Salesforce: 80% de pilotos de IA fracasan en Latam

El dato que incomoda a los CEO: entre el 70% y el 80% de los pilotos de IA no entregan valor

Salesforce estima que entre el 70% y el 80% de los pilotos de inteligencia artificial en empresas fracasan porque no generan valor medible para el cliente. La cifra la repitió Charly Arguindegui, vicepresidente ejecutivo y gerente general de Salesforce Latam, en una entrevista con Portafolio, y no es un dato aislado: el informe «The GenAI Divide: State of AI in Business 2025» del MIT NANDA Initiative va todavía más lejos y reporta que alrededor del 95% de los pilotos de IA generativa corporativa no llegan a generar impacto en el P&L, según publicó Fortune.

La diferencia entre el 70-80% de Salesforce y el 95% del MIT no se contradice: mide cosas distintas. Salesforce habla de «fracaso en entrega de valor» desde su óptica como vendor; el MIT evalúa impacto financiero medible en despliegues de todo tipo. Ambos coinciden en el mismo síntoma: los pilotos se acumulan, pero no escalan. Gartner, citado por Business Chief, espera que más del 40% de los proyectos de IA agéntica sean cancelados antes de fin de 2027.

La consecuencia es incómoda para cualquier founder o líder de tecnología: hay un mandato de tablero por «hacer algo con IA», pero el dinero invertido todavía no aparece en la línea de resultados. Arguindegui lo resume así: «cada agente que disponibilizamos tiene que tener un retorno de inversión medible en el P&L de los clientes. O me genera más ganancias, o me reduce costos». Esa vara es la que, según su lectura, están usando para separar lo que queda en prueba de lo que ya está en producción.

🤖 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

El nuevo pricing de Agentforce: tres formas de pagar lo mismo

Una de las señales más concretas de que el mercado está pasando de la experimentación a la operación es el rediseño del cobro. Salesforce relanzó las ediciones de Agentforce Sales y Agentforce Service con tres modalidades, según documentó CIO.com:

Core (antes Enterprise): US$195 por usuario al mes, incluye 500.000 Flex Credits.
Advanced (antes Unlimited): US$395 por usuario al mes, con 1 millón de créditos.
Max (antes Agentforce 1): US$550 por usuario al mes, con 2,75 millones de créditos.

Los tiers Starter y Pro Suite quedaron sin cambios. Salesforce afirma que las nuevas ediciones entregan entre 50% y 70% más valor que las anteriores, pero analistas citados por CIO.com —como Manoj Chandra Jha, de Nord-IQ Research, y Pareekh Jain, de Pareekh Consulting— advirtieron que empaquetar más capacidades en una sola suscripción dificulta la visibilidad línea por línea del gasto y hace más complejo prever el consumo de créditos a medida que los agentes escalan.

En paralelo, según reportó Salesforce a CIO.com, sus clientes pasaron de un promedio de 5 agentes por cuenta en febrero de 2025 a 13 en abril de 2026, y las acciones por agente crecieron a una tasa compuesta mensual del 31%. La base total de clientes de la compañía supera las 150.000 cuentas, lo que implica que el grueso del mercado todavía está en fase temprana de adopción.

Para founders, la lectura práctica es directa: el token dejó de ser la única unidad de cobro. Salesforce, como describió Arguindegui, ofrece hoy licenciamiento por usuario, por usuario más tokens, o solo por tokens —un cambio respecto al modelo único que tenía hace un año y medio. La decisión de qué procesos van por cada vía es ya una decisión de arquitectura financiera, no técnica.

¿Cómo avanza Latinoamérica?: Brasil, Chile, México y el caso Falabella

Arguindegui sostuvo que Latinoamérica es una de las mejores regiones del mundo en adopción de inteligencia artificial, y desglosó el mapa así:

Brasil, con fuerte tracción en el sector público (gestión de ciudadanos).
Chile, con avance sostenido en banca, seguros y retail.
México, «arrancó tímido y ahora está volando»; la aerolínea Volaris aparece como cliente emblemático.
Argentina, con retailers que ya tienen agentes en producción pero con fricciones de idioma que se detallan más abajo.

