, e incluye 3,72 millones de reportes de problemas registrados en servicios como ChatGPT, Claude, Gemini, Microsoft Copilot, AWS y Microsoft Azure.
El dato más llamativo está en la evolución de los días con interrupciones de alta señal, es decir, jornadas en las que un servicio registró más de diez veces su volumen medio diario de incidencias. En el caso de las aplicaciones de IA, estos días pasaron de seis en el primer trimestre de 2025 a 16 en el cuarto trimestre de ese mismo año. Sin embargo, el salto más fuerte llegó en el primer trimestre de 2026, cuando se alcanzaron 51 días de disrupción entre ChatGPT, Claude, Gemini y Copilot.
La mayor parte de ese crecimiento se explica por Claude, que concentró 39 de esos 51 días. Gemini sumó siete, Copilot registró tres y ChatGPT, dos. Aun así, OpenAI aparece en el informe con algunos de los mayores picos individuales de incidencias. ChatGPT acumuló cuatro de los cinco días más intensos entre las aplicaciones de IA analizadas, incluido el 2 de diciembre de 2025, cuando se registraron cerca de 68.000 reportes.
La lectura, sin embargo, no es tan simple como pensar que las plataformas más usadas son necesariamente menos fiables. En el caso de ChatGPT, Ookla apunta a una mejora de la tendencia de fondo. Aunque los grandes incidentes siguen siendo muy visibles por la escala del servicio, el volumen medio diario de reportes fue menor en abril de 2026 que en abril de 2025, lo que sugiere una base de fiabilidad más estable pese al crecimiento del uso de herramientas como Codex.
El caso de Claude refleja otro fenómeno: la volatilidad asociada al crecimiento rápido. Según el análisis, la plataforma de Anthropic tenía volúmenes casi nulos de reportes a comienzos de 2025, pero empezó a mostrar una base sostenida desde mediados de julio, coincidiendo con una adopción mucho mayor. A partir de ahí, las incidencias crecieron con fuerza: Claude pasó de 48.589 reportes en el tercer trimestre de 2025 a 108.694 en el cuarto y 314.996 en el primer trimestre de 2026.
Esto no significa necesariamente que Claude se volviera menos fiable de forma lineal. Más bien muestra lo que ocurre cuando una herramienta pasa a otra escala de uso y empieza a sostener cargas más pesadas, especialmente en ámbitos como programación, agentes de trabajo o automatización de tareas. Cuantos más usuarios dependen de una plataforma y más complejas son las tareas que le delegan, más visible se vuelve cualquier fallo.
Gemini y Copilot presentan patrones distintos. En el caso de Gemini, Ookla observa un aumento progresivo de los reportes a medida que la aplicación crece en usuarios y se despliega en más productos de Google. Su mayor pico se produjo el 13 de febrero de 2026, con 14.417 reportes, pocos días antes del anuncio de Gemini 3.1 Pro. El informe no establece una relación directa de causa y efecto, pero sí apunta a la sensibilidad que pueden tener estos servicios durante ventanas de lanzamiento o expansión.
Por su parte, Microsoft Copilot registró menos incidencias en términos absolutos, aunque su comportamiento parece estar más ligado al ecosistema empresarial de Microsoft. Su mayor día de reportes fue el 4 de junio de 2025, con 12.028 incidencias, unas 81 veces por encima de su mediana diaria. Además, Ookla observa menos reportes durante los fines de semana, algo coherente con un uso más vinculado al entorno laboral.
El informe también recuerda que la fiabilidad de la IA no depende solo del modelo. Detrás de una respuesta fallida, un inicio de sesión bloqueado, un archivo que no carga o una tarea de código que se queda a medias puede haber muchas capas técnicas. Está la aplicación que ve el usuario, pero también los sistemas de autenticación, el enrutamiento, la selección de modelo, los límites de uso, la asignación de capacidad, la nube, las bases de datos, el almacenamiento, el DNS o las redes de distribución de contenido.
Por eso, las caídas de grandes proveedores cloud también forman parte de esta nueva superficie de riesgo. Ookla destaca, por ejemplo, el incidente de AWS del 20 de octubre de 2025, que generó 315.342 reportes en Downdetector en Estados Unidos. El problema estuvo relacionado con DynamoDB y su sistema de gestión DNS en la región us-east-1, lo que provocó efectos en cadena sobre otros servicios dependientes.
Algo similar ocurrió con Microsoft Azure el 29 de octubre de 2025, cuando un incidente en Azure Front Door produjo 95.840 reportes. Este servicio funciona como una capa global de entrada y enrutamiento de tráfico, por lo que un fallo en ese punto puede afectar a la forma en la que los usuarios acceden a distintas aplicaciones, aunque la aplicación final no sea el origen del problema.
La conclusión de fondo es que la IA empresarial empieza a depender de una infraestructura mucho más amplia de lo que parece desde la interfaz del usuario. Una plataforma puede estar parcialmente disponible y, aun así, fallar en una función concreta: una API, un conector, una carga de archivos, una herramienta de desarrollo, un modelo específico o una capacidad de agente. Para una empresa, cualquiera de esos fallos puede ser suficiente para interrumpir un flujo de trabajo.
Este cambio es especialmente relevante con la llegada de los sistemas agénticos, capaces de ejecutar tareas más largas y conectadas a otras herramientas. Cuando la IA deja de ser una simple caja de texto y empieza a actuar sobre documentos, código, bases de datos o aplicaciones corporativas, la pregunta ya no es solo si el chatbot responde. La pregunta es si toda la cadena que sostiene esa tarea funciona de forma fiable.
En este contexto, la resiliencia de la IA se convierte en un asunto estratégico para las empresas. No basta con elegir el modelo más potente o la herramienta más popular. También será necesario entender qué dependencias tiene cada plataforma, qué ocurre cuando falla una capa concreta y cómo se protegen los procesos de negocio cuando una tarea automatizada se queda interrumpida.
La inteligencia artificial promete acelerar el trabajo, pero esa promesa también crea una nueva dependencia. Cuanto más se integra en la actividad diaria, más importante resulta saber qué pasa cuando deja de funcionar. Y, según los datos de Ookla, ese debate ya no pertenece al futuro: está empezando a formar parte de la realidad operativa de las empresas.