La inteligencia artificial empieza a dejar atrás una etapa dominada por las pruebas. Casi nueve de cada diez participantes en el último State of AI 2026 de McKinsey aseguran que sus organizaciones utilizan IA regularmente en al menos una función y el 44% afirma que ya la está escalando a nivel empresarial, frente al 38% de un año antes. Entre las compañías con más de 1.000 millones de dólares de ingresos, el porcentaje alcanza el 54%. El estudio reúne las respuestas de 1.719 participantes de 97 países recogidas entre mayo y junio de 2026.
Para el retail, el cambio de fase resulta clave. Los participantes de empresas de gran consumo y comercio señalan que los agentes de IA se están escalando sobre todo en marketing y ventas. Pero a medida que la tecnología entra en la operación aparecen preguntas distintas a las que acompañaron los primeros pilotos. ¿Cuánto cuesta utilizarla de forma continua? ¿Qué procesos merece la pena reconstruir alrededor de ella? ¿Qué ocurre con el trabajo que realizaban las personas?Todas estas cuestiones empiezan a formar parte de una misma decisión empresarial.
Escalar IA ya tiene una factura
Uno de cada cinco participantes en la encuesta de McKinsey afirma que los costes operativos asociados a la IA, incluidos los derivados de los tokens?, ya han limitado su utilización. La restricción aparece en chatbots, agentes y herramientas de programación.
Al mismo tiempo, la inversión continúa aumentando. El 28% de los encuestados señala que su organización destina más del 10% de todo su presupuesto de tecnologías de información y comunicación a IA y el 60% espera incrementar nuevamente esa inversión durante el próximo año.
Este punto introduce una disciplina distinta cuando la IA pasa a utilizarse miles o millones de veces. Un retailer puede aplicar modelos en atención al cliente, producción de contenidos, personalización, previsiones de demanda o gestión de inventario, pero cada interacción añade capacidad tecnológica, integración y costes recurrentes. Por eso, la cuestión ya no es sólo si una aplicación funciona.hora hay que pensar dónde tiene sentido utilizarla a gran escala.
La productividad individual no garantiza el resultado empresarial
McKinsey encuentra una diferencia significativa entre lo que perciben los trabajadores y lo que aparece en la cuenta de resultados. El 80% de los participantes afirma que la IA ha mejorado su productividad individual y aproximadamente la mitad considera que también le ayuda a tomar mejores decisiones. Sin embargo, sólo el 37% atribuye algún impacto positivo sobre el EBIT de su organización al uso de IA, prácticamente el mismo porcentaje que un año antes.
Un empleado puede preparar un análisis, un email o una campaña más rápido sin que ese ahorro se convierta automáticamente en una mejora equivalente para toda la compañía. Entre medias siguen existiendo aprobaciones, sistemas, departamentos, objetivos y formas de organizar el trabajo que pueden limitar el impacto. En marketing, por ejemplo, ya hemos visto que existe una gran distancia entre experimentar con IA e integrarla realmente en los flujos de trabajo.
Los que obtienen más valor cambian también la forma de trabajar
La diferencia más interesante aparece en un grupo reducido. McKinsey clasifica como AI high performers aproximadamente al 6% de los participantes, aquellos que atribuyen al menos un 5% de impacto sobre el EBIT a la IA y consideran significativo el valor conseguido.
Casi tres cuartas partes de este grupo aseguran haber reconstruido de manera fundamental sus flujos de trabajo como consecuencia del uso de IA. Entre el resto de las organizaciones lo ha hecho aproximadamente una de cada cuatro. Además, los high performers son 3,3 veces más proclives a plantearse cambios sustanciales en su negocio mediante IA durante los próximos tres años.
La diferencia cuestiona una de las vías más sencillas de adopción: colocar una herramienta nueva encima de un proceso antiguo. Conseguir un resultado mayor puede exigir modificar quién hace cada tarea, en qué momento interviene la tecnología y qué decisiones siguen necesitando validación humana.
¿Qué significa rehacer un proceso en retail?
En atención al cliente, por ejemplo, incorporar IA puede limitarse a añadir un chatbot antes de llegar a un agente. Un cambio operativo mayor consistiría en permitir que el sistema identifique el problema, consulte la información del pedido, reúna antecedentes y prepare una posible respuesta antes de la intervención humana.
En marketing, la diferencia estaría entre utilizar IA para redactar una pieza aislada y modificar conjuntamente creación, segmentación, personalización, producción, aprobación y medición.
En supply chain, una previsión más precisa aporta valor limitado si las decisiones posteriores sobre pedidos, reposición o distribución continúan siguiendo exactamente el mismo proceso.
La importancia está en la distribución del trabajo entre sistemas y personas.
El empleo se mueve más despacio que las expectativas
El tercer efecto de la escala aparece en las plantillas, aunque los resultados del último año se han quedado claramente por debajo de las expectativas. En la encuesta de 2025, el 32% esperaba que la IA provocase una reducción del empleo total de su organización durante los siguientes doce meses. Ahora, sólo el 14% de los participantes pertenecientes a organizaciones que utilizan IA afirma que la tecnología contribuyó realmente a reducir su plantilla durante ese periodo. Dos tercios señalan que produjo pocos cambios o ninguno.
Eso no significa que el efecto laboral haya desaparecido. De hecho, las expectativas vuelven a crecer. El 39% de los encuestados prevé una reducción del empleo total relacionada con IA durante el próximo año, mientras el 43% espera pocos cambios o ninguno. Las funciones donde una mayor proporción anticipa descensos son operaciones de servicio y gestión de la cadena de suministro, dos áreas con especial importancia para el comercio.
Pero estos datos aconsejan evitar conclusiones rápidas. No demuestran que la IA vaya a reducir empleo en retail ni que las previsiones anteriores hayan quedado invalidadas definitivamente. Sí muestran que convertir capacidad tecnológica en cambios de plantilla está llevando más tiempo de lo anticipado.
La fase difícil empieza después del piloto
Coste, procesos y empleo aparecen así conectados. Cuando la IA escala genera una factura recurrente. Justificarla exige buscar mejoras empresariales más amplias que la productividad individual. Conseguirlas parece estar asociado con cambios más importantes en la manera de trabajar y esos cambios terminan afectando a la distribución de tareas entre tecnología y empleados.
Para el retail, la segunda fase de la IA será menos visible que la primera. Habrá menos valor en acumular herramientas y más en decidir qué procesos merece la pena reconstruir, qué utilización puede sostenerse económicamente y qué funciones deben seguir en manos de personas. La adopción ya está avanzada. La siguiente prueba consiste en convertir esa capacidad tecnológica en una operación que pueda escalar sin que el coste, la organización o una mala asignación del trabajo terminen limitando su valor.
impulsada por las operadoras de telefonía?