McKinsey 2026: el 90% prueba IA pero solo el 10% la escala

El dato que incomoda: 9 de cada 10 prueban IA, solo 1 de cada 10 la escala

Un informe de McKinsey & Company publicado en 2026 confirma un patrón que el director de Operaciones de Konecta Perú, Andrés Bogetto, lleva tiempo viendo en operaciones reales: aunque el 89% de las organizaciones ya utiliza inteligencia artificial en alguna función, apenas el 37% le atribuye un impacto positivo en su ebit, una cifra prácticamente calcada a la de 2025, según el reporte The State of AI 2026 de la división QuantumBlack de McKinsey (recogido por IPMark).

En marketing, el dato es aún más crudo: 9 de cada 10 responsables consultados experimenta con aplicaciones de IA, y menos del 10% afirma haberlas escalado o capturado valor en sus flujos de trabajo.

«Probar herramientas resulta relativamente sencillo. Conseguir que formen parte real de los procesos de una empresa es otra historia», sintetiza Bogetto en una columna de opinión publicada por Infobae Perú.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La diferencia entre experimentar y transformar separa a dos grupos muy desiguales: solo el 6% de las organizaciones entra en la categoría de «high performers» según McKinsey —empresas que atribuyen al menos un 5% de su ebit a la IA y describen su impacto como «significativo»—, una proporción que lleva dos años estancada, según el análisis de TechTimes sobre el mismo informe.

La raíz del problema: datos repartidos, no unificados

Bogetto describe una escena que se repite en cualquier operación de atención al cliente: un usuario escribe por WhatsApp, después llama al call center y termina contactándose por la app. En cada canal vuelve a explicar quién es, qué necesita y qué ocurrió. «La empresa tiene toda esa información, pero repartida en sistemas que no necesariamente conversan entre sí», señala.

Para el directivo, el punto de partida no debería ser una nueva tecnología, sino conseguir que la información que una organización ya posee pueda consultarse cuando se necesita. «El verdadero valor de los datos se multiplica cuando logramos unificar toda esa información en la nube y la ponemos a disposición de sistemas inteligentes capaces de asistir y actuar de inmediato», explica.

McKinsey estima que determinadas aplicaciones de personalización mediante IA pueden elevar entre 15% y 20% la satisfacción del cliente y reducir hasta 30% los costos de servicio, siempre que la información esté integrada y los procesos sean capaces de utilizarla.

De una IA que responde a una IA que ejecuta

La segunda clave que identifica Bogetto es el salto de los chatbots a los agentes. «La IA agéntica es una generación de sistemas diseñada para ir más allá de responder preguntas o generar contenido: puede validar la identidad de un cliente, consultar su historial, revisar el estado de una solicitud y ejecutar operaciones dentro de los sistemas internos», describe el directivo.

La diferencia entre un chatbot y un agente con capacidad de actuar es, según el ejecutivo, la que separa una respuesta de un procedimiento avanzado. Pero la autonomía exige reglas claras: definir qué puede ejecutar el sistema, qué decisiones requieren aprobación humana y cómo se audita un error.

La adopción ya está en marcha. El propio reporte de McKinsey (citado por IPMark) muestra que el 40% de las empresas con ingresos superiores a 1.000 millones de dólares ya escaló agentes en alguna función, frente al 27% de 2025. En las organizaciones más pequeñas, en cambio, la adopción se mantiene en el 22%. El estudio The Value of AI 2026 de SAP y Oxford Economics, basado en 2.600 directivos de 13 países (recogido por Merca2), eleva el dato global: la IA ya soporta el 30% de las tareas empresariales (frente al 25% un año antes) y se espera que llegue al 48% en los próximos dos años. Las expectativas de retorno asociadas específicamente a la IA agéntica, según ese mismo estudio, pasaron del 10% al 17% en un año.

Pero escalar trae costos. Un 20% de las empresas afirma que el procesamiento de datos y tokens ya limita su uso de la tecnología, según el mismo informe de McKinsey.

Por qué automatizar no es eliminar personas

Para Bogetto, la tercera pieza está en el lado humano. «Cuando las herramientas digitales se encargan del trabajo operativo pesado y de la sincronización de datos, el asesor puede concentrarse en escuchar al usuario y resolver su problema», señala.

