La inteligencia artificial no fracasa principalmente por la tecnología, sino por decisiones humanas mal tomadas. Esa es la tesis que deja la columna de Luis G. y G., apoyada en ejemplos y estudios de McKinsey, BCG y RAND.
Phil Sebok, que lidera en México a Wonderful, dijo que la empresa ya trabaja con agentes de IA que usa Mercado Libre. También explicó que construyeron tres agentes en diez semanas. Uno acompaña al vendedor desde que comparte los datos de su auto hasta que agenda la inspección; otro conecta compradores con vendedores; y un tercero trabaja con la red de agencias autorizadas.
El primero opera sobre WhatsApp y combina cinco funciones: registra el vehículo, identifica la versión, calcula el precio, agenda la cita y responde preguntas frecuentes. Según reportó la propia empresa, gestionó 99% de las conversaciones sin que interviniera una persona y generó cerca de 2,200 cotizaciones.
La propia columna aclara que esas cotizaciones no son ventas y que la cifra viene del proveedor, no de una auditoría externa. Ese matiz importa, porque el entusiasmo por la IA suele inflar el impacto antes de que existan resultados verificables.
Los datos citados por el texto van en la misma dirección. McKinsey publicó que 80% de los empleados dice que la IA mejoró su productividad personal, pero solo 37% cree que eso se tradujo en mejores resultados para su empresa. La lectura es simple: ganar tiempo no basta si la organización no rediseña el proceso alrededor de esa ganancia.
La misma investigación, siempre según la columna, encontró que casi tres cuartas partes de las empresas con mejores resultados habían rediseñado por completo sus flujos de trabajo alrededor de la IA. Entre el resto, solo una de cada cuatro lo había hecho.
BCG aporta otro ángulo: las empresas que mejor aprovechan la IA dedican 10% del esfuerzo al algoritmo, 20% a datos y tecnología, y 70% a personas, procesos y cultura. La misma consultora, con una encuesta a más de 1,800 ejecutivos en 2025, halló que apenas una cuarta parte de sus empresas había creado valor significativo con IA.
RAND, por su parte, entrevistó a 65 científicos de datos e ingenieros y detectó cinco causas recurrentes de fracaso: un problema mal definido, datos insuficientes, fascinación por la herramienta más nueva, infraestructura que no aguanta y expectativas que piden más de lo que la IA puede dar. Solo una de esas causas es puramente tecnológica.
El mercado ya votó: la ventaja no está en comprar el modelo más vistoso, sino en ordenar la casa. Capital busca reglas claras, y en IA eso significa datos limpios, procesos acotados y equipos capaces de ejecutar.
Si no hay visión, apertura de sistemas y disciplina operativa, la IA se queda como adorno corporativo. El valor real aparece cuando la empresa deja de perseguir la novedad y empieza a rediseñar su productividad desde dentro.
