McKinsey 2026: casi todos usan IA, pocos la ven en sus utilidades

Casi todas las organizaciones ya usan inteligencia artificial. Muy pocas pueden demostrar que eso se nota en sus utilidades. Esa es, en una frase, la conclusión más incómoda del informe anual de McKinsey sobre el estado de la IA, publicado el 25 de agosto de 2026.

Para quienes toman decisiones de negocio y tecnología en Latinoamérica, el dato importa por una razón simple: la pregunta ya no es si adoptar IA, sino cómo evitar quedar en el grupo que invierte, experimenta y no logra mover el resultado financiero.

Qué midió McKinsey y qué encontró

El estudio “The state of AI” 2026 se basa en 1.719 respuestas de 97 países, recogidas entre el 4 de mayo y el 8 de junio de 2026. Estas son las cifras que conviene tener a mano:

Indicador	Resultado
Usan IA de forma regular	88%
Están escalando la IA	44%
Atribuyen al menos algo de impacto en EBIT al uso de IA	37% (prácticamente igual que en 2025)
Califican como “high performers”	6%
Empresas con ingresos superiores a US$1.000 millones que escalan agentes de IA	40% (frente a 27%)
Dejaron de comprar al menos un software porque lo construyeron internamente con herramientas de programación agéntica	32%
Esperan que la IA reduzca su plantilla el próximo año	39%
Vieron una reducción de plantilla el año pasado	14%
Usuarios de IA que reportan mejor productividad personal	80%

Leídos juntos, estos números cuentan una historia clara: la adopción está resuelta; el valor financiero, no.

La brecha: uso masivo, impacto financiero estancado

Pasar de 88% de uso regular a 44% que escala ya implica quedarse a mitad de camino. Pero el dato más revelador es otro: solo 37% atribuye al menos algo de impacto en EBIT a la IA, y esa proporción prácticamente no se movió frente a 2025. Un año más de inversión y de pilotos no se tradujo en más organizaciones capaces de ver el efecto en su resultado operativo.

Al mismo tiempo, 80% de quienes usan IA dicen ser más productivos a nivel personal. Esa distancia entre productividad individual e impacto en la empresa es el centro del problema.

Que una persona redacte más rápido un correo o un informe no cambia por sí solo el margen de una compañía. Para que el ahorro llegue al estado de resultados, alguien tiene que rediseñar el proceso, redistribuir la capacidad liberada y medir el efecto.

Qué separa a los pocos que capturan valor

Solo 6% de los encuestados califica como “high performer”. Más allá de la definición precisa del informe, hay prácticas de sentido común que distinguen a los proyectos de IA que mueven indicadores de negocio de los que se quedan en demostraciones:

• Empiezan por un proceso, no por una herramienta. Eligen un flujo concreto — cotizaciones, conciliaciones, atención de solicitudes — cuyo costo o tiempo se puede medir hoy.
• Definen la métrica antes del piloto. Sin línea base, no habrá forma de atribuir impacto en EBIT después.
• Rediseñan el trabajo, no solo lo aceleran. La productividad individual se convierte en valor cuando cambian roles, pasos y responsabilidades.
• Resuelven datos e integración. Una IA que no puede leer ni escribir en los sistemas centrales — ERP, core transaccional, bases de datos heredadas — se queda aislada.
• Tienen un dueño de negocio. El proyecto responde a un área con presupuesto y objetivos, no solo al equipo de tecnología.

Construir o comprar: un cambio que merece atención

Uno de los hallazgos más interesantes para los equipos de TI: 32% de los encuestados decidió no comprar al menos un producto de software porque lo construyó internamente con herramientas de programación agéntica.

Es una señal de que, en ciertos casos, el costo de construir bajó lo suficiente como para competir con una licencia. Pero conviene no romantizarlo. Todo software propio trae mantenimiento, seguridad, actualizaciones y conocimiento que hay que conservar cuando el equipo cambia. Construir con IA no elimina la deuda técnica; puede acelerarla si no hay arquitectura ni pruebas.

Un criterio práctico:

• Construye lo que diferencia tu negocio o lo que ningún producto resuelve bien para tu operación local.
• Compra lo que es commodity y lo que exige certificaciones o soporte que no quieres sostener internamente.
• Revisa la decisión periódicamente: el equilibrio entre ambas opciones se está moviendo.

Agentes de IA y empleo: expectativas por delante de los hechos

Entre las empresas con ingresos superiores a US$1.000 millones, 40% ya está escalando agentes de IA, frente a 27% antes. Los agentes — sistemas que ejecutan tareas de varios pasos con cierta autonomía — están saliendo del laboratorio en las organizaciones más grandes.

En empleo, las expectativas van por delante de lo observado: 39% espera que la IA reduzca su plantilla el próximo año, mientras que 14% vio una reducción el año pasado. Para un directivo, eso sugiere cautela con los planes que dan por hechos los recortes: el ahorro solo se materializa si el proceso realmente cambió.

Una señal desde atención al cliente

Según reportó Customer Experience Dive, una encuesta de Gartner a cerca de 200 líderes de servicio y soporte al cliente, realizada entre abril y mayo de 2026 y divulgada el 26 de agosto, apunta en la misma dirección. El gasto en IA de estos líderes crece 38% y el gasto en tecnología 15%, mientras que el presupuesto total de servicio sube apenas 2%. En promedio, la IA ya representa 13% de esos presupuestos.

La consecuencia es evidente: el dinero para IA sale de otras partidas. Gartner advierte que las organizaciones no deberían desplegar IA en detrimento de los agentes humanos. Es un recordatorio útil para cualquier área que piense en la IA solo como reemplazo.

Checklist para empresas en Latinoamérica

1. Inventario honesto: lista las iniciativas de IA activas y cuántas tienen una métrica de negocio con línea base.
2. Prioriza dos o tres procesos con impacto medible en costo, ingreso o tiempo de ciclo.
3. Revisa la integración: ¿la IA puede acceder a los datos de tus sistemas centrales, incluidos los legacy?
4. Define el gobierno: quién aprueba, qué datos se pueden usar y cómo se revisan los resultados.
5. Evalúa construir vs. comprar caso por caso, incluyendo el costo de mantener lo construido.
6. Planifica la gente: capacitación y rediseño de roles antes de asumir reducciones.
7. Mide a 90 días y decide: escalar, ajustar o cerrar.

Preguntas frecuentes

Si 88% ya usa IA, ¿voy tarde?

No necesariamente. El dato relevante es que solo 37% le atribuye algo de impacto en EBIT. Llegar con método a pocos casos bien medidos puede valer más que acumular pilotos.

¿Conviene construir software internamente con herramientas agénticas?

Para ciertos productos, sí: 32% de los encuestados ya dejó de comprar al menos uno por esa vía. Pero hay que presupuestar mantenimiento, seguridad y continuidad del conocimiento.

¿La IA va a reducir mi plantilla?

39% de las organizaciones lo espera, pero solo 14% vio una reducción el año pasado. El resultado depende de cómo rediseñes los procesos, no de la herramienta.

Conclusión

El informe de McKinsey confirma que la IA ya es parte del día a día de casi todas las organizaciones, pero también que el impacto en utilidades sigue siendo la excepción. La diferencia no está en tener acceso a la tecnología, sino en conectarla con procesos, datos y métricas reales.

Si quieres identificar dónde la IA puede mover indicadores en tu operación, conoce nuestro enfoque de IA para empresas o conversemos. Y si tus datos viven en sistemas antiguos, la modernización de sistemas legacy suele ser el primer paso.