El 98% despliega IA en atención, pero solo el 5% puede medir su impacto
El 25 de agosto de 2026, el comunicado oficial de Talkdesk presentó una encuesta encargada a NewtonX en la que el 98% de los participantes declaró IA desplegada en el recorrido del cliente, el 15% combinaba agentes con orquestación entre departamentos y solo el 5% podía cuantificar su impacto en resultados empresariales.
La brecha no demuestra que el 95% restante carezca de resultados. Indica algo más limitado: entre las organizaciones consultadas, desplegar IA era mucho más común que conectar sus intervenciones con la resolución completa de un proceso y con un resultado empresarial medido de forma consistente.
Despliegue, orquestación y medición describen capacidades distintas
Las tres cifras no son niveles equivalentes de una sola escala. Despliegue significa que la organización utiliza IA en algún punto del recorrido del cliente, pero no precisa cuántas solicitudes cubre, qué parte del proceso ejecuta o si llega hasta el resultado final.
La orquestación añade la coordinación entre agentes de IA, personas, datos, departamentos y sistemas. Una consulta puede comenzar en atención, requerir una validación de facturación y terminar con un cambio operativo. Si la IA responde al cliente pero el trámite posterior queda pendiente, existe automatización dentro del recorrido, aunque no una resolución de extremo a extremo.
La medición del impacto exige además relacionar esa actuación con un desenlace definido y conservar una referencia válida para compararlo. Contar conversaciones automatizadas, respuestas generadas o agentes activados mide actividad tecnológica; por sí solo no acredita una reducción de costes, una mejora de satisfacción o un aumento de resoluciones completas.
El 98% corresponde a 252 responsables, no a todas las empresas
La revisión de eCommerceNews Australia detalla que la encuesta reunió a 252 responsables sénior de experiencia de cliente, TI, operaciones o estrategia de IA en empresas medianas y grandes de Norteamérica, EMEA, Latinoamérica y Asia-Pacífico. NewtonX realizó el trabajo cuantitativo en línea en abril de 2026.
Ese diseño permite describir las respuestas de una muestra empresarial sénior, pero no convertir el 98% en una tasa de adopción mundial. La información pública no ofrece la distribución exacta por país, el método de selección de participantes, una ponderación del mercado ni un margen de error que permita extrapolar el porcentaje a todas las compañías.
También importa quién promovió el estudio: Talkdesk, proveedor de automatización de experiencia de cliente, encargó la investigación. Esto no invalida las respuestas, pero obliga a tratar las conclusiones sobre madurez y ventajas de la orquestación como resultados de una encuesta patrocinada, no como una evaluación independiente de productos o proveedores.
No poder cuantificar el valor no significa que no exista
El 5% responde a una pregunta específica: si la organización puede cuantificar el impacto de la IA sobre resultados empresariales. El grupo restante puede incluir tanto proyectos sin utilidad como automatizaciones que ahorran tiempo o mejoran una fase concreta, pero cuyos efectos no están conectados de forma fiable con registros operativos, financieros o de cliente.
En un ejemplo hipotético, un asistente puede acelerar la redacción de una respuesta y, al mismo tiempo, dejar una corrección manual o una tarea pendiente en otro sistema. También puede producir una mejora real sin que la empresa haya definido previamente una línea de base, los casos elegibles o la ventana temporal con la que atribuir el cambio.
El análisis metodológico de IVRIS Tech, publicado el 28 de agosto, advierte que la secuencia 98%-15%-5% describe a los participantes y no prueba que todas las empresas hayan adoptado IA ni que los despliegues sin cuantificación sean inútiles. También separa la asociación entre madurez y mejores indicadores de una demostración causal.
Los datos públicos tampoco permiten calcular un retorno medio, comparar herramientas o determinar cuánto valor económico produjo cada organización. La conclusión defendible se limita a la capacidad declarada de cuantificación: la mayoría de los participantes no podía vincular su actividad con IA a resultados empresariales medibles.
Transferencias, resolución completa y retrabajo revelan la brecha
Para saber si la automatización produce un resultado, la unidad de análisis debe ser un flujo de trabajo identificable. En una devolución hipotética, un mismo registro tendría que enlazar el contacto inicial, las acciones automatizadas, las transferencias, la decisión final, la ejecución del reembolso y cualquier reapertura posterior.
Tres indicadores permiten distinguir una interacción automatizada de un resultado operativo:
- Tasa de transferencia: proporción de casos admitidos por el flujo automatizado que pasan a una persona. Debe separarse por motivo, porque una escalada prevista no equivale necesariamente a un fallo.
- Resolución completa: proporción de casos elegibles cuyo resultado comprometido se ejecuta sin tareas pendientes ni reaperturas durante una ventana definida. Una respuesta no cuenta como cierre si el trámite continúa abierto.
- Retrabajo humano: tiempo dedicado a corregir decisiones, volver a introducir datos, recuperar contexto o completar pasos omitidos. Así puede detectarse una automatización que desplaza trabajo hacia otra persona o departamento en lugar de eliminarlo.
Estas métricas no demuestran causalidad por sí solas, pero crean una cadena auditable para comparar periodos o grupos equivalentes. Vincularlas con ingresos, costes, satisfacción o retención requiere todavía fijar el resultado empresarial, el denominador, la referencia y las reglas de atribución antes de evaluar el cambio.
La encuesta deja pendiente la prueba por flujo de trabajo
Lo confirmado es una distancia amplia entre adopción declarada, orquestación interdepartamental y capacidad de cuantificar resultados en una muestra de responsables de empresas medianas y grandes. La encuesta identifica un problema de trazabilidad y madurez operativa; no es un censo mundial ni una medición independiente del rendimiento de cada tecnología.
La evidencia que falta deberá mostrar, para flujos comparables, cuántos casos alcanzan el desenlace comprometido, cuántos se transfieren, cuánto trabajo humano reaparece y cómo cambia el indicador empresarial frente a una referencia válida. Mientras esa conexión no sea visible, el número de agentes o interacciones desplegados describirá el alcance tecnológico, pero no bastará para acreditar impacto.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.