Dos líneas que antes se movían juntas se separaron este año. Las organizaciones con más de 1.000 millones de dólares de facturación anual pasaron del 27% al 40% escalando agentes de IA en al menos una función. Las organizaciones por debajo de esa línea pasaron del 22% al 22% (McKinsey, 2026).
No más lentas. Inmóviles.
Ese es el hallazgo sobre el que merece la pena detenerse en la encuesta de McKinsey sobre el estado de la IA, publicada el 25 de agosto de 2026 — 1.719 encuestados en 97 países, con trabajo de campo del 4 de mayo al 8 de junio, ponderado por la contribución de cada país al PIB mundial. En el año en que los agentes dejaron de ser una demo y se convirtieron en un patrón de producción, una cohorte convirtió y la otra no convirtió en absoluto.
La explicación refleja es el presupuesto. Los datos no la sostienen. La segunda explicación refleja son las competencias. Los datos tampoco la sostienen. Lo que queda es menos cómodo y más accionable: escalar agentes de IA es un problema de capacidad de ejecución, y la capacidad de ejecución es el único insumo que un equipo de operaciones ajustado no puede comprar con una orden de compra.
Qué midió realmente la encuesta
Primero una advertencia, porque cambia cómo debe leerse el número. El corte de McKinsey es por facturación, no por plantilla. "Organizaciones más pequeñas" significa por debajo de 1.000 millones de dólares de ingresos anuales — un grupo que contiene muchas empresas bastante mayores que una operación de 200 personas. Trate el 22% como una indicación de tendencia para el mid-market, no como un censo del mid-market.
Dicho eso, la estructura del hallazgo es inusualmente limpia:
- Agentes escalados en una o más funciones: las organizaciones de más de 1.000 millones pasaron del 27% al 40%. Las más pequeñas se mantuvieron planas en el 22%.
- IA escalada a nivel de toda la empresa (cualquier IA, no solo agentes): 54% de las grandes organizaciones frente a aproximadamente un tercio de las más pequeñas.
- Impacto en el EBIT: el 37% del total de encuestados atribuye a la IA al menos algún impacto en resultados — sin cambios interanuales.
- AI high performers (al menos un 5% del EBIT atribuible a la IA, con impacto autodeclarado como significativo): planos, en torno al 6% de los encuestados.
McKinsey también validó la comparación interanual contra los 552 encuestados que completaron tanto la oleada de 2025 como la de 2026, y eso importa: una brecha que se ensancha en un corte transversal repetido suele ser solo una muestra distinta. Esta sobrevive a la comprobación de panel.
Así que la historia agregada es de estancamiento: impacto en EBIT plano, high performers planos. Bajo ese agregado plano, una cohorte se despegó 13 puntos porcentuales en la única capacidad que definió el año.
El presupuesto no es la restricción activa
La explicación que más escucho de los responsables de operaciones es el coste — los agentes son caros de operar, las facturas de inferencia son impredecibles, la gran empresa puede absorberlo y nosotros no.
La encuesta pone a prueba esa tesis directamente. Solo alrededor de uno de cada cinco encuestados dice que los costes operativos ligados a la IA, incluidos los de tokens, limitaron su uso de la IA. El 60% espera que su organización aumente la inversión en IA durante el próximo año. El 28% ya destina más del 10% del presupuesto total de TIC a IA (McKinsey, 2026).
Una cohorte que planea gastar más, y que no identifica el gasto como su límite, no está frenada por el dinero.
Hay un hallazgo relacionado que refuerza el punto en voz baja: el 32% de los encuestados decidió no comprar al menos un producto o funcionalidad de software porque podía construirlo internamente con herramientas de codificación agéntica. Las organizaciones que escalan agentes no solo gastan de otra manera. Están reajustando el precio del "construir frente a comprar". Eso es un desplazamiento de capacidad, no una partida presupuestaria.
Y tampoco es la brecha de competencias
La segunda explicación es el talento — la gran empresa tiene ingenieros de IA y el mid-market no.
La contraevidencia más limpia viene de una encuesta cuya muestra es el mid-market, en lugar de datos de gran empresa traducidos a la baja. El Heartbeat Index de CLA, publicado en agosto de 2026 sobre 722 organizaciones pequeñas y medianas, encontró que el 69,9% de los líderes cree que su plantilla ya tiene las competencias necesarias para el éxito futuro. Y sin embargo solo el 49,5% reportó alguna mejora de eficiencia derivada de inversiones recientes en tecnología o IA, y apenas el 20,2% reportó impactos claramente positivos (CLA, 2026).
Eso es una inversión, no una brecha. La población estudiada dice que la capacidad está presente y que los resultados están ausentes.
Conviene mantener una cautela: la confianza autodeclarada en las competencias es un instrumento débil, y ese 69,9% podría estar midiendo optimismo. Pero incluso descontado, indica qué creen los líderes del mid-market — y, por tanto, dónde no están buscando el problema.
Si el presupuesto queda descartado por quienes gastan y las competencias por quienes las tienen, el candidato que queda es el trabajo mismo.
Escalar un agente significa hacerse cargo de un flujo rediseñado
Esta es la diferencia mecánica entre un piloto y un agente escalado, y no es la calidad del modelo.
Un piloto corre al lado del proceso existente. El jueves libre de alguien, una copia de los datos, un resultado que una persona revisa y luego vuelve a introducir en el sistema real. Nada aguas abajo depende de él. Puede abandonarse sin convocar una reunión.
Un agente escalado es el proceso. Significa que los traspasos se reescriben, la vía de excepciones se define y se asume, la trazabilidad satisface a quien tiene que firmar, y hay una persona con nombre y apellido que responde cuando el agente se equivoca a las dos de la madrugada. Nada de eso es compras. Todo eso es cirugía organizativa, practicada por las mismas tres personas que ya sacan adelante el trimestre.
