México — IA no garantiza ventas: 240 de 300 prospectos se pierden

El caso que desarma la promesa de la automatización

Durante el Seminario TIC, Humberto Barrera Ramos, cofundador de Growth Hacking México, presentó un caso que resume el problema mejor que cualquier marco teórico. Una empresa de limpieza y mantenimiento a domicilio invertía entre 15.000 y 30.000 pesos mensuales en publicidad y atraía 300 prospectos. Solo 60 llegaban a pedir una cotización y 30 terminaban contratando.

La lectura fácil sería invertir más en publicidad. Barrera Ramos propone la contraria: los 240 contactos que nunca avanzaron hacia una cotización son el verdadero problema, y ninguna herramienta de inteligencia artificial los va a recuperar por sí sola. Su advertencia central es que automatizar tareas no equivale a vender más, y que confundir ambas cosas es el error más caro que están cometiendo las empresas que adoptan IA sin estrategia.

¿Por qué usar inteligencia artificial no garantiza más ventas?

El especialista distingue dos cosas que suenan parecidas pero no lo son: hacer más actividades en menos tiempo y conseguir mejores resultados para el negocio. La IA es excelente para lo primero. Lo segundo depende de decisiones que la herramienta no toma por ti.

Según su exposición, la incorporación de IA debe responder a las necesidades y prioridades de cada empresa, en lugar de limitarse a automatizar tareas o generar más contenido. Ante el caso de la empresa de limpieza, su diagnóstico fue directo: la solución no era aumentar el presupuesto publicitario, publicar más contenidos ni incorporar un chatbot, sino identificar en qué etapa del proceso comercial se pierden las oportunidades.

Productividad individual sí, resultados de negocio no: qué dice la evidencia

El hallazgo de Barrera Ramos no es una opinión aislada. La encuesta State of AI 2026 de McKinsey, realizada con 1.719 ejecutivos de 97 países, encontró que solo el 37% puede atribuir un impacto medible en su EBIT al uso de IA, y apenas el 6% califica como «high performer» al atribuir 5% o más de su EBIT a la tecnología. En paralelo, el 80% de los consultados afirma que la IA lo hizo más productivo, según reportó Forbes.

Ese hueco entre el escritorio del empleado y el estado de resultados se repite en casi todos los estudios recientes:

• Deloitte, en su informe State of AI in the Enterprise 2026 con 3.235 líderes, halló que el 66% reporta ganancias de productividad pero solo el 20% reporta crecimiento de ingresos, de acuerdo con The Next Web.
• PwC, en su Global CEO Survey 2026 con 4.454 CEOs de 95 países, encontró que el 56% dice no haber obtenido «nada» de sus inversiones en IA.
• BCG ya había medido en 2025 que el 60% de las empresas ve ingresos o utilidades mínimos por IA y solo el 5% captura valor a escala, según Forbes.
• El estudio preliminar de MIT Project NANDA apuntó que el 95% de los pilotos empresariales no produjo retorno medible de la IA generativa.

Hay una explicación operativa para esa brecha. Según la investigación de Workday citada por The Next Web, entre el 37% y el 40% del tiempo que la IA supuestamente ahorra se consume en revisar, corregir y verificar el resultado generado. El ahorro existe, pero se diluye antes de llegar a la caja.

¿Dónde se rompe el funnel? El modelo AARRR

Barrera Ramos presentó el modelo AARRR, conocido como funnel del pirata, que ordena el crecimiento en cinco etapas: adquisición, activación, retención, ingresos y recomendación. En el caso de la empresa de limpieza, la adquisición funcionaba (300 prospectos) y la activación era el cuello de botella (60 cotizaciones).

La consecuencia práctica es que la mayoría de las empresas compra IA para la etapa que ya funciona. Un chatbot que responde más rápido atiende mejor a quien ya escribió, pero no arregla que 240 personas nunca dieran el siguiente paso. El especialista también recordó que el crecimiento no termina con la primera contratación: las compañías necesitan fortalecer la retención, incentivar nuevas compras y fomentar las recomendaciones.

