El 37 % de las empresas que respondieron la encuesta global de McKinsey sobre inteligencia artificial atribuye a la IA algún impacto en su EBIT, la misma proporción que un año antes. El estudio, publicado el 25 de agosto de 2026 con 1.719 participantes de 97 países, muestra al mismo tiempo que el 40 % de las organizaciones con ingresos superiores a 1.000 millones de dólares ya está escalando agentes de IA, frente al 27 % del año anterior. Para un retailer que está por priorizar inversiones de IA para 2027, la lectura es incómoda: el uso crece más rápido que el resultado.
Entre esas dos cifras hay una pregunta de gestión. Si más empresas usan agentes y la proporción que ve impacto financiero no se mueve, el problema probablemente aparece antes de la tecnología, en cómo se escogen los casos de uso y en cómo se decide cuánto invertir en cada uno.
Esta guía propone una forma de ordenar esa decisión en una operación de retail, desde la lista de ideas hasta un business case que aguante una discusión con finanzas.
Por qué la adopción de IA crece y el impacto financiero no
McKinsey identifica un grupo pequeño de empresas, cerca del 6 % de los encuestados, que atribuye al menos el 5 % de su EBIT a la IA y describe su impacto como significativo. Esa proporción tampoco cambió frente a 2025.
Lo que distingue a ese grupo tiene que ver con la forma de trabajar. Casi tres cuartas partes de esas empresas dicen haber rediseñado de fondo sus flujos de trabajo alrededor de la IA, frente a cerca de una cuarta parte de las demás. También tienen el doble de probabilidad de contar con procesos definidos para medir el impacto de la IA y con un compromiso visible de la alta dirección.
El costo es la otra variable. Uno de cada cinco encuestados dice que los costos operativos de la IA, incluidos los tokens, ya limitan su uso. Una inversión aprobada solo por el costo de construcción puede volverse difícil de sostener cuando el agente empieza a trabajar todos los días.
Gartner llegó a una conclusión parecida desde otro ángulo. En junio de 2025 pronosticó que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027 por costos crecientes y valor de negocio poco claro. La firma estimó además que, de los miles de proveedores que se presentan como agénticos, solo unos 130 lo son de verdad. Se trata de una proyección, y aun así señala dónde suelen romperse los proyectos: en la justificación económica.
Cómo priorizar inversiones de IA en retail con cuatro criterios
Una lista de casos de uso en retail se arma rápido: fichas de producto, atención de consultas sobre pedidos, alertas de quiebre de inventario, recomendaciones de compra a proveedores, conciliación de ventas y pagos. Ordenarla exige evaluar cada idea con los mismos criterios, y ayuda partir de un diagnóstico de la operación que muestre dónde están las fricciones. Proponemos cuatro criterios.
Valor sobre la operación
Cada caso de uso debería traducirse en una métrica que el negocio ya sigue: ventas, margen, disponibilidad en góndola, tiempo de respuesta al cliente, horas del equipo o pérdidas por devoluciones. Si el valor solo puede describirse como eficiencia, sin una cifra de partida, conviene medir primero la situación actual.
Datos disponibles
Un agente de inventario necesita existencias confiables por tienda y canal; uno de catálogo, atributos completos y consistentes; uno de atención, acceso al estado real de cada pedido. Un caso de uso con mucho valor y datos incompletos suele convertirse en un proyecto de datos. Eso puede estar bien, siempre que se presupueste como tal.
Integración con los sistemas
Un agente que solo lee información y recomienda puede trabajar con exportaciones o con APIs de lectura. Uno que ejecuta, como un agente que crea órdenes de compra, necesita escribir en el ERP, el OMS o la plataforma de commerce, y eso multiplica las pruebas, los permisos y el mantenimiento.
Riesgo y nivel de autonomía
Una escala útil va de recomendar a alertar, de ahí a ejecutar dentro de reglas aprobadas y, al final, a operar de forma autónoma escalando solo las excepciones. Empezar en el nivel más bajo que todavía genera valor reduce el riesgo y deja una base para medir antes de dar más autonomía.
