Inteligencia Artificial
El 95% de las empresas encuestadas por Bain ya utilizan IA. ¿Qué pueden aprender las pymes?
La inteligencia artificial dejó de ser una posibilidad lejana para las empresas brasileñas. El debate ya no comienza solo con la pregunta sobre usar o no la tecnología. La cuestión más relevante pasó a ser otra: en qué procesos está entrando la IA, qué problema está resolviendo y cuánto valor puede devolver al negocio.
Este recorrido de adopción se conecta directamente con mi trayectoria de investigación. En el Máster Profesional en Economía de la Fundación Getulio Vargas, desarrollé el IBEOP-IA, Índice Brasileño de Exposición Ocupacional Potencial a la Inteligencia Artificial, para investigar cómo las capacidades de la IA pueden alcanzar distintas ocupaciones brasileñas. El estudio ofrece una perspectiva sobre el potencial de incorporación de la tecnología a las tareas y al trabajo. Las investigaciones de mercado presentadas en este artículo complementan ese análisis al mostrar cómo la adopción ya está ocurriendo en las empresas y en qué procesos la IA comienza a producir resultados concretos.
Los datos de 2026 muestran que la IA ya llegó a los pequeños negocios, pero el próximo desafío es transformar herramientas y pruebas en procesos que generen resultados medibles.
Este cambio aparece en el levantamiento El uso de IA llega al 95% de las empresas en Brasil, publicado por Bain & Company en 2026. La investigación escuchó a 140 empresas brasileñas, con facturación anual entre R$ 40 millones y más de R$ 10 mil millones, en sectores como servicios financieros, retail, tecnología, telecomunicaciones, industria, salud, energía y bienes de consumo.
Entre las organizaciones encuestadas, el 95% ya utilizaba inteligencia artificial. En 2024, el porcentaje era del 74%. El avance de 21 puntos porcentuales en dos años muestra que el acceso a la tecnología se diseminó rápidamente en ese grupo.
La cifra es expresiva, pero debe interpretarse dentro de su recorte. La investigación no representa automáticamente a todas las empresas brasileñas. Retrata un conjunto de organizaciones de mediano y gran porte que ya poseen estructura, presupuesto y presión competitiva para avanzar en la adopción.
Aun así, el levantamiento ofrece un mensaje relevante para empresas de distintos tamaños: cuando la tecnología se vuelve accesible para muchos competidores, el simple acceso deja de ser la principal fuente de diferenciación.
La adopción creció, pero la escala aún separa a las empresas
El 95% indica presencia de IA, no necesariamente madurez operacional.
Según Bain, cerca del 40% de las empresas encuestadas ya escalaron al menos un caso de uso. Eso significa que la mayoría aún convive con iniciativas puntuales, experimentos o aplicaciones restringidas a determinados equipos.
Al mismo tiempo, el 62% reporta impacto financiero directo y el 91% afirma que sus iniciativas cumplieron o superaron las expectativas. Para el próximo ciclo, el 98% pretende ampliar el presupuesto destinado a la tecnología.
Estos datos muestran confianza creciente, pero no eliminan el desafío de ejecución. La distancia entre experimentar y operar sigue siendo relevante. Un asistente usado individualmente, una automatización restringida a un equipo y un agente conectado a sistemas corporativos representan niveles muy diferentes de complejidad, responsabilidad y riesgo.
El propio levantamiento señala que la IA ya está entre las cinco principales prioridades estratégicas del 86% de las empresas encuestadas. En el 62% de los casos, los programas son liderados por el CEO o por ejecutivos que se reportan directamente a él.
Cuando la iniciativa llega a ese nivel, deja de ser solo un proyecto de tecnología. Se convierte en una decisión sobre procesos, datos, personas, controles y modelo operacional.
El crecimiento ocurrió donde el trabajo sucede todos los días
El uso de IA avanzó principalmente en áreas que mantienen a la empresa funcionando de forma continua.
