Salesforce: los agentes de IA se amortizan en ocho meses si los datos están en orden

Las empresas que ya tienen agentes de inteligencia artificial funcionando en producción recuperan su inversión en una media de ocho meses. Es la principal conclusión del informe State of Agentic AI in the Enterprise de Salesforce, recogido por Silicon, que además desmonta una idea muy extendida: llegar primero no garantiza rentabilizar antes.

Qué mide el estudio

El trabajo se basa en una encuesta doblemente ciega —ni encuestador ni encuestado conocen el objetivo exacto del estudio, para reducir sesgos— a 2.025 directivos de 20 países. Los datos se cruzan con el llamado Agentic Enterprise Index de la compañía, que agrega información de organizaciones con agentes activos en producción entre febrero de 2025 y abril de 2026.

Conviene aclarar de qué hablamos cuando hablamos de IA agéntica. No son chatbots que responden preguntas: son sistemas que ejecutan tareas de forma autónoma dentro de un proceso de la empresa, como cerrar una incidencia de soporte, actualizar un pedido o preparar una oferta comercial. Según el informe, el número de agentes en producción se ha más que duplicado en el último año.

Los sectores más avanzados no son los que ganan antes

Aquí está la paradoja más llamativa. Servicios profesionales y logística, con tasas de adopción más bajas, alcanzan el retorno de la inversión sensiblemente antes que otros sectores. En cambio, el sector tecnológico —uno de los mayores adoptantes y con más agentes desplegados— es de los que más tarda: 10 meses de media.

La lectura de Salesforce es que lo determinante no es la cantidad de tecnología instalada, sino la madurez de los procesos internos sobre los que se apoya. En comercio electrónico, por ejemplo, las organizaciones que usan estos sistemas automatizados multiplicaron por cuatro el crecimiento de sus ventas online frente a las que no los integraron.

Datos unificados: mes y medio de diferencia

El estudio identifica la infraestructura de datos como el pilar más relevante. Las compañías que unificaron sus fuentes de información antes de activar los agentes lograron el retorno en 7,3 meses; las que dejaron esa integración para más adelante tardaron 8,8 meses. Pese a ello, solo el 31% de las empresas encuestadas había consolidado por completo sus datos antes de empezar.

El 69% restante avanzó a base de ir conectando fuentes poco a poco, gestionando huecos de información o conviviendo con sistemas fragmentados. La foto del panorama empresarial ayuda a entender el problema: una empresa media utiliza 58 aplicaciones de negocio distintas, y solo el 42% de ellas incorpora IA de forma nativa.

Ese detalle importa más de lo que parece. El 94% de los directivos consultados afirma que meter los agentes directamente en los flujos de trabajo principales aporta mucho más valor que usarlos como herramientas aparte. Y se nota en el uso real: la tasa de utilización habitual llega al 55% en despliegues nativos frente al 47% en los conectados desde fuera. En conjunto, los despliegues considerados exitosos reflejan una adopción interna del 53% de los empleados y una mejora media del 29% en la satisfacción de los clientes.

Gobernanza: rapidez ahora, riesgo después

El segundo gran eje es el control. Las empresas encuestadas tenían de media dos estructuras de supervisión antes del despliegue —marcos de escalado a un humano, monitorización en tiempo real, registros de auditoría— y pasaron a tres una vez en producción.

Los números invitan a un debate incómodo: quienes aplicaron controles más ligeros llegaron a rentabilidad en 7,2 meses, frente a los 9,3 meses de las organizaciones con gobernanza sólida. Pero el atajo tiene coste. En las empresas con supervisión por debajo de la media, la probabilidad de que un agente operase fuera de los parámetros definidos —y se detectase solo después del fallo— fue del 32%, frente al 18% en las que sí tenían políticas robustas. Además, el 38% de los directivos cuyos proyectos se estancaron o fracasaron reconoce que debería haber fijado controles y protocolos de escalado humano más estrictos desde el principio.

Por qué importa

El mensaje de fondo es que el cuello de botella de la IA empresarial no está en el modelo, sino en la casa: datos limpios, aplicaciones que se hablen entre sí y reglas claras sobre qué puede y qué no puede hacer un agente sin permiso. Es coherente con el movimiento del propio sector hacia integraciones profundas en el software de gestión, como la alianza de Salesforce con Anthropic para su CRM. Conviene recordar también que el informe lo publica una empresa que vende precisamente esa clase de plataformas, algo a tener en cuenta al interpretar sus conclusiones.