De acuerdo con el estudio global de la consultora McKinsey, un 78% de las organizaciones ya usa la inteligencia artificial en al menos una función del negocio.

Aunque la inteligencia artificial sigue ganando espacio en las empresas, su incorporación no parecería traducirse automáticamente en mejores resultados. El punto ya no estaría solo en adoptar herramientas, sino en determinar si realmente ayudan a identificar mejor oportunidades, responder más rápido al cliente, anticipar demanda o mejorar la productividad del equipo.

Esa diferencia importa porque la discusión parece haber entrado en una etapa menos experimental. Un informe de la consultora McKinsey reporta que 78% de las organizaciones ya usa IA en al menos una función y que marketing y ventas figura entre las áreas donde más se emplea. Pero el mismo estudio sugiere que el impacto empieza a aparecer cuando la tecnología se conecta con cambios concretos en la forma de operar: rediseño de flujos de trabajo, seguimiento con KPIs y roles de gobernanza más claros. En otras palabras, el valor no parecería surgir por la herramienta en sí, sino por la capacidad de incorporar a decisiones y rutinas que sostienen el desempeño del negocio.

“Hoy la conversación sobre inteligencia artificial ya no debería centrarse solo en cuántas herramientas se prueban, sino en si realmente ayudan a vender mejor, atender con mayor precisión o tomar decisiones más oportunas”, señala Willard Manrique, CEO del Grupo Crosland y especialista en dirección comercial.

Visto desde esa lógica, la discusión parecería concentrarse en tres hallazgos concretos:

1. Adoptar IA para llevarla a decisiones que mueven el negocio: usar IA no necesariamente cambia el desempeño si se queda en tareas aisladas o pilotos desconectados. Su aporte empezaría a notarse cuando ayuda a definir mejor a qué clientes atender primero, qué oportunidades priorizar, qué productos empujar según contexto o cómo ajustar la oferta a señales más finas de demanda.

“Ahí la tecnología deja de ser un recurso accesorio y empieza a influir en decisiones que inciden en conversión, velocidad comercial y calidad de ejecución. McKinsey refuerza esa lectura al mostrar que marketing y ventas es uno de los espacios donde más se está utilizando IA, pero también que el rediseño de flujos de trabajo es el atributo más asociado a impacto en rentabilidad”, explica el especialista.

2. Reducir fricción y liberar capacidad de los equipos: en muchas empresas, una parte relevante del problema no pasa por falta de datos, sino por tiempos de respuesta, sobrecarga operativa y dispersión del esfuerzo. Ahí la IA podría aportar menos como sustituto del criterio humano y más como acelerador: automatizar tareas repetitivas, resumir información, ordenar consultas, asistir en cotizaciones, priorizar seguimientos o reducir tiempos muertos entre una acción y otra.

El último reporte anual de Microsoft WorkLab aporta una señal útil en esa dirección: 53% de líderes afirma que la productividad debe aumentar, mientras 80% de la fuerza laboral dice no tener suficiente tiempo o energía para hacer su trabajo. Bajo esa presión, el valor de la IA parecería empezar cuando devuelve tiempo para actividades que sí empujan resultados.

3. La barrera principal seguiría estando en la ejecución diaria, no en el entusiasmo tecnológico: un análisis publicado por Harvard Business Review advierte que la promesa de transformación ya llevó a muchas grandes compañías a lanzar cientos de pilotos y ampliar el acceso a herramientas como Copilot y ChatGPT. Sin embargo, el cuello de botella sigue apareciendo cuando esa adopción debe traducirse en cambios sostenidos dentro de la operación.

Manrique explica que en ese punto es donde muchas iniciativas se enfrían: no porque la tecnología falte, sino porque no siempre se integra con suficiente claridad a procesos, responsables, metas y formas de trabajo.

Desde esta perspectiva, la diferencia no la marcaría quién prueba más IA, sino quién logra volverla parte de la ejecución cotidiana. Vistos en conjunto, estos hallazgos sugieren una lectura más útil para las empresas: la IA no empezaría a generar valor cuando una organización la compra o la habilita, sino cuando logra conectarla con decisiones que afectan directamente su capacidad de captar oportunidades, responder con agilidad y ejecutar mejor.

Por eso, la pregunta de fondo ya no parecería ser cuánta IA tiene una empresa, sino en qué parte de su operación está ayudando realmente a producir mejores resultados. “Más IA no necesariamente significa más ventas. Lo que puede marcar la diferencia es qué tan bien se integra a la ejecución: si ayuda a entender mejor al cliente, a responder más rápido, a proyectar con mayor precisión y a mejorar la productividad del equipo. Si esa implementación no logra cruzar esa última milla, el riesgo es que la IA quede como una promesa interesante, pero todavía lejos de generar impacto real”, sostiene el CEO.