Estrategia, táctica y acción: el orden que casi nadie respeta

Para evitar ese desorden, el cofundador de Growth Hacking México propone separar tres elementos. La estrategia establece los objetivos. La táctica determina cómo alcanzarlos. Las acciones son las actividades concretas, y ahí es donde la IA puede apoyar. Cuando la herramienta se elige antes que el objetivo, el resultado es actividad sin dirección.

Su propuesta de implementación sigue cinco pasos: diagnosticar, priorizar, intervenir, medir y aprender. Además, sugiere apoyarse en metodologías de análisis como el FODA para fortalecer la toma de decisiones. Y una advertencia que vale para cualquier founder: no conviene reproducir modelos implementados por otras compañías, porque cada organización tiene sus propias características, restricciones y clientes.

Cómo se ve la adopción de IA en México y América Latina

El contexto regional explica por qué esta discusión es urgente. Según datos del Banco de México recogidos por itsitio, el porcentaje de empresas que utiliza inteligencia artificial pasó de 24,3% en septiembre de 2025 a 48,5% en junio de 2026, y podría alcanzar 64,8% en los próximos tres años.

El informe State of AI in Latin America de Hi Ventures, reseñado por El Español, muestra que el 71% de las corporaciones consultadas ya adoptó IA en algún equipo o función, mientras que el 53% de las startups la usa con agentes en producción, frente al 30% de las corporaciones. El mismo informe ubica a Chile a la cabeza del índice de preparación con 72,5 puntos, seguido por Argentina (71), Brasil (70,2) y México (67,5).

La velocidad de adopción también tiene un costo. El informe Voice of the CISO 2026 de Proofpoint encontró que el 90% de los responsables de seguridad encuestados en México prevé gestionar los riesgos de la IA sin un aumento proporcional de presupuesto, frente al 79% global, según itsitio. Adoptar rápido y medir poco no es solo un problema de ventas.

¿Qué significa esto para tu startup?

La lección no es frenar la IA, sino cambiar el orden de las decisiones. Antes de sumar herramientas, define qué resultado de negocio quieres mover y cómo lo vas a comprobar.

• Mapea tu funnel con números reales de los últimos tres meses. Calcula cuántos prospectos entran, cuántos piden cotización y cuántos cierran. Si la caída está en la activación, un chatbot no arregla nada: el problema es el seguimiento y la propuesta de valor.
• Ponle dueño, línea base y fecha a cada iniciativa de IA. Define una métrica financiera concreta, registra el punto de partida antes de implementar y fija cuándo debería aparecer el efecto. Sin línea base, no podrás demostrar el retorno ni defender el presupuesto.
• Audita el tiempo que la IA realmente libera. Si entre el 37% y el 40% del ahorro se va en revisar y corregir, decide de antemano a qué se va a destinar la capacidad liberada: contratar menos, reasignar a trabajo que genera ingresos o acortar el ciclo de venta.
• Empieza por un proceso acotado, no por licencias horizontales. Un asistente general para toda la empresa es fácil de comprar y difícil de medir. Un caso concreto con output verificable te da una señal clara en semanas.

Conclusión

La inteligencia artificial acelera estudios de mercado, monitorea a la competencia, analiza datos y automatiza conversaciones con clientes potenciales. Todo eso es real y útil. Lo que no hace es decidir por ti en qué etapa del funnel está tu dinero.

El mensaje de Humberto Barrera Ramos es incómodo pero liberador: el verdadero aprovechamiento de la IA no consiste en aprender a usar sus herramientas, sino en desarrollar la capacidad de dirigirlas conforme a los objetivos del negocio. Estrategia definida, medición de resultados y supervisión humana. Sin esos tres elementos, automatizar solo te hará más rápido en la dirección equivocada.