La brecha de impact de la IA: por qué la industria está incentivada a ignorar los números reales

A casi un año de que un estudio de MIT Nanda revelara que solo el 5% de las organizaciones que estaban investigando soluciones de IA avanzaron hacia la adopción de esta tecnología emergente en sus workflows, y a más de un año de que Sam Altman declarara que el 95% del trabajo publicitario puede ser realizado por IA, nos encontramos frente a una desconexión entre lo que impulsa la proliferación de esta tecnología y lo que impulsa el crecimiento de las organizaciones que enfrentan el Problema Principal Agente.

El grado en que esta desconexión derivó rápidamente en desilusión puede ilustrarse, de forma anecdótica, con el CEO de Klarna, quien declaró en febrero de 2024 que el 80% del soporte al cliente sería gestionado por agentes de IA. Solo un año después, la empresa dio marcha atrás y volvió a conectar a lxs clientes con una persona. Algo que vale destacar de este ejemplo es lo mucho que impresiona ver a un líder que no solo experimenta, sino que además no tiene miedo de cambiar de rumbo en base a los datos.

Esto nos da algunos puntos de datos anecdóticos que muestran un patrón: vendedores de IA que usan cifras hiperbólicas para mostrar que la IA se va a hacer cargo de todo el trabajo, CEOs “motivados” de empresas early adopters que usan números para justificar la inversión y aumentar el valor de la compañía, CEOs “oportunistas” que usan proyecciones de alto impacto de IA para justificar recortes de costos, y empleadxs que ven resultados contradictorios casi todas las semanas mientras lidian con la posibilidad de que la adopción tecnológica contribuya a una estrategia de reemplazo.

¿A quién deberías creerle? La respuesta simplificada es: a las personas que están motivadas a decirte la verdad, no a quienes intentan venderte algo que depende de estirar esa verdad. En el último trimestre de 2025, el National Bureau of Economic Research, NBER, encuestó a líderes de empresas de distintas industrias en cuatro economías principales, Estados Unidos, Reino Unido, Alemania y Australia, y concluyó que el 90% encontró un impacto bajo o nulo en la productividad durante los últimos tres años, a pesar de los programas de adopción masiva. Los hallazgos de NBER, publicados el mes pasado, también incluyeron una proyección moderada de impacto en la productividad, 1,4%, para los próximos tres años según lxs encuestadxs, muy lejos del “la IA puede hacer el 95% del trabajo” promovido por quienes buscan vendernos IA.

Al intentar entender por qué las expectativas no se están cumpliendo, el razonamiento más común apunta a que la IA fue sobre prometida o que no es tan impactante como se decía. Si bien aumentar las expectativas sobre la tecnología es una característica típica de lxs proveedorxs de IA motivadxs por levantar capital, el problema para las empresas que adoptan esta tecnología no es que la IA no sea lo suficientemente buena, sino que no estamos reorganizando nuestro talento y nuestros procesos para aprovechar una tecnología nueva que sí puede generar mejoras. En lugar de enfocarse en la creación de valor alineada con el propósito de una empresa, la “productividad” se mide por cuánto output se puede lograr con una fuerza laboral más reducida. Los resultados decepcionantes observados durante los últimos tres años, junto con proyecciones moderadas, indican que el problema no es de capacidad tecnológica ni de inteligencia, sino de una estrategia fallida motivada por la ganancia como fin en sí mismo.

Si aplicamos ese problema al campo de ventas y marketing, un área donde tanto las investigaciones de MIT como de NBER muestran las expectativas más altas de impacto de la IA, la desalineación de motivaciones se vuelve clara.

La prioridad de unx CMO es aplicar IA de una manera que habilite crecimiento y rentabilidad. En este contexto, el crecimiento puede lograrse siendo más efectivxs en lo que ya hacen, encontrando nuevas áreas de valor potencial o siendo más rentables al hacer ambas cosas de forma más eficiente.

La prioridad de una empresa tecnológica es vender tecnología. Sí, su objetivo idealizado es que su tecnología ayude a unx CMO a crecer, pero eso queda en segundo plano, juego de palabras intencional para todxs lxs vendors que venden por asiento, frente a vender su tecnología, independientemente de para qué se use.

La prioridad de una agencia de publicidad es vender tiempo, o medios. De nuevo, su objetivo final es que su tecnología ayude a unx CMO a crecer, pero, salvo que sus ingresos estén vinculados a los resultados, es decir, al crecimiento, su motivación va a seguir a sus ingresos. Lo mismo ocurre con consultorxs que dependen de horas facturables.

Eso deja una zona gris enorme por navegar, especialmente cuando consultoras y agencias emiten señales mezcladas. Tomemos como ejemplo el anuncio reciente de WPP: ¿están buscando cobrar por resultados o por el uso de su tecnología? Su comunicado de prensa habla de resultados, pero sus cientos de millones invertidos en tecnología y el lanzamiento de un OpenPro donde cobran por tecnología indican otra cosa. Lo mismo puede decirse de Publicis, con una inclinación aún mayor hacia el negocio de datos y medios por comisión, o de cualquier agencia del sector. Es en esta zona gris donde se manifiesta el Problema Principal Agente.

