Un estudio de Salesforce vincula datos, alcance definido e integración nativa con mejores resultados de IA agéntica. Las empresas con agentes de IA en producción reportan un retorno significativo de la inversión en aproximadamente ocho meses. Según Salesforce, los mejores resultados se relacionan con datos confiables para cada caso de uso, funciones claramente delimitadas, integración en los sistemas centrales y mecanismos previamente definidos de intervención humana.. El estudio cuestiona la idea de que las primeras empresas en desplegar agentes de IA serán necesariamente las primeras en recuperar su inversión. Los sectores con mayor implementación no coinciden siempre con los que reportan un ROI más rápido. La preparación operativa aparece como un factor más relevante que la velocidad inicial. Sin embargo, el informe también identifica una tensión: una gobernanza menos rigurosa se asocia con retornos más tempranos, pero aumenta la probabilidad de descubrir errores importantes cuando ya han ocurrido.

Aspectos clave

• Las organizaciones con agentes desplegados reportan un ROI significativo en ocho meses.
• Los datos accesibles y un alcance preciso encabezan los factores asociados al éxito.
• Una gobernanza débil acelera el retorno, pero eleva el riesgo de detectar tarde los errores.

Lima, Perú, 12  de septiembre de 2026.— La carrera empresarial por desplegar agentes de inteligencia artificial está entrando en una etapa de evaluación económica. Un estudio global de Salesforce indica que implementar primero no garantiza recuperar antes la inversión: la preparación de los datos, el diseño del agente y su integración operativa muestran una relación más estrecha con los resultados.

¿Por qué es importante?

Los agentes de IA ya comienzan a ejecutar tareas vinculadas con clientes, empleados y procesos empresariales. Las decisiones sobre datos, permisos, supervisión y escalamiento humano determinan tanto su capacidad para producir valor como el riesgo de actuar fuera de los límites establecidos. El retorno financiero no debería evaluarse separado de estos controles.

El retorno promedio llega después de ocho meses

Salesforce encuestó a 2.025 responsables de decisiones sobre IA agéntica en 20 países de cinco continentes. Entre el 30% que declaró tener agentes completamente desplegados, el tiempo promedio para alcanzar un retorno significativo fue de ocho meses.

Estas organizaciones también informaron mejoras en adopción, satisfacción del cliente, resolución de problemas y costos operativos.

Los resultados son autoinformados. El resumen publicado por Salesforce no detalla una fórmula común para calcular el ROI ni el umbral monetario utilizado por cada organización para definirlo como “significativo”.

Dato citable: Las organizaciones con agentes en producción reportaron un aumento promedio del 29% en la satisfacción del cliente.

Los sectores que implementan primero no siempre recuperan antes

Los servicios financieros, el comercio minorista, la manufactura y la industria tecnológica aparecen entre los sectores más avanzados en despliegue completo. Sin embargo, otros sectores con menor adopción reportan retornos más rápidos.

La alta tecnología constituye el contraste más visible. Aunque se encuentra entre las industrias con mayor despliegue, registra uno de los tiempos más prolongados para alcanzar un ROI significativo: 10,1 meses.

La diferencia puede reflejar la complejidad de los casos de uso, el nivel de integración requerido y los criterios empleados para calcular el retorno. El estudio identifica una asociación, pero no demuestra que pertenecer a determinado sector cause directamente un ROI más rápido o más lento.

Dato citable: Los servicios profesionales y empresariales alcanzaron el retorno más rápido, con un promedio de 6,5 meses.

Los datos necesarios no tienen que estar unificados por completo

Solo el 31% de las organizaciones con agentes desplegados había unificado totalmente sus datos antes de implementarlos. El 69% restante todavía integraba fuentes, corregía deficiencias o trabajaba con información fragmentada.

Esto no significa que la calidad de los datos sea secundaria. Las organizaciones que prepararon y unificaron la información relevante para el caso de uso alcanzaron un ROI significativo en 7,3 meses. Las que desplegaron primero y resolvieron después sus problemas de infraestructura necesitaron 8,8 meses.

El hallazgo sugiere un enfoque progresivo: seleccionar un proceso concreto, identificar la información que necesita el agente y asegurar que esos datos sean confiables, accesibles y comprensibles para el sistema.

Joe Inzerillo, presidente de Tecnología Empresarial e IA de Salesforce, explicó:

La gente cree que hay que abarcar demasiado: tener todos los datos perfectos en un solo lugar antes de empezar. Lo que estamos descubriendo es que se puede ir caso por caso: obtener datos precisos, automatizados y descritos semánticamente para que los agentes entiendan qué son y cómo usarlos. Esa capa semántica es la que libera el valor”.

Datos y límites definidos encabezan los factores de éxito

Los responsables de la implementación identificaron diez condiciones relacionadas con el desempeño de sus agentes más autónomos.

