Agentes de IA en marketing: solo 9% ejecuta acciones

Qué es un agente de IA y por qué la brecha no es técnica

Un agente de IA no se limita a generar texto: recibe un objetivo, decide los pasos, ejecuta acciones reales —llamar a una API, actualizar un registro, disparar un correo— y observa el resultado antes de decidir el siguiente movimiento. Esa diferencia entre responder y actuar es la línea que separa a un chatbot de un agente, según la definición que usa MIT Sloan en su explicación de agentic AI.

El problema es que muchas empresas compraron la promesa de actuar y siguen operando como si hubieran comprado responder. De ahí la brecha de satisfacción que reportan los equipos de marketing y experiencia del cliente: la herramienta llegó, el resultado no.

La brecha real: mucha prueba, poca ejecución

Los números del sector son elocuentes. Un reporte de Cornerstone Advisors sobre marketing bancario encontró que el 63% de los equipos de marketing de bancos y cooperativas de crédito usa IA generativa para crear contenido, y el 32% la usa para analítica y apoyo a decisiones. Pero solo el 9% usa agentes capaces de ejecutar acciones, el 47% considera la IA agéntica un área experimental o emergente y apenas el 5% la tiene como prioridad estratégica, según InvestmentNews.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La brecha se repite en toda la industria. El informe Horizons 2026-2027 de SailPoint, presentado en su conferencia Navigate 2026 en Austin, encontró que el 79% de las organizaciones ya corre agentes de IA en producción, pero solo el 2% implementó seguridad de identidad diseñada específicamente para gestionarlos: una diferencia de 40 veces entre adopción y control, según Yahoo Finance.

En América Latina el patrón cambia según el tamaño de la empresa. El 53% de las startups encuestadas por Hi Ventures ya usa agentes en producción, frente al 30% de las corporaciones. Entre estas últimas, el 40% mantiene un modelo de supervisión humana directa y solo el 5% alcanzó un funcionamiento plenamente autónomo.

Por qué la fricción organizacional pesa más que el modelo

El hallazgo más incómodo para quien lidera un equipo de marketing es que el cuello de botella casi nunca está en el modelo. Un paper de investigación de 2025 citado por MIT Sloan documentó el uso de un agente de IA para detectar eventos adversos en pacientes oncológicos a partir de notas clínicas: el 80% del trabajo se consumió en tareas poco glamorosas —ingeniería de datos, alineación con stakeholders, gobernanza e integración de flujos de trabajo—, no en ajustar el prompt ni afinar el modelo.

En marketing el equivalente es el ciclo de aprobación. El reporte de Cornerstone Advisors identifica la revisión de compliance como la barrera estructural más grande: en algunas instituciones los ciclos de revisión se estiran de cuatro a seis semanas, mientras las ventanas de mercado que esas campañas buscan capturar se abren y se cierran en horas.

Ahí es donde se pierde el ingreso. No en la calidad del texto que genera el modelo.

¿Qué pasa en México y América Latina?

El informe State of AI in Latin America de Hi Ventures, recogido por El Español, muestra un ecosistema que adoptó rápido pero gobernó despacio. El 71% de las corporaciones consultadas ya adoptó IA en algún equipo o función, el 23% la usa únicamente para productividad individual y el 5% aún no la ha explorado. El 78% afirma contar con un marco formal para la IA o estar desarrollándolo.

El índice de preparación para la IA del mismo informe ubica a Chile a la cabeza con 72,5 puntos, seguido de Argentina (71), Brasil (70,2) —el mayor avance interanual—, México (67,5) y Colombia (53,1). El indicador combina estrategia, inversión, talento, infraestructura, datos, cultura y gobernanza.

El freno principal, según el informe, no es el interés: es el talento. En las startups pesan además la fiabilidad de los agentes y el costo de cómputo; en las grandes empresas, la privacidad de los datos y la carencia de capacidades internas.

Para un founder hispanohablante hay una lectura concreta: la diversidad de canales y comportamientos de consumo de la región, que el análisis de Noticias NEO señala como un reto, es también la razón por la que un agente bien instrumentado puede rendir más aquí que un playbook importado de otro mercado.

¿Qué significa esto para tu startup?

La conclusión práctica del análisis de Noticias NEO es que la tecnología es condición necesaria pero no suficiente. Los datos del sector lo respaldan, y las acciones que marcan la diferencia son organizativas antes que técnicas.

Escribe el alcance del agente antes de comprar la herramienta. Una página: qué decisiones puede tomar solo, cuáles requieren aprobación humana y quién responde cuando falla. Sin esa definición, cualquier incidente se convierte en una discusión política entre áreas en lugar de un ajuste de configuración.
Mide tiempo de ciclo, no volumen de output. El indicador que importa es cuántas horas pasan entre detectar una necesidad del cliente y actuar sobre ella. Si tu ciclo interno se mide en semanas y el mercado se mueve en horas, el agente no está resolviendo el problema real.
Empieza por un flujo con datos ya estructurados. Postventa, segmentación o recomendaciones son mejores puntos de entrada que abordar todo el journey del cliente de una vez. Cornerstone Advisors encontró que las capacidades con mayor impacto potencial percibido son la orquestación de campañas o journeys (27%) y las recomendaciones de producto u oferta (25%).
Trata el monitoreo como gasto operativo permanente, no como proyecto de una sola vez. Katherine Kellogg, de MIT Sloan, advierte que sin métricas compartidas y robustas es difícil probar valor o incluso saber si el sistema está logrando el resultado buscado en lugar de introducir riesgos nuevos.

Conclusión

La brecha entre la promesa de los agentes de IA y los resultados en marketing no se cierra comprando mejor tecnología. Se cierra definiendo quién decide qué, midiendo el tiempo que tarda tu empresa en pasar de la señal a la acción y aceptando que el monitoreo continuo es parte del costo de operar, no un gasto de implementación.

Para una startup latinoamericana o española con equipos chicos, eso es una ventaja estructural: no hay que convencer a una organización acostumbrada a trabajar de otra manera. Se puede diseñar el proceso pensando en los agentes como parte de la estructura desde el día uno.