El 55% usa IA en el trabajo. Solo el 6% ve impacto económico

La oficina ya tiene IA. El proceso, no

Tres cifras del estudio de Endeavor Data Unit, recogido por El Economista, no cuadran a propósito: el 55% de los colaboradores utiliza la IA de forma constante, solo el 31% de las organizaciones declara una integración amplia y apenas el 6% reconoce un impacto económico significativo.

Vincent Speranza, director general de Endeavor México, lo deja en una frase que debería colgarse en la sala de juntas:

La ventaja no estará necesariamente en quién utilice más herramientas, sino en quién logre incorporarlas a sus procesos.

No consta en las fuentes consultadas qué herramientas usa esa mayoría ni en qué tareas. El patrón se ve igual: alguien pega un correo en un chatbot, alguien resume una reunión, alguien pide un borrador. Productividad personal. Cero traza en el ERP. Cero regla de negocio. Cero auditoría.

Quieren una varita. Les falta el flujo

El atasco de implementación que más se repite no es el modelo. Es que muchas empresas no saben qué quieren automatizar. Llegan pidiendo IA como si fuera una varita y, cuando les pides el proceso, te sueltan un PowerPoint con cajas y flechas que no aguantan una pregunta: quién dispara el flujo, con qué dato, qué pasa si falta un campo, quién firma el resultado.

En una parte gorda de esos encargos no hace falta un modelo. Hace falta un flujo asistido: pantallas, validaciones, un humano que decide en dos o tres puntos. Meter un LLM, un modelo de lenguaje que improvisa texto o una clasificación, sin haber dibujado el circuito es contratar a un redactor para que invente el procedimiento mientras lo ejecuta.

Patricia Gameros, en el mismo reportaje de El Economista, resume el arranque para pymes en tres prioridades: identificar un problema específico, revisar la calidad y disponibilidad de los datos, y preparar al equipo. No pide una infraestructura sofisticada. Pide saber qué se está intentando resolver. El tamaño no decide quién corre más: las grandes tienen recursos y también sistemas heredados y procesos enmarañados; las pequeñas pueden probar y cambiar el flujo con menos teatro. El estudio concluye que ningún sector ni tamaño ha consolidado todavía una ventaja definitiva.

Sin contrato de datos no hay nada que integrar

La otra pared es más prosaica que cualquier demo. No hay gobierno del dato. Las fuentes no se hablan. El ERP, el CRM y la hoja del comercial no comparten identificador de cliente, ni catálogo, ni criterio de "pedido cerrado". No hay normalización ni limpieza. Se quiere que el modelo "entienda el negocio" sobre un cementerio de campos nulos y duplicados.

Un contrato de datos, qué campos existen, de qué tipo, qué nulos se toleran, quién es dueño de cada fuente, con qué frecuencia se actualiza, no es un extra de arquitectura. Es el requisito para conectar sistemas. Si dos bases no se ponen de acuerdo en el cliente, el modelo no va a inventar gobernanza. Va a alucinar una reconciliación y alguien la va a firmar.

Antes de comprar tecnología se mide por campo: cobertura, nulos, duplicados, desfase temporal. Esa medición es más barata que una licencia y más honesta que un piloto montado sobre datos de escaparate. Quien meta el histórico de tickets o de facturas en un sistema de recuperación sin respetar la estructura del documento no está integrando: está corrompiendo el contexto en silencio.

Híbrido o no lo vas a poder auditar

Un flujo de negocio que tiene que ser consistente no se le entrega entero a un modelo. El orquestador dirige, no computa: las reglas, los cálculos y los estados viven en código determinista; el LLM redacta, clasifica o propone. Si el modelo decide el descuento, el asiento o el siguiente estado del pedido, has perdido consistencia y pista de auditoría en el mismo movimiento.

Separar planificador, ejecutor y verificador no es postureo de agentes. Es concentrar la atención humana donde duele: la decisión y la revisión, no la prosa. El contexto es presupuesto. Un handoff escrito y una sesión limpia evitan que el modelo arrastre basura de la tarea anterior y la cuele como si fuera política de la empresa.

Comprar asientos de un copiloto y llamar a eso transformación es el primo hermano de vender software por usuario mientras el trabajo terminado se esconde. Lo que cuenta es qué campo, qué cola o qué ciclo de pedido cambió de verdad.