En la comparación presentada por Bain, TI lideró el crecimiento, con un avance de 25 puntos porcentuales. Operaciones creció 23 puntos y atención al cliente, 16 puntos. El apoyo al trabajo analítico e intelectual, como elaboración de informes, investigaciones y análisis de datos, avanzó 14 puntos.
Estas áreas reúnen características favorables a la aplicación de IA. Lidian con gran volumen de información, actividades recurrentes, decisiones basadas en contexto y necesidad constante de registrar, clasificar, responder o encaminar solicitudes.
También son áreas en las que pequeñas mejoras pueden repetirse muchas veces. Reducir unos minutos de una actividad rara genera poco impacto. Reducir el tiempo de una tarea ejecutada miles de veces puede alterar el costo, la capacidad y la experiencia del cliente.
El levantamiento también registra una caída de 11 puntos porcentuales en el uso de chatbots tradicionales. La investigación no explica la causa. Por eso, no sería correcto concluir que esas soluciones dejaron de tener utilidad. Una interpretación posible es que parte de las empresas esté sustituyendo interfaces aisladas por aplicaciones más integradas a los procesos, pero esa hipótesis exigiría evidencia adicional.
El dato refuerza un cuidado importante: medir solo la presencia de una herramienta dice poco sobre el valor que produce.
La IA ya llegó a las pequeñas empresas, pero aún necesita entrar en los procesos
Una empresa menor no posee la misma escala, el mismo presupuesto ni la misma estructura que las organizaciones encuestadas por Bain. Eso no significa que esté fuera del movimiento de adopción.
Una investigación del Sebrae publicada en noviembre de 2026 muestra que, entre los pequeños negocios consultados sobre marketing y comunicación, el 29% ya utilizaba herramientas de IA con regularidad y el 21% había realizado pruebas. Otro 30% planeaba utilizar la tecnología. En ese recorte específico, la mitad de los encuestados ya había usado o experimentado IA, y ocho de cada diez reunían uso, pruebas o intención de adopción.
Otro levantamiento de 2026, realizado por Strand Partners para AWS con una muestra representativa de mil líderes empresariales en Brasil, indica que el 50% de las empresas ya utilizaba IA. Entre las adoptantes, el 58% permanecía en aplicaciones básicas, el 27% estaba en etapa intermedia y el 15% había llegado a usos avanzados. Entre pequeñas y medianas empresas, el 13% alcanzaba ese estadio avanzado.
Las investigaciones de Bain, Sebrae y Strand Partners utilizan muestras, preguntas y definiciones diferentes. Sus porcentajes no deben compararse como si midieran exactamente el mismo universo. En conjunto, sin embargo, muestran una dirección consistente: la IA ya alcanzó empresas de distintos tamaños, pero la profundidad del uso aún varía bastante.
Para pequeñas y medianas empresas, el desafío no es reproducir la estructura de las grandes organizaciones. Es elegir un proceso relevante, entender su costo actual y avanzar con una aplicación compatible con la capacidad de inversión, gestión y seguimiento del negocio.
Muchos de los procesos descritos por Bain aparecen en empresas de distintos tamaños. Cuatro puntos de partida son especialmente fáciles de reconocer:
- Atención: clasificar solicitudes, preparar respuestas, consultar información y encaminar excepciones a una persona.
- Operación: conferir registros, documentos, cobranzas, pedidos u ocurrencias que siguen reglas conocidas.
- Informes: reunir datos recurrentes, producir un primer análisis y preparar información para reuniones y decisiones.
- Comercial: acompañar propuestas, organizar interacciones, recordar próximos pasos y preparar información para el contacto con el cliente.
Estos ejemplos no significan que toda actividad repetitiva deba recibir IA. Procesos con reglas simples y estables pueden atenderse con automatización convencional. Otros exigen juicio, tratamiento del lenguaje, consulta a distintas fuentes o adaptación al contexto y pueden justificar el uso de modelos de IA o agentes.
La elección debe partir del problema, no de la novedad tecnológica.
El primer paso es medir el proceso actual
Antes de introducir IA, la empresa necesita entender cómo ocurre el trabajo hoy.
