La edición abierta · domingo 27 de septiembre 2026
Meter IA en la empresa no te transforma el problema nunca fue la herramienta
Microsoft le dio acceso a IA a más de 200.000 empleados, los capacitó y fomentó el uso, y no vio un impacto de negocio material inmediato: el consumo se estancó igual que en la mayoría de los rollouts corporativos. Dos estudios publicados esta semana sobre comercio agéntico midieron el mismo mercado con metodologías distintas y sacaron 69% y 7% de adopción: la brecha no es el dato, es la definición de "usar IA".
Microsoft licenció IA para más de 200.000 empleados, entrenó al personal y empujó la adopción. El uso se estancó y no generó impacto de negocio inmediato. La compañía terminó cambiando la pregunta que se hacía: dejó de medir cuánta gente usaba la IA y empezó a medir qué resultado de negocio tenía que producir ese trabajo. El mismo patrón aparece en investigación de mercado publicada esta semana: Global Payments publicó el 23 de septiembre su Agentic Commerce Report (relevamiento de mayo 2026 sobre 8.027 consumidores en Estados Unidos, Reino Unido, Francia, Brasil, China, Singapur y Australia), mientras que ACI Worldwide publicó el 16 de septiembre una encuesta de YouGov (relevamiento de junio 2026, 3.328 adultos de 18 a 65 años, 2.172 en Reino Unido y 1.156 en Estados Unidos). Sobre el mismo fenómeno —compras delegadas a un agente de IA— una midió 69% de adopción y la otra 7%.
Leemos las dos señales como una sola: la adopción no se está midiendo mal por descuido, se está midiendo distinto porque "usar IA" hoy incluye desde pedirle un resumen a un asistente hasta dejar que un agente cierre una compra solo, y son eventos completamente distintos. El caso Microsoft muestra la otra cara del mismo problema: ni siquiera hace falta discutir la definición para que el rollout se estanque, alcanza con no haber cambiado el proceso de negocio que la IA tenía que mover. Dar acceso a una herramienta no es rediseñar el trabajo alrededor de ella, y esa diferencia es la que separa a la empresa que gastó en licencias de la que de verdad se movió.
Señal 01 · Adopción sin resultado
Por qué 200.000 licencias de IA no alcanzaron
Microsoft desplegó IA en más de 200.000 puestos, capacitó a su gente y fomentó el uso de forma activa. El resultado, según el análisis, fue estancamiento: el consumo no creció de forma sostenida y no hubo un impacto de negocio material en el corto plazo.
Lo que cambió no fue el nivel de acceso — eso ya estaba resuelto — sino la pregunta que la compañía se hizo después: dejó de preguntarse cómo lograr que más gente use la IA y empezó a preguntarse qué resultado de negocio medible tenía que producir ese trabajo. Desplegar tecnología es un lanzamiento; que ese lanzamiento se traduzca en un proceso distinto es una decisión aparte, y es la que la mayoría de los rollouts corporativos se salta.
Los proyectos de IA se frenan por razones humanas, no técnicas
Gleb Tsipursky, que dirige la consultora Disaster Avoidance Experts y publicó este año "The Psychology of AI Adoption at Work" con Georgetown University Press, sostiene la misma tesis desde otro ángulo: la mayoría de los proyectos de IA que se estancan no fallan por límites del modelo, fallan por fricción humana — miedo a perder el puesto, desconfianza en la salida de la IA, procesos de aprobación que nadie rediseñó para incorporarla.
Es la misma causa que el caso Microsoft en otra escala: la tecnología llega antes que el rediseño del trabajo, y en ese hueco es donde la adopción se frena. Ninguna capacitación en el uso de la herramienta resuelve una resistencia que es sobre el proceso, no sobre el botón.
El 23 de septiembre, Global Payments publicó su Agentic Commerce Report con relevamiento de mayo 2026 sobre 8.027 consumidores en siete países. El 16 de septiembre, ACI Worldwide había publicado una encuesta de YouGov con relevamiento de junio 2026 sobre 3.328 adultos del Reino Unido y Estados Unidos. Los dos estudios midieron cuánta gente delega compras a un agente de IA. Un estudio dio 69%. El otro, 7%.
La diferencia no es metodológica en el sentido de "uno midió mal": es que definen "usar un agente" en escalones distintos, desde pedirle a un asistente que compare precios hasta dejarlo pagar sin supervisión. Si ni dos consultoras especializadas en pagos logran ponerse de acuerdo sobre qué cuenta como adopción, cualquier titular con un solo número —incluido el de tu propia empresa— hay que leerlo con esa pregunta antes: ¿adopción de qué, exactamente?
La herramienta se abarató; el resultado sigue sin garantizarse
El 22 de septiembre, Anthropic lanzó Claude Opus 5.5. Minutos después, OpenAI respondió con GPT-6 Soul y Luna. Ninguno de los dos anuncios lideró con una capacidad nueva de razonamiento: el mensaje central de ambos fue el precio, con recortes marcados en el costo por tarea resuelta.
Cuando el acceso a un modelo de punta se vuelve más barato cada mes, el cuello de botella deja de ser "quién tiene la herramienta" y pasa a ser, otra vez, todo lo que este análisis viene mostrando: quién rediseñó su proceso alrededor de ella. La ventaja se corrió de la licencia al rediseño, y ese traslado es el que la mayoría de las empresas todavía no hizo.
Venimos siguiendo esta brecha entre hablar de agentes de IA y usarlos de verdad desde hace semanas: ya habíamos marcado que buena parte de los agentes en producción no tiene quién los audite, y antes, que casi nadie mide en serio cuántos negocios los usan de verdad más allá del anuncio. Este análisis suma la pieza que faltaba: el problema no es solo de gobierno ni de medición, es que la adopción sin rediseño del proceso no produce transformación, sin importar cuánto se abarate el acceso a la herramienta.
Si en tu equipo ya diste acceso a IA —licencias, un asistente, un agente— y el trabajo se sigue haciendo básicamente igual, no es un problema de adopción: es que nadie rediseñó el proceso alrededor de la herramienta. Agarrá el proceso donde más tiempo se pierde hoy, no el que más fácil sería automatizar, y preguntate qué paso completo dejaría de existir si la IA lo hiciera de punta a punta, no qué tarea suelta le podés delegar.
La medición te tiene que decir si el proceso cambió, no si la gente "usa" la herramienta: contá cuántas veces ese proceso se resolvió sin que una persona tuviera que intervenir a mitad de camino, semana a semana. Si ese número no sube en un mes, el problema no es la IA que elegiste — es que seguís mirando el proceso viejo con una herramienta nueva adentro.
La movida del día
Elegí un solo proceso repetitivo de tu negocio esta semana, no una herramienta. Mapealo de punta a punta antes de tocar nada. Rediseñalo asumiendo que un agente hace el paso completo, no una tarea suelta dentro de él. Medí cuántas veces se resolvió solo, sin intervención humana a mitad de camino, durante los próximos siete días.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
