Lo que debería mirar un gerente general para saber si la IA de su empresa realmente está dando retorno

Todos los lunes a las nueve de la mañana, un Key Account Manager entra a una reunión de seguimiento con el dato de ayer. Sabe cuánto se vendió la semana pasada, más o menos, y tiene una idea aproximada de qué producto se está quedando sin stock en qué tienda, pero para confirmarlo tendría que abrir cinco pestañas distintas, Falabella, Paris, Ripley, la tienda propia y una planilla de Excel que alguien actualiza a mano cada cierto tiempo. Antes de que existiera un agente que cruzara esos datos automáticamente, alguien del equipo perdía horas cada semana descargando reportes de canales que no conversan entre sí.

Ese minuto perdido cruzando planillas no es un problema menor ni exclusivo del retail. Es, en una escala mucho más grande, el mismo patrón que explica por qué algunas empresas están sacándole a la inteligencia artificial un retorno que a otras simplemente no les llega, aunque ambas digan que ya adoptaron IA.

La brecha de productividad que se está abriendo entre empresas

El Barómetro Global de Empleos en IA 2026 de PwC, publicado en junio de este año sobre el análisis de más de mil millones de avisos de empleo en seis continentes, documenta una divergencia que va mucho más allá de quién usa un chatbot y quién no. Las empresas que operan en los sectores más expuestos a la IA registraron un 34% de crecimiento en productividad laboral entre 2018 y 2025, frente a un 24% en las empresas menos expuestas. La diferencia se agranda todavía más adentro de ese primer grupo, el 20% de empresas más expuestas a la IA logró un crecimiento en productividad laboral de 163%, casi cinco veces el promedio de su propio grupo.

Ese mismo informe encontró algo que contradice el miedo más repetido sobre la automatización, que la IA reemplaza empleos. En las empresas más expuestas a la IA, la contratación creció 52% desde 2018, frente a un 36% en las empresas menos expuestas, y el salario promedio para quienes tienen habilidades de IA subió a un 62% por sobre el resto del mercado, frente a 57% el año anterior. Las empresas que más le sacan partido a la IA no solo son más productivas, están contratando más rápido y pagando mejor a quienes saben trabajar con ella.

El retorno ya es un número, no una promesa

Del lado del retorno de la inversión, el estudio 2024 Business Opportunity of AI de IDC, encargado por Microsoft sobre más de dos mil líderes de negocio a nivel global, calculó que las empresas obtienen en promedio 3,7 dólares de retorno por cada dólar invertido en IA generativa, cifra que subió desde los 3,5 dólares medidos el año anterior en el mismo estudio. Entre las empresas líderes en el uso de esta tecnología, ese retorno promedio sube a 10,3 dólares por cada dólar invertido. El mismo estudio encontró que el uso de IA generativa entre las empresas encuestadas pasó de 55% en 2023 a 75% en 2024, y que un 92% de quienes ya la usan lo hace, sobre todo, para tareas de productividad.

La pregunta obvia, entonces, es por qué una parte de las empresas logra ese 10,3x y otra se queda estancada mucho más abajo, si en teoría todas están usando IA de alguna forma dentro de su operación diaria.

El mismo informe de IDC detalla en qué sectores ese retorno es más alto. Servicios financieros lidera la lista, seguido por medios y telecomunicaciones, movilidad, retail y bienes de consumo, energía, manufactura, salud y educación, en ese orden. No es azar que los sectores con procesos más estandarizados y datos más estructurados, como facturas, transacciones o inventario, sean los que más rápido convierten IA en retorno medible. Es exactamente el tipo de terreno donde vive un agente como el Auditor de Gastos o el Agente KAM, procesos repetitivos con datos concretos, no conversaciones abiertas sin estructura.

Por qué la diferencia no está en si se usa IA, sino en dónde

El mismo Barómetro de PwC ofrece una pista concreta. El informe describe un mercado laboral que se divide en dos caminos distintos, roles profesionalizados, donde la IA automatiza lo rutinario y libera tiempo para que un experto humano aplique su criterio en algo de mayor valor, y roles democratizados, donde la IA simplemente le facilita la tarea a alguien que antes no podía hacerla. Los roles profesionalizados crecen al doble de velocidad en cantidad de puestos disponibles, y con un 42% más de crecimiento salarial, que los roles democratizados.