¿Cuánto tiempo consume la actividad? ¿Cuántas veces ocurre? ¿Cuál es el índice de error o retrabajo? ¿Qué etapas dependen de aprobación? ¿Qué información se utiliza? ¿Qué sucede cuando el caso se sale del patrón?
Sin una línea base, cualquier ganancia puede parecer convincente. Una demostración rápida puede impresionar, pero no informa si la solución es confiable, económicamente viable o adecuada para uso recurrente.
Un camino práctico puede organizarse en cinco movimientos:
- Elegir un proceso delimitado, recurrente y relevante.
- Registrar el costo, el tiempo, la calidad y las excepciones del proceso actual.
- Definir qué podrá hacer la IA, qué datos podrá utilizar y cuándo deberá pedir revisión humana.
- Probar con casos representativos y acompañar resultado, fallas, consumo y retrabajo.
- Ampliar solo cuando haya evidencia de beneficio y condiciones operacionales para sostener el uso.
El objetivo no es solo ejecutar la misma tarea con una nueva herramienta. En muchos casos, será necesario revisar etapas, responsabilidades y puntos de decisión.
La investigación global The state of AI in 2026, de McKinsey, ayuda a dimensionar este desafío. Aunque el uso de IA sigue creciendo, el 37% de los encuestados atribuyó algún impacto positivo en el EBIT y solo el 6% fue clasificado como organizaciones de alto desempeño en IA. Según el estudio, esas organizaciones tienden a rediseñar flujos de trabajo, medir impacto y combinar liderazgo, gestión de riesgos y disciplina operacional.
Los porcentajes de Bain y McKinsey no son directamente comparables, porque utilizan muestras, preguntas y recortes diferentes. Juntos, sin embargo, ayudan a mostrar que adopción amplia no garantiza resultado amplio.
El valor necesita aparecer en el proceso completo
Una mejora local puede solo desplazar el cuello de botella.
Si la IA prepara una respuesta más rápidamente, pero la revisión humana sigue acumulada, el tiempo total puede no caer. Si un agente clasifica solicitudes, pero encamina muchos casos a la cola equivocada, la productividad aparente puede generar retrabajo. Si un informe se produce en segundos, pero contiene información inconsistente, el costo de la corrección puede superar el ahorro inicial.
Por eso, la medición necesita considerar el proceso completo. Dependiendo del caso, los indicadores pueden incluir tiempo de ciclo, tasa de conclusión, calidad de la salida, cantidad de excepciones, retrabajo, costo por tarea, necesidad de revisión y efecto para el cliente o para la operación.
También es importante registrar cuándo la IA no debe actuar. Procesos que involucran decisiones sensibles, datos protegidos, compromisos financieros o alteraciones en sistemas críticos pueden exigir aprobación humana, límites de autonomía y controles adicionales.
Cuando la IA entra en el proceso, comienza un problema de operación
Mientras la tecnología solo sugiere un texto a una persona, el riesgo permanece relativamente delimitado. Cuando un agente consulta sistemas, selecciona herramientas, actualiza registros, envía mensajes o desencadena otras acciones, la empresa pasa a delegar parte de la ejecución.
En ese punto surgen preguntas operacionales:
¿Quién es responsable del agente? ¿Qué versión está en uso? ¿A qué sistemas y datos puede acceder? ¿Cómo se registran sus acciones? ¿Cómo identificar fallas, repeticiones o consumo fuera de lo esperado? ¿Quién puede interrumpir la ejecución? ¿Cómo verificar si la tarea fue realmente concluida?
El NIST AI Risk Management Framework organiza la gestión de riesgos de IA en cuatro funciones: gobernar, mapear, medir y gestionar. El modelo refuerza que la evaluación no debe ocurrir solo antes de la implementación. Los sistemas de IA necesitan ser probados y acompañados durante la operación [5].
Esta necesidad es especialmente importante para agentes. Como pueden combinar modelos, datos, herramientas y decisiones en una misma trayectoria, evaluar solo la respuesta final puede ocultar fallas intermedias.
