Una etapa fascinante, pero con datos incómodos
Estamos viviendo una etapa fascinante con la inteligencia artificial. Cada semana aparecen nuevas herramientas, plataformas, agentes, copilotos y promesas de productividad. El entusiasmo es real. La velocidad de innovación también. Según el último estudio global de McKinsey, el 88% de las organizaciones ya usa IA en al menos una función de negocio, frente al 78% del año anterior. La adopción dejó de ser una ventaja: se volvió piso de entrada. Pero los mismos datos cuentan una historia más incómoda. Solo el 6% de las empresas logra capturar valor significativo de la IA, y apenas un tercio ha pasado de los pilotos a una implementación a escala. MIT documentó algo todavía más severo en su reporte State of AI in Business 2025: el 95% de los pilotos de IA generativa no produce ningún impacto medible en el P&L. RAND Corporation llega a una conclusión similar desde otro ángulo: más del 80% de los proyectos de IA fracasan, el doble que los proyectos tradicionales de tecnología.
La verdadera competencia: convertir IA en valor real
Mi percepción, en este contexto, es que la verdadera competencia de los próximos años no se va a definir por quién tenga la mejor tecnología o el modelo más sofisticado. Se va a definir por algo mucho más difícil de construir: la capacidad de convertir la IA en valor real para clientes reales. Hoy vemos el nacimiento de muchísimas plataformas de IA. Algunas son muy buenas. Otras son muy llamativas. Muchas resuelven problemas puntuales con una velocidad impresionante. Pero también muchas nacen con una debilidad importante: no tienen una base sólida de clientes, no tienen relaciones profundas con el mercado, no conocen a fondo los procesos donde quieren intervenir y todavía están buscando cuál es el problema real por el que alguien estaría dispuesto a pagar de forma recurrente.
Lo que falla no es el modelo
Esto no es teórico. Deloitte reporta que el 42% de las empresas abandonó al menos una iniciativa de IA en 2025, con un costo hundido promedio de 7.2 millones de dólares por proyecto cancelado (S&P Global). Lo que falla, casi siempre, no es el modelo: es la falta de un problema de negocio bien definido, de datos confiables y de integración real al flujo de trabajo. Y ahí es donde la conversación se vuelve interesante. Porque, por otro lado, existen empresas que ya tienen algo que no se construye de la noche a la mañana: clientes, confianza, datos históricos, conocimiento operativo, procesos entendidos, canales comerciales, soporte, reputación y relaciones de largo plazo.
La ventaja de quien ya tiene clientes
Esas empresas, si logran incorporar IA de manera inteligente, tienen una oportunidad enorme. No porque vayan a crear el modelo más avanzado del mundo, sino porque pueden aplicar esa tecnología directamente sobre problemas reales, en industrias reales, con clientes que ya confían en ellas. La probabilidad de venderle algo nuevo a un cliente existente es de 60–70%; a un prospecto frío, apenas 5–20%. Esa diferencia es una ventaja competitiva que ninguna plataforma compra con una buena demo. La IA, por sí sola, no es una estrategia. Necesita contexto. Necesita datos. Necesita distribución. Necesita conocimiento del negocio. Necesita entender excepciones, reglas, fricciones operativas, regulaciones, hábitos de los usuarios y dolores específicos de cada industria. Y eso, muchas veces, ya lo tienen las empresas que llevan años atendiendo a sus clientes.
El know-how como diferenciador real
Hay un dato del estudio del MIT que vale la pena subrayar: las soluciones de IA compradas a proveedores especializados con integración profunda al flujo de trabajo tienen éxito el 67% de las veces; las construidas internamente, solo un 33%. El patrón es claro: lo que importa no es construir IA, sino integrarla donde ya hay un negocio que funciona. Hace poco tuve una conversación con el CFO de una empresa mexicana en crecimiento acelerado. Su pregunta fue directa y muy razonable: "¿por qué implementar esto con ustedes y no con usar IA para crear lo que necesito?" Mi respuesta también fue directa: nuestro "know-how" es lo que nos hace diferentes. Nuestro producto incorpora capacidades de IA, sí, pero sobre una base sólida — un producto probado, utilizado por el mercado, con clientes que ya lo conocen, procesos que ya funcionan y aprendizajes acumulados durante años de operación real. La IA es una capa que potencia algo que ya tiene tracción, no una promesa que apenas empieza a buscar dónde aterrizar. Esa conversación, para mí, resume bien la lógica que veo en los próximos años. La pregunta correcta no es "empresa establecida vs. startups de IA". La pregunta correcta es: ¿sobre qué base está montada esa IA? Cuando hay producto probado, clientes reales y conocimiento operativo, la IA multiplica el valor. Cuando esa base no existe, la IA difícilmente la construye a tiempo — y los números del MIT, RAND y Deloitte lo confirman cada trimestre.
Las tres fuerzas que decidirán quién gana
Por eso creo que el futuro no será simplemente de las nuevas plataformas de IA, ni tampoco automáticamente de las empresas tradicionales. Será de quienes logren combinar tres fuerzas:
- Tecnología de IA bien aplicada. No usar IA por moda, sino integrarla en productos, servicios y procesos donde realmente mejore la experiencia, reduzca fricción, aumente eficiencia o genere mejores decisiones. McKinsey encontró que el rediseño de flujos de trabajo es la variable que más correlaciona con impacto financiero real, y sin embargo solo el 21% de las empresas que usan IA generativa ha rediseñado al menos algunos de sus procesos. El resto está agregando IA encima de procesos viejos, y por eso el ROI no llega.
- Conocimiento profundo del negocio. Entender el problema real, no solo el caso de uso superficial. Saber dónde duele, dónde se pierde tiempo, dónde hay riesgo, dónde hay oportunidad y qué significa generar valor en esa industria. Este conocimiento no se descarga de un modelo: se construye con años de operación, conversaciones con clientes y errores corregidos.
- Una base de clientes que ya confía. En los negocios, la distribución importa. La confianza importa. La cercanía importa. El costo de adquirir un cliente nuevo es entre cinco y veinticinco veces mayor que el de retener uno existente, y un aumento de apenas 5% en retención puede traducirse en 25–95% más utilidad. Cuando una empresa ya tiene una relación construida con sus clientes, tiene una ventaja poderosa para llevarles nuevas capacidades basadas en IA.
La IA no elimina la importancia de tener clientes. La multiplica.
Muchas plataformas nuevas de IA van a enfrentar un reto fuerte: pasar de la demostración atractiva al valor sostenible. Muchas empresas establecidas enfrentarán otro reto igual de importante: pasar de observar la IA como una amenaza o una moda, a integrarla como una nueva capacidad estratégica. Las primeras tendrán que construir confianza. Las segundas tendrán que moverse rápido. La ventaja no será para quien simplemente "tenga IA". Eso pronto será común. La ventaja será para quien sepa convertir la IA en mejores productos, mejores decisiones, mejores procesos y mejores resultados para una comunidad de clientes que ya le reconoce autoridad y valor. En otras palabras: la IA no elimina la importancia de tener clientes. La multiplica. Y tal vez la verdadera pregunta para las empresas no sea: "¿Qué plataforma de IA vamos a usar?" Sino: "¿Cómo vamos a usar la IA para volvernos mucho más relevantes para los clientes que ya confían en nosotros?" Ahí, creo, estará una de las grandes batallas de los próximos años.