‘Mi miedo no es que la IA haga demasiado, sino que nosotros hagamos demasiado poco’

Comprar una licencia de inteligencia artificial es relativamente sencillo.

Conseguir que esa IA encuentre los datos correctos, atraviese cinco sistemas que no se hablan entre sí, tome una decisión bajo reglas claras, deje evidencia de lo que hizo y entregue un resultado útil al cliente es otra historia.

Las empresas mexicanas parecen estar descubriendo la diferencia.

Según el Enterprise AI Maturity Index 2026 de ServiceNow, el gasto en inteligencia artificial de las organizaciones mexicanas aumentó 107% durante el último año. Sin embargo, su nivel promedio de madurez se ubicó en apenas 52 puntos de 100.

La paradoja se vuelve todavía más evidente con la IA agéntica: 45% de las organizaciones mexicanas encuestadas ya utiliza agentes, pero solamente 7% ha avanzado en la construcción de flujos de trabajo autónomos. La muestra mexicana incluyó a 150 ejecutivos dentro de una investigación global con 4,500 directivos y 2,000 empleados.

En otras palabras: estamos comprando IA. Todavía estamos aprendiendo qué hacer con ella.

“La inversión es real, pero gran parte no se está capitalizando”, dice Enrique Upton, vicepresidente y gerente general para North LATAM de ServiceNow, en entrevista con Emprendedor.com. Para él, la barrera no está únicamente en los modelos, sino en aquello bastante menos emocionante que existe detrás: datos, sistemas y procesos que no están conectados.

El problema no es tener IA: es conseguir que haga algo de principio a fin

Durante los primeros años de la inteligencia artificial generativa, muchas empresas comenzaron por lo evidente.

• Un copiloto para redactar
• Un chatbot
• Una herramienta para resumir juntas
• Otra para analizar documentos

Todas pueden ahorrar tiempo. Ninguna necesariamente transforma la manera en que funciona una empresa.

Upton identifica tres grandes frenos: datos atrapados en sistemas heredados, ausencia de gobierno para los agentes y falta de talento capaz de diseñar y supervisar flujos autónomos.

“La mayoría de las compañías implementan la IA como un conjunto de herramientas aisladas y no como un sistema interconectado”, señala. El resultado es que automatizan una tarea, pero no el proceso completo.

Los propios datos de ServiceNow respaldan esa lectura. En México, únicamente 16% de las organizaciones encuestadas había reemplazado sistemas fragmentados por una plataforma integrada y 69% señalaba problemas de precisión, acceso o administración de datos como una barrera para escalar IA.

La situación no es exclusivamente mexicana.

Una investigación del Banco Mundial sobre empresas de siete economías —incluido México— encontró que la adopción empresarial de IA está creciendo rápidamente, pero los usos más sofisticados avanzan mucho más despacio y permanecen concentrados en una proporción menor de compañías.

El patrón empieza a ser familiar: primero compramos la herramienta. Después descubrimos que nuestra empresa no estaba organizada para utilizarla.

Cuidado: podemos automatizar el caos

Aquí aparece un riesgo que quizá sea más interesante que la famosa pregunta sobre si la IA nos quitará el trabajo.

¿Qué pasa si cada departamento comienza a crear sus propios agentes?

Finanzas tiene cinco. Recursos Humanos instala otros siete. Marketing conecta tres plataformas. Ventas desarrolla sus propios asistentes y Tecnología descubre seis meses después que algunas herramientas acceden a datos que nadie había previsto compartir.

La compañía ya tenía silos. Ahora tiene silos que actúan solos.

ServiceNow llama a este fenómeno agent sprawl, o proliferación desordenada de agentes.

“Sin una capa de orquestación unificada, los agentes departamentales pueden generar nuevos silos, duplicar esfuerzos y abrir puntos ciegos en seguridad y gobernanza”, advierte Upton.

“Esto recrearía exactamente el mismo problema de fragmentación que la IA buscaba resolver”.

Una investigación de seguridad publicada por la propia ServiceNow en octubre encontró un síntoma preocupante: 29% de los equipos consultados había descubierto agentes de IA operando en producción que ni siquiera estaban registrados previamente.

La velocidad amplifica la oportunidad, pero también amplifica el error.

La IA no debería ser una caja negra que decide y nadie entiende

Cuando un chatbot únicamente recomienda una película equivocada, probablemente no ocurre demasiado.

Cuando un agente comienza a aprobar compras, acceder a expedientes, gestionar recursos humanos, modificar inventarios o atender reclamaciones, la conversación cambia.

¿Quién responde cuando se equivoca?

Para Upton, una condición debe ser innegociable: trazabilidad.

“La IA nunca debe operar como una caja negra. Cada decisión y cada acción deben ser trazables, auditables y estar sujetas a controles de acceso claros”, sostiene.

El proveedor tecnológico puede incorporar mecanismos de supervisión. Pero la empresa sigue siendo responsable de establecer políticas, niveles de autonomía y momentos en los que una persona debe intervenir.

No todo proceso merece ser completamente autónomo. Y no toda decisión que puede automatizarse necesariamente debe automatizarse.

IA para el triaje, humanos para la confianza

La atención al cliente sirve para entender esa frontera.