La proximidad entre los porcentajes exige prudencia. Los datos limpios y el alcance definido aparecen en primer lugar, pero el éxito depende de la combinación entre información, diseño operativo, permisos, integración y supervisión humana.

Shibani Ahuja, vicepresidenta sénior de Estrategia de Datos e IA de Salesforce, afirmó:

Todas las juntas directivas se preguntan si están avanzando con la suficiente rapidez. Dos años después del cambio hacia un enfoque proactivo, la respuesta de los datos es que la ventaja nunca estuvo en ser el primero, sino en empezar de forma deliberada. Las organizaciones que obtuvieron resultados reales se centraron en una lista de aspectos clave antes de que las condiciones fueran perfectas: los datos que hicieron fiables para la tarea, el punto en el que una persona se mantiene al tanto de todo y las medidas de seguridad que establecieron antes de necesitarlas”.

La integración nativa favorece la adopción

La organización promedio incluida en el estudio utiliza 58 aplicaciones empresariales. A pesar de esa fragmentación, solo el 42% tiene capacidades de IA integradas de forma nativa en todos sus sistemas.

Los empleados utilizan regularmente estas herramientas en el 55% de las organizaciones donde la IA forma parte de los sistemas centrales. La adopción desciende al 47% cuando la tecnología está conectada, pero funciona fuera de esos entornos.

Además, el 94% de los responsables con agentes desplegados considera que incorporar la IA en los principales flujos de trabajo produce más valor que utilizarla como una herramienta independiente.

Dato citable: La integración nativa presenta ocho puntos porcentuales más de adopción regular que las herramientas externas conectadas.

La gobernanza plantea una tensión entre velocidad y control

Las organizaciones encuestadas contaban, en promedio, con dos estructuras de gobernanza antes del despliegue y añadieron una tercera después. Estas estructuras incluyen monitoreo en tiempo real, registros de auditoría y protocolos para transferir una situación a una persona.

Las empresas con una gobernanza inferior al promedio reportaron un ROI positivo en 7,2 meses, frente a los 9,3 meses de aquellas con controles superiores al promedio. Esta diferencia no convierte a una gobernanza limitada en una práctica recomendable.

Las organizaciones con menor gobernanza tuvieron casi el doble de probabilidades de descubrir que un agente había excedido sus parámetros después de un error importante. Entre las iniciativas ralentizadas, estancadas o fallidas, el 38% señaló que habría establecido mejores marcos de gobernanza y escalamiento.

Joe Inzerillo sostuvo:

El nivel de exigencia es suficiente para aprender. Define límites razonables, pero no los sobreestimes hasta el punto de aniquilar la innovación”.

El desafío empresarial consiste en establecer controles proporcionales al riesgo de cada tarea. Un agente que recomienda información no requiere necesariamente la misma supervisión que otro autorizado para modificar registros, aprobar transacciones o comunicarse directamente con clientes.

Asymbl incorpora un agente al reclutamiento

El informe presenta el caso de Asymbl, una empresa de orquestación de fuerza laboral que enfrentó un crecimiento acelerado del número de postulantes durante 2025.

La compañía desarrolló Rosa, un agente digital que redacta descripciones de puestos, preselecciona candidatos, programa entrevistas y envía ofertas. El agente funciona dentro de Slack y utiliza Data 360 como base centralizada de conocimiento. MuleSoft conecta las fuentes externas necesarias para el proceso.

Según el caso presentado por Salesforce, Asymbl contrató a 100 personas en 100 días con el apoyo de Rosa y obtuvo una retención del 96%. Estos resultados corresponden a una experiencia empresarial específica y no deben extrapolarse automáticamente a otras organizaciones.

Metodología y límites del estudio

La encuesta doble ciego se realizó entre el 14 y el 28 de mayo de 2026. Participaron 2,025 responsables de decisiones sobre agentes de IA de 20 países y cinco continentes.

Los participantes fueron clasificados según su nivel de adopción:

• 30% tenía agentes completamente desplegados.
• 47% se encontraba ejecutando pruebas piloto.
• 23% permanecía en fase de evaluación.

La mayoría de los resultados sobre desempeño procede del grupo con despliegue completo. Las métricas de retorno, adopción, satisfacción y reducción de costos fueron declaradas por los propios participantes.

El estudio fue elaborado por Salesforce y no presenta en su resumen público una muestra desagregada para Perú o América Latina. Sus conclusiones ofrecen referencias para la toma de decisiones, pero no sustituyen la medición financiera, operativa y de riesgos de cada proyecto.

Visión Estratégica

Para las empresas peruanas y latinoamericanas, el estudio aporta una señal práctica: la adopción de agentes de IA debería comenzar con procesos delimitados, información confiable y métricas acordadas antes del despliegue. Esperar una unificación total de todos los datos puede retrasar proyectos viables, pero avanzar sin controles claros puede trasladar costos y riesgos hacia clientes, trabajadores y áreas operativas.

