Latam Agentes de IA: el 87% los usa, pero solo el 12,8% ve impacto en ingresos
Un nuevo estudio revela que casi nueve de cada diez empresas ya emplean agentes de inteligencia artificial, pero apenas una de cada ocho nota un efecto en sus ingresos. Mientras startups como Loopia escalan en Brasil, la investigación académica apunta a agentes que aprenden solos como la clave para cerrar esa brecha.
Ocho de cada diez empresas ya han incorporado agentes de inteligencia artificial a sus operaciones, según el I Barómetro de Digital Enterprise Show (DES) 2026. El dato sugiere una adopción masiva, pero el mismo estudio introduce una señal de alerta: solo el 12,8% de las organizaciones percibe un impacto real en sus ingresos. La mayoría ahorra tiempo —el 86,2% lo confirma—, y el 42,6% asegura haber notado efectos positivos en menos de tres meses. Sin embargo, cuando se trata de traducir esa eficiencia en crecimiento del negocio, el salto sigue siendo escurridizo.
En América Latina, el escenario no es muy distinto, aunque con matices propios. Empresas brasileñas como Loopia están ampliando el uso de agentes de IA para automatizar la atención al cliente en e-commerce y marketplaces. Su plataforma unifica la comunicación entre marcas y consumidores en canales como WhatsApp y tiendas digitales, con el objetivo de agilizar las operaciones y escalar el servicio. Tiago Vailati, CEO y cofundador de Loopia, explica que la inteligencia artificial ya no es un complemento, sino un eje estratégico: “Hoy, las organizaciones necesitan unir eficiencia operativa, agilidad y experiencia del consumidor. Los agentes de IA pasan a tener un papel estratégico al apoyar operaciones más rápidas y escalables”.
Pero ¿por qué ese salto de eficiencia no se refleja en los ingresos? Una respuesta posible está en la naturaleza de los agentes que se están desplegando. La mayoría de las soluciones actuales se basan en sistemas de intenciones y plantillas fijas, que resuelven consultas repetitivas pero fallan cuando la conversación se vuelve impredecible o requiere razonamiento en múltiples pasos. Un equipo de investigadores de Xiaoduo AI Lab, en Shanghái, y la Universidad de Dayton acaba de publicar un paper que aborda exactamente ese problema. Presentan MindFlow+, un agente de diálogo que aprende por sí mismo a comportarse en entornos de comercio electrónico combinando modelos de lenguaje de gran escala (LLMs) con aprendizaje por imitación y refuerzo fuera de línea.
Agentes que aprenden solos
MindFlow+ no se limita a responder preguntas con respuestas predefinidas. El sistema incorpora dos mecanismos clave: por un lado, construye demostraciones enriquecidas con herramientas externas —como bases de conocimiento y llamadas a APIs— para que el modelo aprenda a usar recursos reales durante la conversación. Por otro, alinea las respuestas con objetivos de calidad mediante señales de recompensa, entrenando al agente para priorizar interacciones que generen mejores resultados. Además, los investigadores crearon una métrica nueva, el AI Contribution Ratio, que mide cuánto contribuye realmente la inteligencia artificial en cada flujo de trabajo, diferenciando entre respuestas automáticas y aquellas que requieren intervención humana.
Los resultados sobre conversaciones reales de e-commerce muestran que MindFlow+ supera a los sistemas tradicionales en relevancia contextual, flexibilidad y precisión. Pero lo más relevante es que el agente evoluciona sin necesidad de modificar la arquitectura del modelo base, simplemente refinando su comportamiento a partir de datos etiquetados con retroalimentación. Esto lo hace especialmente atractivo para empresas que ya usan LLMs genéricos y quieren especializarlos sin grandes inversiones en infraestructura.
El salto que necesita la región
El barómetro de DES 2026 también revela las barreras que frenan el escalado: el 28,7% de las empresas señala el costo económico como principal obstáculo, seguido por la seguridad (19,1%), la falta de datos de calidad (18,1%) y la escasez de talento especializado (11,7%). En Latinoamérica, estas limitaciones suelen ser más agudas. La inversión inicial en infraestructura de IA puede resultar prohibitiva para pymes, y la disponibilidad de desarrolladores con experiencia en agentes autónomos sigue siendo baja en comparación con mercados maduros. Además, solo el 19,1% de las organizaciones encuestadas cuenta con protocolos de gobernanza para un uso seguro, y el 27,7% de los directivos se declara “muy preocupado” por posibles fallos en decisiones automatizadas.
A pesar de estos desafíos, la oportunidad para las empresas latinoamericanas está en saltar directamente hacia agentes más inteligentes, en lugar de replicar la ruta de los sistemas basados en intenciones. La tecnología que describe el paper de MindFlow+ ya permite a modelos relativamente compactos superar a LLMs generalistas mucho más grandes, lo que reduce la dependencia de costosos servidores en la nube. Startups como Loopia ya están demostrando que se puede escalar la atención al cliente con agentes que integran múltiples canales y automatizan interacciones complejas.
La clave será pasar del ahorro de tiempo al impacto en ingresos. Eso exige no solo desplegar agentes, sino diseñarlos para que aprendan de cada interacción, se alineen con los objetivos comerciales y tomen decisiones autónomas con supervisión humana cuando sea necesario. En la región, donde los márgenes suelen ser más ajustados y la competencia en comercio electrónico se intensifica, un agente que evoluciona solo podría marcar la diferencia entre simplemente adoptar IA y realmente transformar el negocio.