El riesgo, advierte, es digitalizar un proceso ineficiente sin tocarlo. «Automatizar un proceso ineficiente puede conseguir únicamente que el mismo problema ocurra más rápido.» El estudio «IA y trabajo en España: impacto, integración y percepción» de EY (recogido por Merca2) confirma la tendencia: el 46,2% de las empresas españolas está rediseñando su modelo operativo para favorecer la colaboración entre personas e IA, y el 44,1% reestructura sus flujos para integrar automatización. En el mismo sentido, el 98% de las organizaciones españolas ha retrasado o cancelado proyectos de IA en los últimos doce meses por desafíos de gobernanza y cumplimiento, según un estudio de Cloudera citado en el mismo artículo.

Qué separa al 6% que captura valor del 94% que no

El informe de McKinsey (reseñado por TechTimes) señala un patrón claro entre los «high performers». Lo que los distingue no es la herramienta, sino la disposición a reorganizar la operación. Casi tres de cada cuatro (74%) afirma haber rediseñado por completo sus procesos de trabajo a partir de la IA, frente a solo uno de cada cuatro del resto.

Otras marcas de los que sí escalan: son más del doble de propensos a tener compromisos visibles del liderazgo senior, más del doble de propensos a medir el impacto de la IA con procesos definidos, y más de tres veces más propensos a escalar agentes en múltiples funciones. El 74% de ellos invierte más del 15% de su presupuesto TI en inteligencia artificial.

El propio CEO de McKinsey, Bob Sternfels, describió en Harvard Business Review que la firma opera unos 25.000 agentes de IA junto a 40.000 consultores humanos, con el objetivo declarado de acercarse a una paridad 1:1 entre agentes y consultores a fin de año. Las funciones de back-office de la consultora se redujeron un 25% mientras los agentes asumían investigación y preparación de documentos, y la plantilla orientada al cliente creció otro 25%.

En el caso concreto de Konecta, la multinacional española de experiencia de cliente —a la que pertenece Konecta Perú— selló en noviembre de 2024 una alianza de tres años con Google Cloud para migrar a unas 100.000 personas a Google Workspace, certificar hasta 500 ingenieros en tecnologías de Google Cloud e implementar Vertex AI y la Customer Engagement Suite en sus operaciones (según CincoDías / El País).

¿Qué significa esto para tu startup?

La conclusión no es nueva, pero sigue siendo incómoda: añadir una capa de IA sobre procesos desordenados solo acelera el desorden. Antes de elegir chatbot, agente o plataforma, Bogetto recomienda hacerse tres preguntas en orden inverso al que acostumbra el mercado:

¿Qué problema concreto queremos resolver? No qué herramienta queremos probar.
¿Tenemos los datos integrados y limpios para resolverlo? Si la respuesta es no, ese es el primer proyecto, no el segundo.
¿Qué decisión queremos que el sistema pueda ejecutar por sí solo, y cuál no?

Acciones concretas que puedes aplicar esta semana:

Auditar los datos antes de comprar IA. Mapea dónde vive hoy la información de tus clientes (CRM, tickets, WhatsApp, planillas) y detecta qué sistemas no se hablan entre sí. Es la palanca que el 74% de los high performers de McKinsey movió primero.
Empezar por un solo proceso, no por toda la operación. Elige un flujo cerrado (validar identidad, gestionar un reclamo, consultar un saldo) donde un agente pueda tomar una decisión acotada con un humano como respaldo. Escalar después es más fácil que desandar un piloto gigante.
Definir reglas de gobernanza desde el día uno. Qué datos puede leer el agente, qué acciones puede ejecutar, qué requiere aprobación y cómo se audita un error. Sin esto, una demostración convincente se convierte en un proyecto congelado por el área legal o de cumplimiento.

La diferencia entre las empresas que aparecen en los reportes de McKinsey como casos de éxito y las que aparecen como advertencia no es el presupuesto ni el modelo de IA: es la arquitectura interna —de datos, de procesos y de gobierno— que se decide antes de apretar «implementar».