El agente que afirma cobrar por resultados pero le cobra al principal por acceder a tecnología propietaria crea una tensión inherente a un conflicto estratégico que favorece:

• Asimetría de información: al mantener oculto el funcionamiento interno de la IA, la agencia conserva un monopolio sobre la expertise, dificultando que la marca alcance el dominio necesario para lograr su propósito.
• Monetización de la fricción: si una marca no entiende cómo la “caja negra” logra sus resultados, sigue dependiendo de la agencia para operarla. Esto permite que la agencia siga cobrando por “uso” o “asientos”, en lugar de responder al propósito del principal: crecer.
• Venta de “wrappers”: las agencias se convierten en vendors de funcionalidades SaaS presentadas como IA transformacional, pero que en realidad son modelos crudos provistos por vendedores de tecnología de IA, sin el rediseño de workflows necesario para ajustarse al propósito de la marca.

La mejor manera de navegar esta zona gris es seguir el dinero. ¿Quién está invirtiendo en IA con crecimiento en mente? ¿Quién está trabajando en su modelo comercial para beneficiarse de tu crecimiento y no de tu uso? ¿Quién está enfocado en el desarrollo y la preparación de tu equipo para usar IA antes de intentar venderte tecnología que no va a pasar del purgatorio de los pilotos?

No tengo una respuesta para estas preguntas, y tampoco deberías confiar en mis motivaciones si la tuviera. Trabajo en agencias, hago consultoría y asesoro startups que venden tanto datos como tecnología. En cambio, sugiero seguir un framework que te ayude a mirar la IA desde una perspectiva que te beneficie a vos, no a lxs vendedorxs de IA. Voy a dejar eso para otro artículo, para no diluir tu pensamiento por ahora.

Encontrar una solución nos lleva nuevamente a la motivación. ¿Cómo identificás quién está motivadx a ayudarte a crecer? La respuesta se beneficia de la perspectiva de dos psicólogxs: Daniel Pink y Victor Vroom.

Pink nos dice que la motivación depende de que el motivo de ganancia esté alineado con el motivo de propósito. Si encontrás propósito en habilitar crecimiento y obtener ganancia por habilitar crecimiento, entonces vas a estar motivadx a habilitar crecimiento. Sin embargo, si tu propósito es habilitar crecimiento y obtener ganancia por vender tecnología, entonces tu ganancia queda “desanclada” de tu propósito. Las organizaciones empresariales pueden tener propósito, pero están impulsadas por la ganancia. En el mejor de los casos, van a lograr la ganancia a costa del propósito, tu crecimiento. En el peor, no van a lograr ninguno de los dos.

Vroom, a través de su Teoría de la Expectativa de la Motivación, nos dice que la motivación se basa en tres factores: expectativa, instrumentalidad y valencia. En otras palabras: “¿Puedo hacerlo?”, “¿Voy a recibir una recompensa?” y “¿Me gusta esa recompensa?”. Desde la perspectiva de la empresa cliente, esto se traduce en:

• “¿Puedo utilizar IA?”
• “¿Voy a recibir un beneficio por esta utilización?”
• “¿Ese beneficio está alineado con las prioridades o el propósito de mi empresa?”
  

Si el beneficio es crecimiento, entonces la última parte de la ecuación juega a tu favor, y lo que queda es la capacidad de aplicar la IA: un paso que depende fuertemente de encontrar partners motivados de manera similar. Lo último que querés es que su ecuación sea “¿Puedo vender IA?”, “¿Voy a recibir una recompensa por vender IA?” y “¿Me gusta el bonus que recibimos por vender IA?”.

El giro de Klarna respecto a la IA es un ejemplo de una empresa cuyo motivo de ganancia quedó desvinculado de su motivo de propósito, y que rápidamente reconoció la desalineación de su “sobregiro”, para usar las palabras de su CEO. Al caer inicialmente en la trampa de la ganancia, Klarna buscó reemplazar trabajadorxs, ahorrar dinero y reducir el tiempo de resolución, en su caso de forma sustancial, de 11 minutos a 2. Invirtió en tecnología para eliminar costos, asumiendo que su propósito, la satisfacción y confianza del cliente, se mantendría estable. Un año después llegó la admisión de que faltaba la “calidad” de la conexión humana en casos complejos: cuando una transacción financiera sale mal, unx cliente no quiere una resolución de dos minutos por parte de un bot, sino una resolución de 11 minutos con una persona empática que ayude a solucionar un problema que impacta su vida. En el caso de Klarna, la desalineación de motivaciones obstaculizó su “dominio” de la relación con el cliente, y fue necesario volver a contratar agentes humanxs para gestionar los momentos que importan.

Necesitás encontrar partners cuyo motivo de ganancia esté alineado con tu motivo de propósito, para que la recompensa sea compartida. Su ecuación de motivación tiene que tener la recompensa vinculada a tu crecimiento. Así es como creo que debería verse en términos de prioridades, lo cual debería sentirse como un resumen de lo anterior:

• 1. Un partner está motivado a ayudar a tu equipo a desarrollarse y prepararse para la IA antes de recomendar tecnología que va a ser ignorada.
• 2. Un partner está dispuesto a cambiar su modelo comercial para alinear sus recompensas con tu crecimiento. Sé que eso también es difícil para lxs CMOs, así que incluso resolver esta parte ya es una partnership.
• 3. Un partner invierte en tecnología que le permite ayudarte a crecer, no en tecnología que busca vender.
• 4. Un partner trabaja con vos para entender cómo aplicar IA a la forma en que trabajás, y después te ayuda a evolucionar esa forma de trabajar para adaptarla a la era de la IA.
• 5. Un partner comparte tus motivaciones.
  A partner is ready to change their commercial model to align their rewards to your growth. I know that’s hard for CMOs too, so even figuring this part out is a partnership.

This list obviously isn’t a revelation, nor is it comprehensive, but you don’t really need a list. Figuring things out comes down to applying the motivational lens.