El mismo Barómetro encontró algo más, que vale la pena mencionar aunque no sea el foco central de este análisis. En roles de nivel de entrada más expuestos a la IA en Estados Unidos, la demanda de habilidades tradicionalmente asociadas a cargos senior, como liderazgo, criterio o negociación cara a cara, es siete veces más alta que en roles de entrada no expuestos a la IA. Esos puestos crecieron 35% desde 2019, mientras el resto de los roles de entrada se contrajo 10% en el mismo período. La lección para una empresa que recién está metiendo IA en su operación es que la automatización no le quita valor al trabajo humano que queda, se lo aumenta, y eso cambia también a quién conviene contratar de aquí en adelante.

Traducido a la operación diaria de una empresa, la diferencia no está en comprar una licencia de IA para que la use quien quiera. Comprar una licencia para que cada persona la use como quiera es la versión más fácil de anunciar puertas adentro, y también la más difícil de medir. Nadie puede decir con precisión cuánto retorno generó cada empleado que tuvo acceso a un chat genérico durante seis meses, porque ese uso vive disperso, sin métricas, sin flujo definido. Meter un agente dentro de un proceso específico es lo contrario, el retorno se puede medir exactamente donde antes había una tarea con un costo conocido, horas de consolidación manual, tickets sin resolver, comprobantes sin revisar, y ahora hay un resultado medible en su lugar.

Es la diferencia entre tener acceso a IA y tener IA trabajando adentro del proceso real todos los lunes a las nueve de la mañana.

Cómo se ve esa diferencia en un caso concreto

Volviendo al Key Account Manager del comienzo, el problema no era falta de datos, era que esos datos vivían repartidos en canales que no se hablaban entre sí. El Agente KAM de AgentLayer se conecta directamente a esos canales, Falabella, Paris, Ripley, Shopify, Excel, SAP, Salesforce, y responde preguntas en lenguaje natural sobre inventario, ventas y cobertura, sin que nadie tenga que abrir una planilla ni escribir una consulta en SQL. El reporte semanal, antes armado a mano, ahora llega automáticamente cada lunes a las nueve, con dashboard interactivo, presentación y PDF ya listos. El impacto es directo, las horas semanales de consolidación manual bajan de ocho a cero desde el primer día de uso.

En la práctica diaria, ese cambio se ve en algo tan simple como preguntarle al agente, en una conversación normal, cuáles son los cinco SKU con cobertura más crítica en un canal esta semana, y recibir el detalle exacto de unidades y días de cobertura en segundos, en vez de armar ese cruce a mano en una planilla. Es la misma lógica que describe el Barómetro de PwC a escala país, llevada a una sola reunión de los lunes.

Socks Lab, una marca chilena de moda que vende al mismo tiempo por tienda propia, comercio electrónico y distribución mayorista, implementó el Agente KAM junto al Agente de Atención al Cliente de AgentLayer para resolver justo ese tipo de fricción, cruzar datos de múltiples canales que antes vivían separados y responder a clientes en cualquier canal sin que cada mensaje tuviera que pasar por una persona. Los agentes de Socks Lab ya están en producción, y la empresa documentó el proceso completo, desde el desafío operativo original hasta la solución en funcionamiento, en una serie de seis capítulos grabada junto a AgentLayer.

Lo que un gerente general debería medir, en vez de si ya usa IA

Con los datos de PwC y de IDC sobre la mesa, la pregunta que debería hacerse un gerente general no es si su empresa ya tiene IA instalada en algún proceso. Prácticamente cualquier empresa puede contestar que sí a esa pregunta hoy. La pregunta más útil es cuántas de las tareas que hoy le cuestan tiempo a su equipo, la que consolida reportes cada lunes, la que responde el mismo tipo de consulta cien veces, la que audita gastos uno por uno, tienen efectivamente un agente adentro, trabajando, en este momento, y no solo una licencia sin usar.

Esa distinción es, en el fondo, la misma que separa al 24% de crecimiento en productividad del 163%. No es cuánta IA se compró. Es cuánta de esa IA terminó metida adentro del proceso real, todos los lunes, a las nueve de la mañana, en vez de quedar como una licencia más en una lista de software que casi nadie abre.