De adoptar IA a integrarla: lo que el nuevo reporte de HubSpot revela sobre cómo escalar realmente con inteligencia artificial

Fuentes: HubSpot. (2026), Finio, M., & Downie, A. (2026), Microsoft. (2026), McKinsey & Company

La inteligencia artificial ya forma parte de las operaciones de muchas empresas. Se utiliza para generar contenido, analizar información, automatizar tareas y, cada vez más, ejecutar procesos completos mediante agentes. Por eso la discusión empezó a cambiar: ya no se trata únicamente de incorporar IA, sino de conseguir que funcione de verdad dentro del negocio.

Ese es uno de los puntos centrales del nuevo reporte de HubSpot sobre IA en marketing, elaborado con 1.205 profesionales de la región.

La diferencia entre ambos datos muestra dónde está hoy el verdadero desafío tecnológico. La adopción avanzó mucho más rápido que la integración: las empresas ya tienen acceso a las herramientas, pero todavía están resolviendo cómo conectarlas con sus datos, sus sistemas y sus procesos para que aporten algo real a la operación.

¿Conoce realmente el proceso que quiere optimizar?

Esto plantea una cuestión que va más allá de la herramienta utilizada. Una IA puede generar una respuesta en segundos, pero su utilidad depende de la información que tiene disponible y de los sistemas con los que puede trabajar.

Por eso la integración se está convirtiendo en una parte fundamental de la implementación de IA empresarial. McKinsey en su artículo AI data readiness: The key to scaling impact de junio del 2026, señala que llevar estas tecnologías de pilotos a aplicaciones a escala requiere, entre otros elementos, conectar datos estructurados y no estructurados dentro de entornos gobernados y reutilizables.

En la práctica, esto significa que el valor no está solamente en tener un modelo, un copiloto o un agente. Está en conseguir que esa tecnología pueda acceder a la información correcta, entender las reglas del negocio y operar dentro del proceso donde realmente se necesita.

Cuando la IA genera resultados, la siguiente pregunta es cuánto

A medida que la inteligencia artificial deja de ser un experimento y comienza a formar parte de la operación, aparece una presión inevitable: demostrar que la inversión tiene sentido.

La buena noticia es que los equipos no están ignorando esa exigencia. El 49 % mide el impacto de la IA a través del pipeline o los ingresos atribuidos; el 48 % observa engagement y conversión en contenido asistido por IA; el 43 % analiza el costo por resultado o campaña, y el 40 % mide el tiempo ahorrado en tareas concretas. Solo el 4 % afirma no medir ningún indicador.

El problema aparece cuando se compara esa capacidad de medición con la planeación:

Hay aquí una brecha que merece atención: las organizaciones están aprendiendo a medir el impacto de la IA, pero no todas han construido todavía el sistema para producirlo de manera consistente.

Esta conexión entre datos, procesos y casos de uso también es parte del desafío que identifica McKinsey al analizar la preparación de las organizaciones para escalar IA. El estudio plantea que la disponibilidad de datos utilizables y preparados para distintos casos de uso es uno de los elementos que permite pasar de experimentos aislados a aplicaciones con impacto a escala. (Tavakoli et al., 2026)

El verdadero salto: de utilizar IA a trabajar con agentes

A diferencia de un chatbot o de un modelo que espera una instrucción, un agente puede ejecutar tareas dentro de un flujo de trabajo: investigar prospectos usando información del CRM, personalizar comunicaciones, preparar reportes o ejecutar etapas de una campaña bajo reglas previamente definidas. Y los equipos de marketing en LATAM ya están avanzando en esa dirección.

El reporte muestra además que los profesionales no están esperando a que otros construyan las soluciones por ellos: el 44 % ya construye y personaliza sus propios agentes, otro 53 % está experimentando con ellos, y solo el 3 % prefiere esperar. En este punto, LATAM muestra una dinámica particularmente interesante: el porcentaje de marketers que construye sus propios agentes supera el dato global reportado por HubSpot, que se sitúa en 39 %. Entre quienes ya trabajan con agentes, el 94 % reporta resultados positivos.

