Informe · Abril 2026
Estado de la IA Aplicada
Una visión estructurada de cómo las organizaciones están desplegando IA hoy, basada en 200 implementaciones reales.
Fundador de Applied. Acerca de →
Desde el lanzamiento de ChatGPT en 2022, la inteligencia artificial se adopta aceleradamente. Nuevas herramientas siguen surgiendo y las capacidades mejoran rápidamente, pero su impacto real sigue siendo difícil de medir. Organizaciones de todas las industrias están experimentando con IA, pero ¿cómo se usa en la práctica hoy?
Para abordar esta brecha, creé Applied, un mapa actualizado de cómo las organizaciones despliegan IA en industrias y funciones de negocio. Documenta implementaciones reales, las herramientas detrás de ellas y las áreas donde ya se están produciendo cambios medibles.
Este primer análisis cubre aproximadamente 200 casos de uso de IA identificados entre 2025 y 2026, abarcando más de 200 empresas, 300 herramientas, 25 industrias y 15 funciones de negocio. Seguiremos agregando casos, herramientas y resultados a través del tiempo.
Puntos Clave
- La adopción de IA se concentra en los flujos de trabajo de Operaciones (39%) e Ingeniería de Software (21%).
- La velocidad es el resultado medible más frecuente del despliegue de IA.
- El ROI financiero se enmarca principalmente como costes evitados y no como crecimiento de ingresos.
- Los despliegues de IA empresarial siguen arquitecturas en capas en lugar de la adopción de herramientas individuales.
- La IA integrada en despliegues de software empresarial (47%) supera a la integración directa de modelos (31%).
- Las empresas de Tecnología (27%) y Servicios Financieros (14%) lideran la adopción entre los despliegues documentados.
Datos y Alcance
El conjunto de datos se basa en casos públicos de empresas, documentación de proveedores e informes de implementación recientes. Analizamos y estructuramos las fuentes para identificar las herramientas utilizadas, los resultados reportados (KPIs) y los stakeholders de negocio involucrados. Solo se incluyeron casos de uso con productos nativos de IA e implementaciones desde 2025 en adelante.
Principales Industrias que Usan IA
Figura 1. Tecnología y Servicios Financieros lideran los despliegues de IA empresarial documentados
La muestra es principalmente de empresas con sede en Estados Unidos (60%), seguidas del Reino Unido (8%), Alemania (3%), y Japón y Australia (2% cada uno). La parte restante se distribuye entre otras regiones. El conjunto también se inclina hacia organizaciones grandes. Casi el 46% de las empresas incluidas tienen más de 5.000 empleados, mientras que el 15% tiene menos de 50 empleados.
La mayoría ya opera en producción. Alrededor del 54% de los casos de uso están clasificados como maduros y el 43% como en escalado activo. Solo cinco casos (2,6%) permanecen en fases piloto.
Dado que el análisis se deriva de implementaciones reportadas públicamente por empresas y proveedores, refleja despliegues exitosos en lugar de casos fallidos.
Principales Industrias que Usan IA
Tecnología representa el 27% de los casos de uso, seguida de Servicios Financieros (14%), Sanidad (8%) y Servicios Profesionales (7%). En conjunto, estas industrias representan más de la mitad de todos los despliegues documentados.
Varias industrias globales de gran tamaño aparecen subrepresentadas. Fabricación representa cuatro casos de uso (1,7%) y Logística y Transporte cinco (2,1%). Dado su peso económico, esto probablemente refleja poca divulgación o tamaño de muestra, no menor adopción.
Dónde se Despliega la IA
Figura 2. Operaciones e ingeniería de software concentran la mayor parte de los despliegues de IA empresarial
Debido al tamaño de la muestra, la distribución por industria debe interpretarse como orientativa más que exhaustiva.
Principales Funciones de Negocio Transformadas por IA
Operaciones representa el 39% de los casos de uso, seguida de Ingeniería de Software (21%), Marketing (12%) y Atención al Cliente (12%). En conjunto, estas cuatro funciones representan la mayoría de los despliegues.
