Las empresas mexicanas experimentan con IA a gran escala. Muy pocas operan con ella. Un estudio reciente de INEGI, Endeavor México e IMCO encontró que 44 % de las pequeñas y medianas empresas ya probó herramientas de IA, 19% las usa de forma sistemática y 5.8% las integró a su operación central. En algún punto entre el piloto y el estado de resultados, más de nueve de cada diez experimentos dejan de importar.
El patrón no es exclusivo de México. La iniciativa NANDA del MIT reportó que 95% de los pilotos corporativos de inteligencia artificial generativa no generó un impacto medible en el estado de resultados, pese a una inversión empresarial de entre 30 mil y 40 mil millones de dólares. El hallazgo que se sostiene es la forma del problema: alta adopción, baja transformación.
Tampoco es un problema de apetito o de presupuesto. En la encuesta EY-Parthenon CEO Outlook de enero de 2026, 32% de los directivos mexicanos nombró la inversión en IA como su prioridad número uno, por encima del riesgo geopolítico. La inversión en IA creció 107% este año. Sin embargo, el Enterprise AI Maturity Index 2026, de ServiceNow, ubica a México en 52 puntos de 100, con 69% de las organizaciones detenidas por datos, integración y gobierno. Tres síntomas de una sola condición: la mayoría de las organizaciones adopta la IA función por función. Una herramienta para atención a clientes, otra para recursos humanos, una tercera para finanzas. El resultado es una versión más sofisticada de un problema muy antiguo: la fragmentación.
Los límites departamentales nunca fueron una restricción seria para un CRM o un sistema de nómina. Esas herramientas almacenan información y coordinan personas, y eran las propias personas quienes cargaban el trabajo a través de las costuras, por ejemplo, el gerente de cuenta que llamaba a compliance, el supervisor que tenía que perseguir una aprobación.
La IA elimina a ese intermediario. Un agente no coordina el trabajo, lo ejecuta. Y el trabajo real, como resolver una queja, aprobar una solicitud de equipo, procesar un siniestro, casi nunca vive dentro de un sólo departamento. Se mueve a la vez por logística, cumplimiento, finanzas y atención a clientes. Si la IA se despliega función por función, el resultado reproduce la misma fragmentación de antes, con una capa adicional de tecnología encima.
Aquí es donde México tiene una ventaja competitiva que pocos mercados emergentes pueden reclamar. El país cuenta con una experiencia operativa profunda en la tercerización de procesos de negocio (BPO). Según el Instituto Mexicano de Teleservicios, México es uno de los principales centros de esta industria en América Latina, con cerca de 800 mil empleos directos y un crecimiento sostenido de doble dígito. Durante más de tres décadas, cientos de operaciones mexicanas dominaron la ejecución de procesos en tiempo real que cruzan varios sistemas, políticas y departamentos; es el mismo reto que hoy enfrenta cualquier despliegue de IA empresarial. Ese entendimiento práctico de cómo fluye el trabajo dentro de una organización real vale más que cualquier demostración de software. México no necesita aprender a operar, necesita aplicar esa disciplina operativa a una tecnología nueva, sin repetir el error de adoptarla un departamento a la vez.
Esta es la lógica detrás de la expansión de Wonderful a México: una plataforma horizontal que funciona con cualquier modelo o modalidad de IA, construida para seguir el trabajo a donde ocurra dentro de una organización; voz, chat, correo electrónico y procesos de back office por igual. Ese diseño horizontal es también lo que cierra la brecha entre la ambición y los resultados. En la práctica, el proceso arranca distinto a una relación comercial típica. Wonderful sienta en la misma mesa a los líderes de negocio y de tecnología, y traza un flujo de trabajo real de punta a punta hasta que cada dependencia tiene un responsable y una fecha límite asignados. Procesos que los equipos internos debatieron durante meses obtienen una ruta comprometida a dos semanas, porque la ambigüedad que detiene a la mayoría de las iniciativas de IA se resuelve en horas, no en nuevas rondas de juntas de seguimiento. Los ingenieros permanecen entonces dentro de la operación del cliente, no a distancia, hasta que el agente hace el trabajo de punta a punta. Los resultados respaldan el método: tasas de contención superiores al 80% en ciertos flujos, reducciones de hasta 60% en tiempos de gestión de procesos y más del 70% de los clientes que amplían la plataforma a nuevos procesos dentro de sus primeros tres meses.
Entregarle un proceso a un agente es un nivel de compromiso distinto al de comprar una herramienta, y los consejos de administración tienen razón en preguntar qué hace responsable a esa decisión. Construir un agente se volvió la parte fácil. La dificultad se concentra en operarlo en producción, es decir, verificar su comportamiento antes de desplegarlo, detectar fallas a través de miles de conversaciones, aplicar políticas en tiempo real y rastrear un problema hasta el momento exacto en que ocurrió. La mayoría de las herramientas disponibles en el mercado está optimizada para construir agentes, no para operarlos.
Esta es la conversación que los consejos de administración mexicanos necesitan tener en los próximos meses. El enfoque debe pasar de preguntar “¿qué departamento necesita un chatbot?”, a “¿qué proceso de punta a punta podemos confiarle a un agente de IA, sin importar qué departamento sea dueño de cada paso?”. Por su propia naturaleza, esa decisión no puede limitarse a una sola función. Requiere la participación directa del liderazgo ejecutivo, porque el valor de la IA se multiplica sólo cuando opera a través de toda la organización, no cuando optimiza un departamento a la vez.
A México le tomó tres décadas aprender a operar procesos complejos y de alto volumen que atraviesan una organización entera. La pregunta es si sus empresas aplicarán esa experiencia a la IA, o si repetirán, con una nueva tecnología, la misma fragmentación que las ha limitado durante décadas.