La investigación apunta en la misma dirección desde dos ángulos independientes.
El State of AI in the Enterprise 2026 de Deloitte — 3.235 líderes en 24 países — encontró que la respuesta a la IA está desequilibrada hacia la intervención barata. El 53% está formando a la plantilla para elevar su fluidez con la IA. Solo el 30% está repensando la organización en torno a los nuevos patrones de la IA y el 33% está rediseñando los itinerarios profesionales. Apenas el 34% usa la IA para transformar en profundidad productos, procesos o modelos de negocio; los otros dos tercios se quedan en lo incremental (Deloitte, 2026).
El Work Trend Index 2026 de Microsoft — 20.000 trabajadores en 10 países, campo del 18 de febrero al 20 de abril — cuantifica lo que cuesta ese desequilibrio. Los factores organizativos como la cultura, el apoyo del mando intermedio y las prácticas de gestión del talento explican más del doble del impacto real de la IA que los factores individuales: 67% frente a 32%. Y solo el 26% de los usuarios de IA declara que su dirección está alineada en la estrategia de IA (Microsoft, 2026).
La formación es una decisión presupuestaria. Rediseñar un flujo de trabajo es una decisión sobre derechos de decisión. Las grandes empresas tienen personas cuyo trabajo es exactamente lo segundo. Los equipos de operaciones del mid-market tienen a las mismas tres personas que además cierran el mes.
Esa es la tesis de la capacidad de ejecución — y, para ser explícita sobre su estatus epistémico, el vínculo causal es mi lectura, no un hallazgo de McKinsey. Lo que McKinsey establece es que la divergencia existe y que el coste no la explica.
La objeción honesta: quizá quedarse plano sea lo correcto
Tomemos en serio el argumento contrario, porque en parte se sostiene.
Los retornos agregados no se han movido. El impacto en EBIT sigue en el 37% y los high performers en torno al 6%. Una organización más pequeña que se quedó fuera de un año en el que el retorno medible no mejoró no ha perdido nada evidente. Esperar a que las herramientas maduren y los costes unitarios bajen es una asignación defendible de una atención escasa.
La tasa de escalado de agentes no es un resultado de negocio. Es una métrica de insumo. Perseguirla porque una encuesta dice que la gran empresa la persigue es la forma más pura de "pilotitis" — financiar movimiento para cerrar un benchmark en lugar de una restricción.
El escalado de la gran empresa es en parte un artefacto del denominador. Una compañía de 40.000 personas tiene más funciones, así que la probabilidad de que al menos una haya escalado un agente sube mecánicamente con el tamaño. Parte de esos 13 puntos es superficie, no superioridad.
Donde la objeción falla es en lo que cuesta empezar tarde. La capacidad que se construye dentro de esos 13 puntos no es pericia en agentes. Es el músculo de rearquitecturar un flujo de extremo a extremo y convivir con las consecuencias — que se acumula, se transfiere entre funciones y no puede comprarse después a toda prisa. Un competidor que rediseñó su order-to-cash este año rediseñará su quote-to-contract más rápido el año que viene. Usted seguirá presupuestando su primer rediseño.
La conclusión correcta no es "escale agentes". Es: haga un rediseño real este año, para que la capacidad exista cuando lleguen los retornos.
La prueba del flujo único
El movimiento práctico es dejar de financiar una cartera de pilotos y rearquitecturar de extremo a extremo exactamente un flujo de trabajo este trimestre. Elíjalo con cuatro preguntas. Si un candidato falla alguna, es el flujo equivocado — no porque los agentes no puedan hacerlo, sino porque usted no lo terminará.
- ¿Una sola persona es dueña de todo el recorrido? Si el flujo cruza una frontera donde dos responsables deben ponerse de acuerdo, está comprando una negociación, no un despliegue. Para el primero, quédese dentro de un único ámbito de mando.
- ¿Tiene una línea base medida antes de tocarlo? Tiempo de ciclo, tasa de error, coste por transacción, volumen. Sin un número previo al despliegue no podrá distinguir una ganancia real de una historia plausible — y acabará recurriendo a "parece más rápido".
- ¿Existe una vía de excepciones definida con un responsable con nombre? Los agentes no fallan ruidosamente; fallan de forma plausible. Decida ahora quién revisa qué proporción de ejecuciones y qué ocurre cuando el agente se equivoca con seguridad.
- ¿Es aburrido, de alto volumen y visible internamente? El alto volumen da señal estadística dentro del trimestre. La visibilidad interna hace que el primer fallo sea una lección y no un incidente con un cliente.
Después póngale una puerta de decisión. Al cierre del trimestre el flujo está escalado, cancelado, o explícitamente reprogramado con una hipótesis nueva. La deriva silenciosa — el piloto que ni muere ni sale a producción — es lo que produce una línea plana en el 22% durante un año.
La brecha se acumula, y no está hecha de dinero
El número que debería preocuparle no es el 40%. Es el 22% — el mismo 22% del año pasado, en una cohorte que dice no estar limitada por el coste y que cree que su gente está preparada.
Plano, con dinero disponible y competencias autodeclaradas como presentes, no es un problema de recursos. Es un problema de secuencia. Las organizaciones que lograron escalar agentes de IA no compraron más: se comprometieron a hacerse cargo de un flujo rediseñado hasta el final, vía de excepciones incluida.
Antes de que se cierre este trimestre, nombre el único flujo de trabajo que rearquitecturará de extremo a extremo, nombre a la persona que responde por él, y ponga hoy por escrito el número de partida — mientras todavía es medible.