Preguntar dónde está un paquete, consultar un saldo o solicitar una factura son problemas muy distintos de reportar un fraude bancario, enfrentar una enfermedad o solucionar una situación emocionalmente delicada.

Upton propone una regla sencilla:

“IA para el triaje, humanos para la confianza”.

El sistema puede resolver solicitudes sencillas, recopilar antecedentes y canalizar los casos complejos hacia una persona que reciba ya todo el contexto.

La preferencia por esa combinación también aparece entre consumidores mexicanos.

El Consumer Voice Report 2025 de ServiceNow, basado en 1,000 adultos en México, encontró que la interacción humana continuaba siendo la opción preferida en la mayoría de estados emocionales. Cuando había prisa, el canal favorito cambiaba hacia una llamada telefónica, pero igualmente con otra persona.

Un caso que Upton menciona es Farmacias del Ahorro. La compañía comenzó a mapear procesos de atención, integrar información proveniente de diferentes fuentes y explorar agentes que ayuden a sus colaboradores a realizar determinadas tareas con mayor rapidez. El proyecto había sido descrito públicamente desde 2025 como una estrategia para utilizar IA como asistencia al humano, no simplemente para eliminarlo.

Ahí existe una diferencia importante: automatizar servicio al cliente puede significar poner una máquina entre la empresa y el consumidor.

También puede significar darle mejores herramientas a la persona que finalmente lo atenderá.

México tiene un “momento” con la IA, pero no está garantizado

Upton lleva tiempo hablando de un posible “Momento Mexicano” en tecnología.

México tiene manufactura, talento, inversión extranjera y una posición privilegiada por el nearshoring. Pero ninguna de esas condiciones garantiza que el país pase de consumir tecnología a crearla.

Para conseguirlo, identifica tres necesidades: formar talento que no solamente sepa utilizar IA sino desarrollarla; fortalecer la infraestructura digital mediante colaboración público-privada; y conseguir que las empresas construyan sus propios flujos, propiedad intelectual y capacidades tecnológicas.

El Banco Mundial llega a una conclusión parecida desde una perspectiva más amplia.

Su World Development Report 2026 advierte que las economías en desarrollo no necesitan construir necesariamente los modelos más grandes del mundo para capturar valor de la IA. Pero importar herramientas tampoco basta: deben adaptarlas a sus idiomas, instituciones, datos y necesidades, al mismo tiempo que desarrollan infraestructura y habilidades propias.

Ahí está quizá la diferencia entre adoptar tecnología y construir una ventaja competitiva con ella.

Una empresa que compra exactamente las mismas herramientas que todos sus competidores no adquiere automáticamente una ventaja.

La ventaja aparece en qué proceso rediseña, qué datos conecta y qué capacidad desarrolla alrededor de ellas.

Si no sabes por dónde empezar, no empieces por un megaproyecto

¿Qué debería hacer mañana un director que lleva tres años escuchando que necesita IA y todavía no sabe dónde colocarla?

Upton no recomienda crear un comité gigantesco ni anunciar una transformación de toda la compañía; recomienda buscar un problema.

“Identificar un proceso de negocio específico que sea repetitivo, consuma mucho tiempo y esté impactando claramente a sus colaboradores o clientes”, explica.

Después hay que revisar si los datos son confiables y si los procesos están conectados.

Un proyecto acotado y gobernado puede enseñar más que una estrategia enorme construida sobre infraestructura que todavía no funciona.

La IA empresarial no tiene que comenzar con un robot capaz de dirigir la compañía.

Puede empezar con una factura que deja de tardar tres días.

El riesgo no es que la IA haga demasiado

Después de hablar de sistemas autónomos, productividad e infraestructura, Upton termina preocupado por algo bastante menos técnico: Nosotros.

“No me preocupa que la IA se vuelva más inteligente, sino que nosotros nos volvamos menos humanos en el proceso”, dice.

Su inquietud no es que la tecnología asuma demasiadas tareas.

Es que las personas poco a poco dejemos de cuestionar, aprender, crear o tomar decisiones que todavía necesitan criterio y responsabilidad.

La eficiencia es una gran métrica empresarial. No necesariamente debe convertirse en la única.

Conoce más:

• ‘Mi miedo no es que la IA haga demasiado, sino que nosotros hagamos demasiado poco’
• ¿Debes Predial o agua? CDMX mantiene descuentos hasta el último día de 2026
• Metro CDMX ganó su primer Récord Guinness por el mural holográfico más grande del mundo
• Google lanza nuevas herramientas de Gemini para pequeñas empresas: qué pueden hacer
• Domino’s creó una pizza para gamers y llegará a México con regalos de Minecraft

March Violante, Directora editorial de Emprendedor.com y AltoNivel.com Periodista web amante de los negocios y los cómics. Martha Violante es maestra por la Universidad Panamericana. Cuenta con una carrera de 17 años en estrategía editorial digital y creación de contenido sobre negocios, innovación y cultura digital en México. Ha entrevistado a figuras de la talla de Randi Zuckerberg, Daniele Lamarre, Zoe Saldana, entre otros. Ha trabajado en medios como Entrepreneur en Español e Inglés, Alto Nivel, Cine PREMIERE, México Desconocido, entre otros.