Con estos cuatro criterios, cada caso de uso recibe una calificación comparable. Los que combinan alto valor, datos listos, poca integración y bajo riesgo son los primeros candidatos. Los de alto valor con datos o integración pendientes pasan a una segunda ola, con su preparación incluida en el presupuesto.
Qué debe incluir un business case de IA
Un business case de IA para retail necesita cuatro piezas para sostenerse frente a un comité financiero.
La línea base va primero: cuánto cuesta hoy el proceso, cuántas horas consume, cuántas ventas se pierden o cuántos errores se repiten. Sin ese punto de partida, cualquier mejora posterior queda en el terreno de la opinión.
Luego viene el costo total, que suma la construcción, la integración, la operación diaria del modelo y el tiempo del equipo que lo supervisa. El dato de McKinsey sobre costos operativos que ya limitan el uso sugiere que la operación diaria suele subestimarse.
La tercera pieza es el umbral de decisión. Antes del piloto, el equipo debería acordar qué resultado justifica escalar, cuál justifica ajustar y cuál justifica detener el proyecto. Definirlo después del piloto invita a leer los resultados con optimismo.
La última pieza es el dueño del proceso. Las empresas que capturan valor rediseñan el flujo de trabajo, y eso ocurre cuando alguien del negocio responde por el resultado junto con el equipo técnico.
Una hoja de ruta de 0 a 12 meses
La priorización se vuelve útil cuando se traduce en un orden de ejecución. Un horizonte de tres etapas funciona para la mayoría de las operaciones retail.
En los primeros tres meses entran los casos de uso que trabajan con datos existentes y en modo de recomendación, por ejemplo un agente que sugiere mejoras a las fichas de producto o uno que prioriza alertas de quiebre para el equipo de tienda. El objetivo es producir resultados medibles y aprender cómo responde la operación.
Entre el tercer y el sexto mes llegan los casos que requieren integración: conectar el agente con el ERP, el OMS o el CRM y pasar de recomendar a ejecutar dentro de reglas en procesos acotados.
Entre el sexto y el duodécimo mes se escala lo que funcionó, se suman agentes que comparten datos entre sí y se revisan los niveles de autonomía con la evidencia acumulada.
Qué puede hacer un retailer en Latinoamérica esta temporada
La temporada alta es el mejor momento para recoger la línea base. Entre Black Friday y Navidad, la operación muestra sus fricciones con más claridad que en cualquier otra época: quiebres de inventario, consultas repetidas sobre el estado de los pedidos, fichas con datos incompletos, devoluciones por talla o compatibilidad, rechazos en el checkout.
Registrar esas fricciones con cifras durante estas semanas deja lista la materia prima para priorizar en enero, porque cada fricción documentada es un caso de uso candidato con su línea base incluida. También ayuda anotar qué decisiones tomó el equipo bajo presión y cuánto tiempo le costaron, porque ahí suelen estar los procesos que un agente puede apoyar primero.
Para cerrar el año con una lista corta alcanzan tres preguntas por caso: qué métrica mueve, qué datos necesita y qué pasaría si el agente se equivoca. Si las respuestas muestran que el problema está en los datos, conviene revisar qué tan preparada está la infraestructura antes de construir. Sobre el paso de proyectos aislados a una capacidad de toda la empresa escribimos en IA retail para empresas enterprise.
¿Por dónde debería empezar un retailer a invertir en IA?
Por el proceso que combine más valor medible con datos ya disponibles y bajo riesgo de error. En la práctica suele ser un agente en modo de recomendación sobre una fricción que el equipo ya conoce, con una línea base definida y un umbral acordado antes del piloto para escalar o detener el proyecto.
El grupo de empresas que captura valor con IA casi no creció de un año a otro. Para el comité que define 2027, ¿cuántos de los proyectos en la lista tienen hoy una línea base y un umbral para detenerlos?