Este es precisamente el terreno donde NGDS ha enfocado buena parte de su desarrollo tecnológico, a través de G-Next, su plataforma de inteligencia artificial que integra agentes de voz, agentes de texto omnicanal, analítica y portales de autogestión como una solución modular e integral, no como herramientas sueltas. Cada agente puede implementarse de forma independiente o como parte de un ecosistema conectado con el CRM, el ERP y los sistemas legados de cada organización, precisamente el tipo de integración que el reporte de HubSpot identifica como el verdadero diferenciador frente a la simple adopción de IA.

El principal freno no es el presupuesto. Es la confianza

Cuando HubSpot preguntó qué impide a las organizaciones escalar el uso de agentes, el costo apareció por debajo de otros factores:

La señal es clara: el reto de los agentes no es únicamente económico o tecnológico. También es de confianza. IBM señala que, a medida que los agentes adquieren capacidad para ejecutar tareas y tomar acciones dentro de los procesos empresariales, las organizaciones necesitan establecer mecanismos de gestión, supervisión y control que permitan entender qué hacen estos sistemas y en qué condiciones pueden actuar. (Finio & Downie, 2026).

Una empresa puede tener acceso a un agente capaz de ejecutar una tarea en segundos y aun así no estar preparada para entregarle autonomía si no sabe qué información está utilizando, cómo toma sus decisiones, qué límites tiene o cuándo debe intervenir una persona. Por eso, escalar la IA no debería entenderse como darle cada vez más libertad a una herramienta, sino como diseñar mejor la relación entre automatización y supervisión.

AI First, Human First: automatizar lo repetitivo no significa dejar de verificar

Esta es precisamente una de las ideas que NGDS ha venido desarrollando alrededor de su filosofía AI First, Human First: usar la inteligencia artificial para aportar velocidad, análisis y automatización, pero mantener el criterio humano allí donde realmente importa. En este modelo, la tecnología asume tareas repetitivas y grandes volúmenes de información, mientras los especialistas aportan contexto, criterio y validación en los casos de mayor complejidad.

“La automatización puede hacerse cargo de procesos mecánicos y repetitivos, pero eso no significa que todo lo que produzca una IA deba aceptarse automáticamente. La información crítica debe verificarse, las decisiones sensibles deben contar con supervisión, y los resultados que pueden tener consecuencias económicas, legales, comerciales o reputacionales necesitan una instancia clara de validación humana.”

Omar Ladino · CEO de NGDS

La idea no es que una persona tenga que revisar cada tarea que realiza la inteligencia artificial, sino entender en qué momentos esa intervención realmente hace la diferencia. Una tarea repetitiva puede automatizarse; una decisión que involucra criterio, una excepción o un impacto importante para el negocio necesita otro nivel de atención.

Así, Human First no significa poner límites a la automatización, sino encontrar el equilibrio entre lo que la tecnología puede hacer por sí sola y aquello en lo que la experiencia de las personas sigue siendo fundamental.

De probar la IA a encontrar dónde realmente aporta

El reporte de HubSpot muestra que las empresas de Latinoamérica ya están pasando de experimentar con inteligencia artificial a incorporarla cada vez más en sus actividades. Los equipos están utilizando estas herramientas, creando agentes y buscando nuevas formas de automatizar su trabajo.

Lo que viene ahora es encontrar dónde esa tecnología puede aportar de verdad. No todas las empresas necesitan hacer lo mismo ni todos los procesos tienen que automatizarse de la misma manera. La clave está en entender qué necesita cada organización, qué información tiene disponible y dónde la IA puede ayudar a las personas a trabajar mejor.

Esa es, en buena medida, la mirada que propone AI First, Human First: aprovechar lo que la inteligencia artificial puede hacer bien, sin perder de vista aquello que todavía necesita del criterio y la experiencia de las personas.

Si su empresa está pensando en dar ese paso, Escríbenos o visítanos en ngds.ai.