La IA no falla. El proceso sí

Introducción

Desde 2023, los ejecutivos miembros de nuestro Consejo de Innovación Digital han identificado a la inteligencia artificial como prioridad estratégica. Sin embargo, persiste una brecha significativa entre la experimentación y el impacto real en resultados.

Este reporte sintetiza hallazgos de entrevistas con directivos de diferentes industrias, complementados con dos paneles colectivos celebrados en febrero y marzo de 2026.

Un dato lo resume todo: 88% de las organizaciones experimenta con IA, pero 81% no reporta beneficios en su resultado financiero. Cerrar esa brecha exige dirigir la IA hacia las palancas de productividad específicas de cada sector — no usarla de forma genérica.

Casos de uso

Los directivos entrevistados convergen en tres grandes frentes: crecimiento de ingresos, eficiencia operativa y gestión de riesgos.

Incrementar ingresos

La IA genera ingreso cuando se orienta a la mejora de la experiencia de los clientes y retención del mercado. Algunos ejemplos concretos:

• Distribución farmacéutica: modelos con más de mil variables anticipan escasez de medicamentos antes de que ocurra, protegiendo el nivel de servicio — principal razón de lealtad del detallista.
• Cosméticos: una aplicación para personas con déficit visual abrió un segmento de mercado completamente desatendido.
• Seguros: la liquidación ágil de siniestros mejoró simultáneamente la retención de clientes y el NPS.

Mejorar agilidad y eficiencia

Es la ruta más extendida, y con razón: los ahorros son medibles y rápidos.

• Manufactura: el mantenimiento predictivo genera ahorros del 30% en costos y elimina paros no planeados.
• Transporte: una herramienta de reclutamiento con IA se convirtió en el mejor reclutador de la empresa en menos de un año, desbloqueando el crecimiento operativo.
• Transporte: la optimización de rutas y el control de combustible producen ahorros medibles mes a mes.
• Poder judicial: el análisis de sentencias con modelos de lenguaje natural reduce semanas de trabajo a horas.
• Servicios financieros: aplicar IA a todo el ciclo de desarrollo — no solo a la codificación — eliminó el 40% de las reuniones de alineación y redujo el costo de los proyectos.

Robustecer la resiliencia

La IA también reduce pérdidas cuando se dirige a los riesgos específicos del sector.

• Distribución farmacéutica: visión artificial para lectura de lotes y fechas de caducidad alcanzó 92-93% de precisión, atacando el principal destructor de margen del sector.
• Seguros: el análisis de imágenes detecta fraude en siniestros de forma sistemática.
• Servicios financieros: la detección de anomalías en tiempo real protege tanto al cliente como a la institución.
• Transporte: cámaras y sensores de fatiga redujeron las primas de seguro de flota en 17%.
Lecciones aprendidas

Cinco patrones aparecen de forma consistente en todos los casos:

• Datos primero. Sin gobierno de datos, ningún modelo funciona. Una aseguradora redujo 500 variables a 150 críticas antes de poder construir modelos útiles. Un banco lleva desde 2014 construyendo su estrategia de datos y esa base explica sus éxitos actuales.
• No automatices la ineficiencia. Una institución financiera generó un millón de líneas de código con IA y los proyectos salían más caros. El problema: aceleraron la codificación sin transformar el proceso. La IA aplicada a un proceso roto produce resultados rotos más rápido.
• Empieza por dentro. Las organizaciones exitosas aplican IA a procesos internos antes de exponerla al cliente. Una aseguradora eliminó chatbots en atención de siniestros porque los clientes en momentos de estrés prefieren contacto humano.
• Define el problema antes de elegir la tecnología. Una institución educativa lanzó ‘dime qué quieres y te ponemos IA’; se formó fila, pero nadie tenía claro el problema. En varios casos, el problema resultó ser de proceso, no de tecnología.
• La madurez organizacional importa tanto como la tecnología. El ‘Efecto Club Premier’ – directivos que regresan de un viaje pidiendo implementar IA sin contexto ni problema definido – sigue siendo un riesgo real. El antídoto es educar a la alta dirección antes de lanzar proyectos.

Conclusiones

La brecha entre experimentación e impacto financiero no se explica por falta de tecnología ni de presupuesto. Se explica por datos sin gobierno, procesos no rediseñados y ausencia de identificación explícita de las palancas de productividad donde la IA puede generar mayor valor- diferenciadas por sector.
Las organizaciones con resultados comparten un patrón: problema bien definido, base de datos confiable, proyectos acotados con valor medible, y respaldo activo de la alta dirección.
Select ha desarrollado un modelo de madurez para acompañar este proceso en empresas mexicanas de diferentes sectores. Si desea participar, en un sondeo para evaluar su madurez en el uso de la IA escríbanos a: [email protected]

*El autor es Director General de Select.