Salesforce encuesta a 2.025 líderes de IA agéntica: ser el primero en lanzar no es ser el primero en ver retorno
Publicado por Salesforce News el 6 de septiembre de 2026 bajo el título «New Study of 2,025 Agentic AI Leaders: First To Launch Isn't Fastest to ROI», el estudio encuestó a 2.025 líderes de decisión de IA agéntica en 20 países de 5 continentes (14-28 de mayo de 2026): 30% ya desplegó, 47% está en piloto, 23% aún evalúa. El hallazgo central cabe en una frase — el sector que menos ha desplegado (Servicios Profesionales) logra un retorno medible en 6,5 meses, mientras que High Tech, líder en despliegue, tarda 10,1 meses. Velocidad de lanzamiento y velocidad de retorno no son lo mismo.
El protocolo es serio: 2.025 líderes de decisión de IA agéntica encuestados entre el 14 y el 28 de mayo de 2026, en 20 países de 5 continentes, con una distribución clara entre quienes ya desplegaron (30%), quienes están en piloto (47%) y quienes todavía evalúan (23%). Las cifras agregadas son buenas en general — satisfacción del cliente +29%, resolución de incidencias 31% más rápida, costes operativos -29%, adopción de empleados del 53%, retorno de inversión medible en 8 meses de media. Pero la cifra que rompe el relato de «el primero en llegar, el primero en ganar» está en otro lado: Servicios Profesionales, el sector que menos ha desplegado, logra un ROI medible en 6,5 meses, mientras que High Tech —uno de los sectores que más ha desplegado— tarda 10,1 meses, casi el doble. Shibani Ahuja, SVP de Data & AI Strategy en Salesforce, resume el hallazgo: «La ventaja nunca estuvo en empezar primero; está en empezar de forma deliberada.» Joe Inzerillo, presidente de Enterprise & AI Technology, precisa el método: «Se puede avanzar caso de uso por caso de uso: lograr que el dato sea preciso, mecanizado y semánticamente descrito.» Un detalle citado en el estudio explica buena parte de la diferencia: solo el 31% de las organizaciones había unificado sus datos antes de desplegar sus agentes.
Lo que este estudio confirma a escala de grandes empresas es exactamente lo que le repetimos a las pymes que nos contactan pensando que «instalar un agente» es el proyecto: no es el proyecto, es la primera línea de un proyecto más largo. La disciplina que describe Inzerillo —avanzar caso de uso por caso de uso, con datos limpios y bien descritos— es literalmente lo que hace AppManager cuando configuramos una automatización con un cliente: se acota un único caso de uso real, se prueba, y el dueño de la pyme lo aprueba explícitamente antes de que toque nada real — nunca un agente que actúa solo sobre consecuencias reales, siempre un humano que aprueba primero. No es una casilla de cumplimiento que marcamos: es, muy concretamente, la misma «lentitud deliberada» que el estudio de Salesforce asocia a un retorno más rápido, no más lento. Ir rápido al desplegar e ir rápido al obtener resultado son cosas distintas — y la segunda es la que le importa al dueño de una pyme que no tiene ni el tiempo ni el presupuesto para empezar de nuevo.
A favor de AppH
- Un estudio independiente y amplio (2.025 líderes, 20 países) confirma de forma empírica lo que AppH sostiene desde siempre: acompañar un despliegue —caso de uso por caso de uso, datos limpios, adopción real— ahorra tiempo de retorno; la velocidad de lanzamiento por sí sola no lo consigue.
- El clic de aprobación obligatorio de AppManager en cada automatización impone, de hecho, la misma disciplina «caso de uso por caso de uso» que Joe Inzerillo describe como el método correcto — no por accidente, sino por diseño del producto desde su primer módulo.
En contra / el límite honesto
- El estudio se basa en grandes empresas (High Tech, Servicios Profesionales) con presupuestos y equipos de datos que ninguna pyme cliente de AppH tiene — un plazo medio de 8 meses medido en programas corporativos no se traslada tal cual a una automatización de pyme.
- AppH todavía no ha publicado ninguna medición interna de su propio plazo de retorno de inversión para sus clientes — recomendar «lentitud deliberada» es más fácil de decir que de demostrar con cifras propias.
El título del estudio es casi una advertencia para nosotros mismos, tanto como para el lector: «primero en lanzar» no es «primero en ganar». Lo vemos con regularidad en nuestras propias conversaciones con dueños de pyme apurados por «tener un agente» antes incluso de haber decidido qué debe hacer ese agente, para quién, y quién debe aprobarlo. La frase de Shibani Ahuja —«la ventaja nunca estuvo en empezar primero; está en empezar de forma deliberada»— no es una lección de prudencia abstracta, es una cifra: 6,5 meses frente a 10,1 meses, casi el doble, según si un sector se tomó el tiempo de preparar sus datos o no. No afirmamos que AppH ya haya medido esa misma diferencia en sus propios clientes —no lo hemos hecho, y decirlo con claridad forma parte del mismo principio de honestidad que le pedimos a este estudio—. Lo que sí podemos decir es que el clic de aprobación que exigimos en cada automatización no está ahí para frenar por principio: obliga, cada vez, a hacerse la misma pregunta que plantea este estudio: ¿sabemos de verdad qué va a hacer este agente, antes de dejarlo hacer algo?
Verificado por un humano de AppH