Los directorios necesitarán evaluar el ROI junto con indicadores de precisión, incidentes, intervención humana, cumplimiento y experiencia del usuario. En sectores regulados como banca, salud, telecomunicaciones y servicios públicos, un retorno más lento puede ser razonable cuando responde a controles necesarios. La verdadera madurez surgirá cuando los agentes produzcan resultados medibles sin debilitar la responsabilidad humana sobre sus decisiones.

Datos citables

• Salesforce encuestó a 2.025 responsables de IA agéntica en 20 países.
• El 30% de los participantes tenía agentes completamente desplegados.
• El ROI significativo promedio fue alcanzado en aproximadamente ocho meses.
• La adopción regular entre empleados llegó al 53%.
• La satisfacción del cliente aumentó un promedio del 29%.
• La resolución de problemas fue un 31% más rápida.
• Solo el 31% había unificado completamente sus datos antes del despliegue.
• Preparar los datos relevantes redujo el tiempo de ROI de 8,8 a 7,3 meses.
• La organización promedio utiliza 58 aplicaciones empresariales.
• El 94% atribuye más valor a integrar la IA en los flujos principales.
• La detección tardía de agentes fuera de parámetros llegó al 32% con menor gobernanza.
• Asymbl reportó 100 contrataciones en 100 días y una retención del 96%.

Knowledge Layer | Glosario

• Agente de IA: sistema que interpreta objetivos, decide acciones y ejecuta tareas dentro de límites y permisos establecidos.
• IA agéntica: enfoque que emplea agentes capaces de planificar y completar procesos con distintos grados de autonomía.
• ROI: relación entre los beneficios obtenidos y los recursos invertidos en un proyecto.
• Alcance del agente: conjunto definido de tareas, datos, decisiones y acciones permitidas para un agente.
• Capa semántica: estructura que describe el significado y las relaciones de los datos para que puedan ser interpretados correctamente.
• Integración nativa: incorporación de la IA dentro de las aplicaciones y flujos donde se ejecuta el trabajo habitual.
• Humano en el circuito: mecanismo que mantiene la revisión, autorización o intervención de una persona en decisiones determinadas.
• Gobernanza de IA: políticas, responsabilidades, controles, auditorías y mecanismos de supervisión aplicados a los sistemas de inteligencia artificial.
• Escalamiento humano: transferencia de una tarea o excepción desde el agente hacia una persona autorizada.

Preguntas y respuesta clave

¿Cuánto tarda un agente de IA en generar retorno?

Las organizaciones con agentes completamente desplegados reportaron un promedio de ocho meses para alcanzar un ROI significativo. El plazo varía según la industria, los datos disponibles, el alcance del proyecto y la metodología utilizada para medir el retorno.

¿Es necesario unificar todos los datos antes de comenzar?

No necesariamente. El informe sugiere preparar los datos relevantes para cada caso de uso. Las organizaciones que realizaron esa preparación antes del despliegue reportaron retornos más rápidos.

¿Por qué importa integrar el agente en los sistemas centrales?

La integración permite que el agente acceda a datos, permisos y procesos dentro del flujo habitual. El estudio relaciona esta modalidad con una adopción regular del 55%, frente al 47% de las herramientas externas conectadas.

¿Una gobernanza más estricta retrasa el ROI?

Las organizaciones con mayor gobernanza reportaron plazos más largos, pero también menos detecciones tardías de operaciones fuera de los parámetros. El estudio muestra una asociación y no prueba que los controles sean la causa directa del retraso.

¿Cómo debería medirse el éxito?

Además del ROI, conviene medir precisión, adopción, tiempo ahorrado, satisfacción, costos, escalamiento humano, errores, incidentes y cumplimiento de las políticas establecidas.

Relación con el clúster de IA agéntica

Agentes empresariales, automatización inteligente, integración de aplicaciones, gobierno de datos, capa semántica, supervisión humana, experiencia del cliente, productividad y retorno de inversión.

Enlaces relacionados

• Estudio sobre preparación y ROI de agentes de IA
• Informe State of Agentic AI in the Enterprise
• Salesforce Agentic Enterprise Index 2026
• Guía para desarrollar una empresa agéntica

Acerca de Salesforce

Salesforce (NYSE: CRM) desarrolla aplicaciones empresariales para gestión de clientes, datos, automatización e inteligencia artificial. Su portafolio incluye Agentforce, Data 360, Slack y MuleSoft.

Tu Opinión Nos Importa ツ

¿Su organización priorizaría un retorno más rápido con controles progresivos o aceptaría un despliegue más lento para establecer una gobernanza rigurosa desde el comienzo? ¿Qué grado de autonomía confiaría hoy a un agente de IA? Comenta siempre con los hashtags #itusersawards2026 y #superfan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457