Solo el 4% de 767 líderes estadounidenses de operaciones y supply chain declara éxito en las cuatro condiciones que PwC señala como predictivas de la captura de valor de la IA — IA totalmente integrada a nivel empresarial, agentes autónomos que escalan sin barreras significativas, una estructura operativa horizontal en pie e inversiones tecnológicas que entregan los resultados esperados. El 89% afirma que sus inversiones tecnológicas no han rendido. El 87% señala la calidad de los datos como la restricción determinante. Y solo el 41% opera con el modelo operativo horizontal que el 94% declara necesario (PwC, 23 de abril de 2026). El 96% no está fracasando porque su IA sea peor. Está fracasando porque está secuenciando lo que el 4% está co-desarrollando.
Para un Head of Operations de una función de 200 FTE que está cerrando el resto de la hoja de ruta de IA 2026, esta es la inversión operativa que debería reconfigurar el plan de este trimestre. Ejecutar despliegue de IA, reestructuración horizontal, higiene de datos y rediseño de la responsabilidad como un único programa de AI operating model — o unirse al 96% que, según los propios datos de PwC, no logra extraer valor de ninguno de estos elementos por separado.
El 4% no es mejor en IA. Es mejor en secuenciar.
La encuesta PwC 2026 Digital Trends in Operations, publicada el 23 de abril y que cubre 767 ejecutivos estadounidenses de operaciones y supply chain, define al "4%" no por madurez de IA aislada sino por logro simultáneo en cuatro frentes que la mayoría de funciones de operaciones mid-market trata como trimestres de trabajo separados (DC Velocity, abril de 2026). Cada condición por sí misma no es notable. La varianza está en si corren en paralelo o no.
Veamos la brecha entre aspiración y ejecución. El 94% de los encuestados afirma que un modelo operativo horizontal y colaborativo es necesario para capturar valor de la IA a escala. Solo el 41% lo tiene. Esa brecha de 53 puntos no es un problema de conciencia — cada CHRO y COO de la encuesta sabe que el modelo debe cambiar. Es un problema de secuenciación. El 96% dice: arreglaremos el modelo operativo después de que los pilotos de IA muestren valor. El 4% dice: los pilotos de IA no mostrarán valor hasta que el modelo operativo esté arreglado.
Los datos respaldan la segunda postura. El 89% admite que sus actuales inversiones tecnológicas no han producido los retornos esperados. El 87% señala la mala calidad de los datos como el bloqueador del valor (PwC, 23 de abril de 2026). Esos dos números no son independientes. Las inversiones tecnológicas no rinden porque los datos que las alimentan son pobres. Los datos son pobres porque el modelo operativo no tiene un único responsable de ellos. El modelo operativo no tiene responsable porque la empresa "sigue en fase de pilotaje de IA". La dependencia cierra el bucle, y la única salida es actuar sobre los cuatro problemas en el mismo trimestre.
Por qué el playbook secuencial fracasa específicamente en operaciones mid-market
El patrón secuencial — "primero desplegamos las herramientas de IA, luego rediseñamos el modelo operativo, luego limpiamos los datos, luego asignamos responsabilidades" — es el ajuste por defecto en la mayoría de funciones de operaciones mid-market porque encaja con cómo funcionan realmente los ciclos de presupuesto, los planes de contratación y las compras a proveedores. Cada uno es una partida de gasto separada, propiedad de un VP distinto, evaluada con una métrica distinta. Es exactamente la estructura que produce el resultado del 96%.
El informe State of Organizations 2026 de McKinsey enmarca el mismo hallazgo desde el ángulo del modelo operativo: "Lograr las ganancias de productividad de la IA requiere cuestionar y rediseñar el modelo operativo de individuos y equipos, recablear de punta a punta y construir capacidades al mismo tiempo" (McKinsey, 2026). La expresión clave es "al mismo tiempo". La tentación del mid-market es leerla como "más adelante". El análisis de McKinsey es explícito en que "más adelante" no funciona — el recableado es lo que genera la productividad, y el despliegue de IA es lo que genera el payoff del recableado. Desacóplalos y ninguno produce el retorno.
Hay una segunda razón por la que el playbook secuencial fracasa peor en mid-market que en enterprise. Una función de operaciones de 200 FTE tiene aproximadamente 8–12 trimestres de runway antes de que su tesis de inversión en IA se componga o sea recortada. Gastar dos de esos trimestres desplegando herramientas, otros dos rediseñando el modelo operativo, otros dos en datos y otros dos en responsabilidad quema el runway antes de que cualquier frente comience a reforzar a los otros. La composición nunca empieza. El consejo ve cuatro partidas de coste y una línea de ROI plana. El programa se reduce. El patrón del 4% no es sobre escala; es sobre tiempo de ciclo, y el mid-market tiene menos que desperdiciar.
Qué significa realmente "paralelo" en una función de operaciones de 200 FTE
Paralelo no significa cuatro programas de igual prioridad corriendo independientemente — eso produce caos a escala mid-market. Significa un único programa con cuatro frentes bajo un conjunto compartido de OKR, secuenciados dentro del trimestre en lugar de a lo largo de varios trimestres.
OKR compartido — no reporte de estado compartido
El patrón del 4% a escala mid-market típicamente se ancla en un OKR trimestral que requiere explícitamente que los cuatro frentes se muevan: una mejora medible en una única métrica de throughput de decisiones de alto juicio (contratos cerrados por semana, excepciones resueltas sin escalado, deals cualificados correctamente enrutados), donde la métrica solo se mueve si la IA está desplegada contra el workflow, el workflow es propiedad horizontal, los datos que lo alimentan están limpios y una persona nombrada es responsable del resultado. El OKR es la función forzante. Sin él, los cuatro frentes vuelven por defecto a cuatro hojas de ruta separadas en cuatro reuniones uno-a-uno con VP separados.