Antes de una inversión mayor, el propio reportaje de Endeavor recomienda lo que casi nadie hace: pilotos acotados, medir resultados y escalar solo lo que demuestre valor para el negocio. Patricia Gameros cierra el arco: la ventaja competitiva no estará en quién invierta más, sino en quién aprenda más rápido y consiga integrar la IA de manera consistente en su operación.

El proceso no lo explica todo

El mismo estudio de Endeavor Data Unit señala otras barreras que las organizaciones declaran en voz alta: el 64% apunta a ciberseguridad y privacidad, el 60% a la falta de talento y el 58% al presupuesto. Meter un modelo en un proceso con datos personales y sin controles no es madurez operativa. Es una filtración con diapositivas.

Y cuando la integración llega, no cancela la tensión laboral. Según el informe de IDC comisionado por Deel, recogido por El Economista, el 64% de las empresas en México prevé una disminución de vacantes para empleos junior en los próximos tres años por el uso de la inteligencia artificial. Es previsión, no recuento de despidos. Un análisis de la Universidad de Stanford, citado en el mismo medio, ya midió otra cosa: entre los empleos más expuestos a la IA, los trabajos de entrada para jóvenes de 22 a 25 años disminuyeron un 16% de media.

El Análisis de Tendencias y Salarios 2026 de Hays describe el otro lado del tablero. La IA está impulsando puestos nuevos y crece la demanda de gente que sepa diseñar, gestionar y supervisar éticamente estos sistemas. El 57% de las empresas en México invierte en capacitación; solo el 21% contrata talento nuevo para tapar la brecha; apenas el 2% usa la IA para reemplazar al talento. La mayoría, según esos hallazgos, la adopta para apoyar equipos. A la vez, el estudio del Foro Económico Mundial Cuatro futuros para el empleo en la nueva economía: IA y talento en 2030 cifra que el 54.3% de los empresarios a nivel global prevé que la IA desplazará una gran cantidad de empleos, frente a un 23.5% que cree que creará muchos.

Ramiro Bado, director general de Hays México, avisa de lo que se rompe si se automatiza el nivel inicial hasta dejarlo seco: el futuro del liderazgo en ingeniería y cadena de suministro. El valor, dice, está en equilibrar eficiencia y desarrollo humano. Integrar de verdad incluye decidir qué no se le quita al junior si quieres tener senior dentro de diez años.

Mientras el chatbot siga colgado del lateral, el 55% puede usarlo todos los días y el 6% de impacto económico no se va a mover.

Preguntas frecuentes

¿Por qué las empresas no logran integrar la IA en sus procesos?

Porque suelen empezar por la herramienta y no por el flujo. El estudio de Endeavor Data Unit muestra uso constante en el 55% de los colaboradores frente a un 31% de integración amplia. Sin proceso definido, sin contrato de datos y sin gobierno entre el ERP y el resto de fuentes, el modelo queda como productividad personal. Las barreras declaradas incluyen también ciberseguridad, talento y presupuesto.

¿Qué porcentaje de empresas ve un impacto económico significativo con IA?

Apenas el 6%, según el estudio de Endeavor Data Unit recogido por El Economista. Esa cifra convive con un 55% de uso constante entre colaboradores y un 31% de organizaciones que declaran integración amplia. El hueco entre usar un chatbot y mover un indicador de negocio es, hoy, la historia real de la adopción.

¿La IA va a reducir las vacantes junior en México?

El 64% de las empresas en México prevé menos vacantes junior en los próximos tres años por el uso de IA, según el informe de IDC comisionado por Deel. Es una previsión, no un recuento de despidos. Stanford midió una caída del 16% en empleos de entrada para jóvenes de 22 a 25 años en ocupaciones muy expuestas. Hays, en paralelo, sitúa el reemplazo explícito de talento en solo el 2%.

¿Por dónde debe empezar una pyme a integrar IA?

Por un problema concreto, por la calidad y disponibilidad de sus datos, y por preparar al equipo, según Patricia Gameros. Después, un piloto acotado, medido por campo y por resultado de negocio, y se escala solo si demuestra valor. El tamaño no decide la velocidad: las pequeñas pueden cambiar el proceso más rápido que una gran cuenta atada a sistemas heredados.