El caso más citado por Arguindegui es Falabella: el retailer desarrolló su agente en siete semanas, lo mantuvo en fase friends and family esa misma ventana y lo sacó al público en la novena semana. El dolor original era muy concreto: «dónde está mi pedido y por qué». La velocidad importa porque la mayoría de los pilotos corporativos no cruzan la línea de los tres meses.

El otro dato operativo relevante es que México ya cuenta con dos clientes con agentes de voz en vivo en sus call centers, según Arguindegui. Es la confirmación de que la barrera entre agente de texto y agente de voz, que hasta 2024 parecía lejana, ya está cayendo en producción real en la región.

El canal importa: WhatsApp primero, omnicanalidad después

Una de las observaciones más finas de la entrevista es la diferencia estructural de cómo se atiende al cliente en Latam. Arguindegui lo explica así: «Latinoamérica está muy centrada en un único canal. Hoy WhatsApp es como el canal en Latinoamérica. Tal vez lo que veo en otras regiones es que hay mucha más multicanalidad u omnicanalidad».

Para una startup que esté diseñando su stack de atención al cliente con IA, esto tiene dos consecuencias: la primera, que construir primero sobre WhatsApp Business API suele ser la ruta más rápida al usuario real en Latam; la segunda, que la omnicanalidad (voz, web, app, email) no es una fase posterior: en mercados más maduros es ya una expectativa del cliente. Diseñar para un solo canal desde el día uno hipoteca el camino.

El riesgo que nadie presupuestó: el idioma y la cultura

El caso más ilustrativo del reportaje es también el más fácil de pasar por alto. Un retailer argentino estuvo a punto de abandonar un proyecto de agente porque el trust layer de Salesforce —la capa que detecta toxicidad en las conversaciones— bloqueaba sistemáticamente las respuestas. El setup estaba configurado en español de México, y ciertas palabras de los casos de uso del retailer eran marcadas como insultos por el modelo de moderación. Al cambiar a español rioplatense, el agente pasó sin más cambios.

Esto es relevante para cualquier fundador que esté vendiendo o implementando IA en más de un país: el mismo modelo puede fallar en producción por decisiones de configuración que parecen menores. Y el costo no es solo técnico: Arguindegui reconoció que tuvo reuniones esa misma semana con clientes que les pidieron «ayuda con alguna forma de control o gobernanza de los agentes porque hemos tenido incidentes que no pensábamos que íbamos a tener». La gobernanza ya no es un lujo de empresa grande: es una línea del P&L.

¿Qué significa esto para tu startup?

Tres acciones concretas que se desprenden de lo que cuentan Salesforce y los reportes del MIT sobre el estado real de la IA empresarial en 2026:

Mide el ROI desde el día uno, no después del piloto. El requisito que pone Arguindegui —»retorno medible en el P&L»— es el mismo filtro que el MIT identifica como separador entre el 5% que escala y el 95% que se queda en sandbox. Antes de gastar un peso en tokens, define una métrica de negocio (ticket promedio, horas ahorradas, conversión, costo por resolución) y un umbral de éxito. Si el piloto no puede decirte cuánto bajó el costo por caso en 60 días, no es un piloto: es una demo.
Decide qué va por tokens y qué no. La nueva estructura de Agentforce (US$195/US$395/US$550 por usuario al mes más Flex Credits) refleja una lógica más amplia: los procesos determinísticos —consultar saldo, buscar pedido, abrir ticket— no deberían consumir tokens. Reserva el gasto probabilístico para lo que realmente lo necesita: interpretación de intención, generación de respuestas abiertas, razonamiento sobre datos no estructurados. El resto son reglas y APIs.
Piensa en canal e idioma desde la arquitectura, no desde el copy. Si tu mercado incluye Latam, diseña para WhatsApp primero y para multicanalidad después. Y si operas en más de un país, trata el modelo de idioma y el moderador de toxicidad como infraestructura, no como configuración: un retailer argentino estuvo a punto de tirar un proyecto por un detalle que se resuelve en una tarde si lo prevés y en un trimestre si lo descubres en producción.

El mensaje de fondo, tanto de Salesforce como del MIT, no es que la IA no funcione: es que funciona cuando se opera como un producto con métricas, no como un experimento con entusiasmo. Para los founders hispanohablantes, la ventana competitiva está abierta —Latam está entre las regiones con mejor tracción—, pero el filtro del retorno llegó para quedarse.