Un sponsor, un foro semanal, un backlog
El 41% con modelos operativos horizontales comparte una característica estructural que la mayoría de funciones de operaciones mid-market no tiene: un sponsor del programa de IA que es responsable de los cuatro frentes, un foro semanal donde los cuatro líderes se sientan en la misma mesa y un backlog donde solicitudes de IA, cambios al modelo operativo, fixes de datos y decisiones de responsabilidad se priorizan unos contra otros. Partir el backlog entre IT, RR. HH., datos y operaciones es cómo la secuenciación vuelve a colarse.
Higiene de datos como operación diaria, no como proyecto
El dato del 87% sobre calidad de datos dice algo específico sobre cómo el 4% gestiona los datos. No están corriendo proyectos pluri-trimestrales de limpieza de datos en paralelo al despliegue de IA. Están integrando la higiene de datos en la cadencia operativa diaria del equipo que usa la IA — cada escalado de un agente que falla por calidad de datos genera una solicitud de fix en el día de la que el operador es responsable. Los datos mejoran a la velocidad del uso del agente. Tratar los datos como un frente separado hace que se queden cuatro trimestres por detrás de la IA; integrarlos en las operaciones de agente hace que se adelanten dos semanas.
El contraargumento y por qué los datos de PwC lo cierran
El contraargumento natural de un COO mid-market disciplinado en costes es: la ejecución paralela cuesta más por adelantado, y el 96% está secuenciando precisamente porque no puede permitirse la apuesta paralela. Esa lógica es internamente coherente y produce la respuesta equivocada. Los datos de PwC son inusualmente directos sobre las cuentas: el 89% reporta que el enfoque secuencial actual ya ha producido inversiones tecnológicas que no han rendido, y el 87% reporta que ha producido una capa de datos que bloquea la captura de valor (PwC, 23 de abril de 2026). La apuesta secuencial no es más barata. Solo está repartida en más trimestres, lo que hace que el fracaso sea menos visible trimestre a trimestre e imposible de revertir al final.
La apuesta paralela a escala mid-market es también más pequeña en términos absolutos que el recableado enterprise estilo McKinsey que el mismo informe describe para empresas por encima de 10 000 millones de dólares. Una función de operaciones de 200 FTE puede ejecutar un programa paralelo-cuatro creíble con un senior operator adicional (el sponsor del programa), un foro semanal y un presupuesto de datos e ingeniería redirigido — no aumentado. La inversión marginal es un rol y una reunión. El retorno marginal, según la distribución de PwC, es la diferencia entre el resultado del 4% y el resultado del 96% sobre el mismo despliegue de IA.
Lo que los datos de PwC no dicen
Vale la pena nombrar dos límites, porque el encuadre del "4%" se ha usado en ambas direcciones y la encuesta no respalda ninguno de los dos extremos.
Los datos de PwC no dicen que la IA no esté funcionando en operaciones — está funcionando, en el 4% que alcanzó las condiciones paralelas. Tampoco dicen que las operaciones mid-market no puedan replicar el patrón del 4% — la muestra de la encuesta son líderes estadounidenses de operaciones y supply chain a lo largo de todo el espectro, y el patrón paralelo-cuatro es estructural, no dependiente de la escala. Lo que los datos dicen es más estrecho y más útil: la hoja de ruta de IA secuencial, ejecutada como cuatro trimestres seriales de trabajo, tiene una tasa histórica de fracaso del 96% en la cohorte donde ha sido estudiada más a fondo. No es una previsión. Es una medición retrospectiva de lo que ya ocurrió.
El segundo límite: "paralelo" no es lo mismo que "compra simultánea". El patrón del 4% es sobre un único programa con responsabilidad compartida, no sobre comprar todo a la vez. Las funciones de operaciones mid-market que intentan comprar la plataforma de IA, la consultoría de modelo operativo, las herramientas de datos y el marco de responsabilidad en el mismo trimestre típicamente producen el resultado del 96% el doble de rápido. La lógica paralela se aplica a la responsabilidad de ejecución, no a la compra a proveedores.
La decisión para este trimestre
Para un Head of Operations que cierra la hoja de ruta de IA de este trimestre entre hoy y el final de Q2 2026, la implicación operativa se comprime en una frase:
Ningún frente de despliegue de IA se aprueba este trimestre a menos que esté emparejado con el cambio de modelo operativo horizontal que requiere, la cadencia de higiene de datos de la que depende y la responsabilidad nombrada por el resultado que se supone que produce — y los cuatro estén bajo un único OKR con un único sponsor.
Si una propuesta no puede describir los cuatro en el mismo documento, es una apuesta secuencial disfrazada de paralela, y la distribución de PwC dice que producirá el resultado del 96%. Si una propuesta puede describir los cuatro, es candidata a la pequeña minoría de inversiones AI operating model que realmente componen. El coste del triaje es una reunión por propuesta. El coste a la baja de no hacer triaje, a las trayectorias de gasto que describe la encuesta, es la mayor parte del presupuesto de IA en los próximos cuatro trimestres.
El número del 4% no es aspiracional. Es lo que ya ocurrió en 767 líderes de operaciones que tenían las mismas opciones que el lector de este artículo y eligieron una estructura sobre otra. La pregunta ahora es sobre qué estructura se construirá el plan del próximo trimestre.