En este contexto, AgentOps se vuelve relevante. La disciplina busca aplicar prácticas de operación, observabilidad, evaluación, control y mejora continua a los agentes de IA en producción.
Del proceso a la operación: ARGUS
ARGUS actúa como plataforma de AgentOps para apoyar el monitoreo, la orquestación y la gobernanza de los agentes integrados al ambiente.
La plataforma puede concentrar información sobre responsables, versiones, modelos, herramientas, dependencias y contexto operacional. También puede acompañar ejecuciones, acciones, fallas, consumo e indicadores definidos para cada implementación.
Esta visibilidad ayuda a relacionar el comportamiento del agente con el proceso que debía ejecutar. En lugar de observar solo llamadas al modelo o mensajes aislados, la organización puede acompañar si la tarea avanzó, dónde ocurrió una falla, cuánto recurso se utilizó y cuándo hubo intervención humana.
ARGUS no elige solo los procesos que deben recibir IA, no sustituye el diagnóstico organizacional y no define las reglas de negocio de la empresa. Su cobertura depende de los agentes, modelos, herramientas y fuentes de telemetría efectivamente integrados. La plataforma agrega supervisión y evidencia operacional después de que objetivos, responsabilidades, límites e integraciones fueron definidos.
Sobre Target Solutions
Target Solutions actúa desde hace más de 15 años apoyando organizaciones en la evolución de sus operaciones de infraestructura, monitoreo, observabilidad, automatización e inteligencia operacional.
A lo largo de este recorrido, participó en proyectos en ambientes complejos de Telecom, Tecnología, Gobierno, Energía y grandes empresas, contribuyendo a aumentar la eficiencia operacional y la confiabilidad de los servicios.
Con el avance de los agentes de IA, esta experiencia se extiende a la implantación de prácticas de AgentOps, gobernanza, supervisión y control operacional.
Creemos que la IA genera valor sostenible cuando entra en procesos bien comprendidos, con objetivos medibles, responsabilidades definidas y capacidad de acompañamiento a lo largo de la operación.
Además de la plataforma, Target Solutions ofrece servicios especializados para apoyar la adopción de agentes de IA, desde el diagnóstico y el inventario de las iniciativas hasta la definición de gobernanza, procesos, arquitectura, integraciones, observabilidad y modelo operacional. Ese trabajo ayuda a preparar el ambiente organizacional y tecnológico necesario para implantar y utilizar una plataforma como ARGUS de forma estructurada.
Si su empresa quiere identificar un primer proceso para aplicar IA, evaluar la viabilidad de la iniciativa o estructurar agentes con gobernanza y acompañamiento operacional, conozca los servicios de Target Solutions para agentes de IA y converse con nosotros sobre cómo avanzar de forma compatible con la realidad del negocio.
Sobre el autor
Paulo Florêncio Santos de Menezes es socio y cofundador de Target Solutions, con actuación en infraestructura, monitoreo, observabilidad, automatización, operaciones de TI y gobernanza de agentes de IA.
Es graduado en Procesamiento de Datos por la Universidad Federal de Amazonas, posee MBA en Gestión Empresarial por la Fundação Dom Cabral y Máster Profesional en Economía por la Fundación Getulio Vargas.
En su investigación de Máster, desarrolló el IBEOP-IA (Índice Brasileño de Exposición Ocupacional Potencial a la Inteligencia Artificial), investigando la exposición potencial de las ocupaciones brasileñas a las capacidades de la IA mediante la combinación de datos ocupacionales, patentes de inteligencia artificial y técnicas de procesamiento del lenguaje natural.
Referencias
[1] Bain & Company. El uso de IA llega al 95% de las empresas en Brasil. 2026.
[2] Sebrae. Ocho de cada diez pequeños negocios ya usan o planean usar IA para marketing y comunicación. 2026.
[3] Strand Partners. Desbloqueando el potencial de la IA en Brasil. Investigación realizada para AWS, 2026.
[4] McKinsey & Company. The state of AI in 2026: On the road to ROI. 2026.
[5] National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023.