Mientras la mayoría de los artículos sobre inteligencia artificial empresarial se enfocan en promesas de productividad, un dato concreto debería preocupar a los ejecutivos latinoamericanos: la adopción de ChatGPT Enterprise creció siete veces en tokens generados entre junio de 2025 y marzo de 2026, pero casi la mitad de ese crecimiento vino de empresas que ya usaban la herramienta, no de nuevos adoptantes. El informe interno de OpenAI, basado en más de 1.500 organizaciones y 17 millones de mensajes, revela que las compañías que ya adoptaron IA no solo no se detienen, sino que aceleran su consumo —y la brecha con quienes aún no arrancan se vuelve cada vez más costosa de cerrar.
OpenAI documenta un patrón incómodo: entre las empresas públicas de Estados Unidos, las adoptantes de ChatGPT Enterprise son más grandes, más valiosas y con mayor inversión previa en I+D y gastos de venta, generales y administrativos. No es que la IA haga grandes a las empresas; las empresas que ya eran grandes y sofisticadas están usando IA para hacerse aún más difíciles de alcanzar. Para una pyme o una firma de tamaño medio en América Latina, el mensaje es claro: el costo de no adoptar no es estático, crece cada trimestre que pasa.
Del asistente al agente: el salto que redefine el front office
PwC lo ha entendido bien. La consultora, que es socia estratégica de OpenAI, lanzó soluciones de contacto y servicio basadas en agentes de IA con un enfoque que va más allá del chatbot clásico. Ian Kahn, líder de plataforma comercial y de excelencia en servicio de PwC, explica que sus clientes están moviendo entre el 30% y el 50% de las interacciones tradicionales a modelos de autoservicio inteligente. Las cifras que reportan son difíciles de ignorar: ahorros de hasta el 40% en costos operativos y aumentos de 10 a 15 puntos en el Net Promoter Score.
Lo interesante no es solo el ahorro, sino hacia dónde va ese dinero. Kahn afirma que ningún cliente está usando la IA para reducir plantilla en los centros de contacto. En cambio, están reasignando el talento liberado a construir relaciones más profundas con los clientes. Para una empresa latinoamericana que compite por atención en mercados donde la lealtad es frágil, esta estrategia ofrece una vía para diferenciarse sin quemar presupuesto en campañas.
El caso de una gran aerolínea que trabaja con PwC ilustra el punto: están rediseñando toda la experiencia comercial y de atención al cliente usando conversaciones nativas de IA en canales de voz, digital y móvil. El objetivo es que el cliente resuelva necesidades de descubrimiento, compra y servicio sin ser redirigido a un sitio web ni transferido a un agente humano. Cada interacción que no requiere un traspaso es una ganancia de eficiencia y de satisfacción.
ROI real, pero con asteriscos
No todo es teoría de consultora. Javier Santos Criado, consultor especializado en IA, documentó cinco casos reales de agentes de IA implementados en empresas españolas entre junio de 2025 y marzo de 2026, con resultados que cualquier CFO querría ver.
Con un agente de soporte nivel 1 en una SaaS B2B de 60 personas se obtuvo el mejor rendimiento sobre la inversión: 9,1 veces el capital invertido en el primer año. El agente resolvió el 82% de los 1.450 tickets mensuales, redujo el tiempo de resolución de 4 horas y 20 minutos a 52 segundos, y subió el NPS de soporte de 44 a 68 puntos. La inversión inicial fue de 9.400 euros, con un costo mensual de operación de 410 euros gracias al uso de prompt caching, que redujo el gasto en un 68%.
Pero hay lecciones que duelen. En el caso de un agente comercial para una consultoría B2B de 35 personas, el 85% del éxito no estuvo en el modelo de lenguaje ni en el prompt, sino en el dataset de ejemplos de correos electrónicos buenos. Al principio el agente sonaba "demasiado a consultoría" y hubo que reentrenarlo con correos reales del CEO para alinear el tono. La moraleja: no se trata de la tecnología, se trata de los datos.
De mayor impacto económico fue un agente de calificación de leads que generó 186.000 euros en ventas atribuidas en ocho meses. Redujo el tiempo de primera respuesta de 14 horas a 47 segundos y multiplicó las reuniones agendadas de 12 a 34 por mes. La inversión inicial fue de 7.800 euros. Una pyme latinoamericana con un flujo similar de leads podría obtener resultados análogos, siempre que tenga el volumen suficiente para justificar la inversión.
El talón de Aquiles: integración y compliance
No todo es color de rosa. El caso más complejo documentado por Santos fue un agente de procesamiento de facturas para una distribuidora de 120 personas. Integrar con SAP Business One representó el 40% del esfuerzo total del proyecto. Los agentes de IA se construyen rápido; las conexiones con sistemas empresariales heredados, no. Para las empresas latinoamericanas que todavía operan con ERPs locales o sistemas customizados, este puede ser el cuello de botella que nadie menciona en los webinars de ventas.
Y el compliance no es un detalle menor. Un despacho de abogados que implementó un agente de investigación interna sobre 20.000 documentos gastó la mitad del presupuesto en cumplir con el GDPR y la EU AI Act, no en la tecnología. En América Latina, donde las regulaciones de protección de datos como la LGPD en Brasil o la Ley de Protección de Datos Personales en México avanzan a diferente velocidad, cada empresa debe evaluar su propio marco legal antes de lanzar agentes que toquen datos sensibles. El consejo de Santos es pragmático: empezar por un proceso con volumen alto, bajo riesgo legal y datos disponibles. Ninguno de los cinco casos intentó automatizar "IA estratégica" en la primera iteración.
La pregunta incómoda para el ejecutivo latinoamericano
Los datos de OpenAI muestran que la adopción de IA empresarial es amplia pero profundamente desigual. Las empresas con mayor capacidad organizativa previa son las que más rápido integran estas herramientas, y la distancia con el resto se agranda. Para un CEO en la región, la decisión no es si adoptar o no, sino qué proceso elegir para empezar y cómo financiar la integración con sistemas legacy que en muchos casos tienen décadas de antigüedad.
Quizás la pregunta más importante no sea qué modelo de lenguaje usar, sino: ¿está su empresa invirtiendo hoy en la calidad de sus datos y en la documentación de sus procesos? Porque sin eso, el agente más sofisticado no será más que un asistente caro con buenas intenciones.
