“Cero por ciento tecnología. Cien por ciento decisiones humanas.” Fue lo primero que me dijo Phil Sebok cuando le pregunté qué porcentaje de los proyectos de IA fracasa por la tecnología y qué porcentaje por decisiones humanas. Me salió un “wow” antes de poder preguntar algo más.
Phil lidera en México a Wonderful, la empresa detrás de los agentes de IA que ya usa Mercado Libre. Y no hablaba en abstracto: acababa de contarme cómo construyeron tres agentes en diez semanas.
Me quedé pensando en esa respuesta varios días. Entre más la revisaba contra los datos que sí están documentados, más sentido le encontraba.
El dato que nadie quiere ver en la junta
McKinsey publicó algo revelador este año: 80% de los empleados dice que la IA mejoró su productividad personal. Pero solo 37% cree que eso se tradujo en mejores resultados para su empresa.
Ahí está la grieta. No es que la IA no funcione. Es que lo que un empleado gana en horas no se convierte solo en utilidad para el negocio. Alguien tiene que rediseñar el proceso alrededor de esa ganancia para que cuente. La misma investigación encontró que casi tres cuartas partes de las empresas con mejores resultados habían rediseñado por completo sus flujos de trabajo alrededor de la IA. Entre el resto, nomás una de cada cuatro lo había hecho.
¿Entonces el problema sí es la gente?
En parte. BCG lo resume en una proporción que vale la pena memorizar: las empresas que mejor aprovechan la IA dedican apenas 10% del esfuerzo al algoritmo, 20% a datos y tecnología, y 70% a personas, procesos y cultura.
Eso no significa que el 70% de los proyectos fracase, aunque así ande circulando por ahí. Significa que escoger un buen modelo es la parte fácil. BCG encuestó a más de 1,800 ejecutivos en 2025 y encontró que apenas una cuarta parte de sus empresas había creado valor significativo con IA. Las que sí lo lograron concentraron sus iniciativas en vez de dispersarlas, y destinaron más del 80% de su inversión a transformar funciones completas, no a hacer un poquito más rápido lo que ya hacían.
Lo que sí funcionó en Mercado Libre
El caso que Phil me compartió es de los pocos que sí aterrizan. Wonderful y Mercado Libre pusieron en producción tres agentes de IA en diez semanas: uno acompaña al vendedor desde que comparte los datos de su auto hasta que agenda la inspección, otro conecta compradores con vendedores, y un tercero trabaja con la red de agencias autorizadas.
El primero opera sobre WhatsApp y combina cinco funciones: registra el vehículo, identifica la versión, calcula el precio, agenda la cita y responde preguntas frecuentes. Según reportó la propia empresa, gestionó 99% de las conversaciones sin que interviniera una persona, y generó cerca de 2,200 cotizaciones.
Antes de seguir, vale la pena una aclaración: esas cotizaciones no son ventas, y la cifra viene del proveedor, no de una auditoría externa. Así que tómalo con precaución.
Aun así, el dato que más me interesó no fue el porcentaje. Fue lo que Phil me dijo que hizo posible esas diez semanas: visión clara de qué querían lograr, datos ordenados, apertura de los sistemas y un equipo disponible para dar acceso a tiempo.
Nada de eso se compra en una demo.
¿Por dónde empiezas si no tienes veinte mil ingenieros como Mercado Libre?
Una investigación de RAND, basada en entrevistas con 65 científicos de datos e ingenieros, encontró cinco causas que se repiten en los proyectos de IA que fracasan: un problema mal definido desde el inicio, datos insuficientes, fascinación por la herramienta más nueva, infraestructura que no aguanta, y expectativas que le piden a la IA más de lo que puede dar.
Haz otra pausa y checa esto: de esas cinco, solo una tiene que ver directamente con la tecnología. Las otras cuatro pasan antes de que alguien toque un modelo.
Phil me lo dijo de otra forma: el que mucho abarca, poco aprieta.
Las empresas que quieren mapear toda su operación antes de arrancar casi nunca arrancan. Las que sí avanzan empiezan por un proceso acotado, algo que puedan abarcar y apretar de verdad, y de ahí construyen hacia afuera.
Lo revisé a fondo en la charla completa que grabé con Phil, con todo y cómo defendería esta inversión frente a cualquier comité de dirección:
El consejo no pedido de hoy: antes de tu próxima junta sobre IA, pregúntate esto, nada más para ti. Si mañana alguien te pide explicar qué quieres lograr con esto y por qué, ¿tienes la respuesta en una frase, o te quedas tartamudeando?
¿Tu equipo ya tiene esa respuesta, o sigue esperando a que la tecnología se las resuelva sola?