Finanzas, Ventas, Seguridad y Desarrollo de Producto aparecen con menor frecuencia en la muestra, mientras que Inteligencia de Negocio, Cadena de Suministro y Recursos Humanos siguen siendo marginalmente representados.
IA en Operaciones
Soporte técnico (customer service), operaciones físicas, procesamiento de documentos y automatización a gran escala representan el grupo de mayor impacto.
Aparecen cuatro patrones recurrentes en todas las industrias:
Deflección interna de IT y soporte
Las organizaciones están reduciendo el tiempo dedicado a gestionar solicitudes internas y tickets repetitivos. Ejemplos incluyen Palo Alto Networks (351.000 horas de personal ahorradas), Albemarle (80% de resolución de tickets sin IT) y Databricks (73% de deflección de tickets).
Operaciones de flota y físicas
Los datos operacionales y de sensores se utilizan cada vez más para automatizar el enrutamiento, mantenimiento y decisiones de seguridad. C.H. Robinson automatiza ~5.500 pedidos diarios, Massey Services ahorra 1,3M$ anuales en combustible y CoxHealth redujo el tiempo de mantenimiento en un 94%.
Operaciones de documentos y conocimiento
Los flujos de trabajo de revisión y recuperación se están acelerando en contratos, políticas y bases de conocimiento internas. Thomson Reuters desplegó IA entre 3.000 expertos en materias, Fifth Dimension redujo la preparación de memorandos de días a 30 minutos y Deutsche Telekom ahorró ~5 horas por abogado por semana.
Automatización de escala y volumen
Algunos despliegues ya operan a escala de plantilla. SoftBank suma 4.500 equivalentes FTE al año, Gordon Food Service ahorra más de 20.000 horas al mes y Shinhan Bank registra 1,2 millones de horas anuales.
Resultados Reportados de IA
Métricas divulgadas al describir resultados de IA
Figura 3. Los resultados relacionados con la velocidad aparecen con mucha más frecuencia que los efectos en ingresos
IA en Ingeniería de Software
La Ingeniería de Software es la segunda área más grande de despliegue de IA en el conjunto de datos, con la adopción concentrada en generación de código, modernización de sistemas y herramientas que amplían la creación de software más allá de los equipos de ingeniería.
Aparecen tres patrones recurrentes:
Generación y aceleración de código
Classmethod logra una reducción del 90% en el tiempo de desarrollo, Headstart genera el 90–97% del código cliente con Claude, y Stripe desplegó Claude Code a 1.370 ingenieros.
Modernización de sistemas
CSL cerró 29 centros de datos, Experian ahorró 300 días de ingeniería migrando sistemas .NET y ChargeGuru redujo migraciones de tres meses a dos días.
Creación de software a nivel de plataforma
Replit indica que el 75% de sus usuarios no son desarrolladores, y Epic Systems que más de la mitad del uso de Claude Code proviene de no desarrolladores. Patrones similares aparecen en plataformas como Anything, tl;dv y Fifth Dimension.
Las ganancias de productividad incluyen 550.000 horas ahorradas en Factory, más de 1.500 horas al mes en Cisco, 1.150 horas por desarrollador al año en Postman y siete horas por semana por adoptante temprano en Money Forward.
IA en Marketing
Los despliegues de marketing se concentran en flujos de trabajo de producción de contenido, con grupos más pequeños en engagement de audiencia y generación automatizada de leads.
Aparecen tres patrones recurrentes:
Operaciones de contenido
Grandes equipos están reduciendo el tiempo necesario para escribir, revisar y publicar materiales de marketing. Las ganancias de eficiencia oscilan entre el 30% y el 80% en organizaciones como KPMG, Vodafone UK y Salesforce.
Engagement de fans y audiencia
Algunas organizaciones utilizan IA para personalizar experiencias a escala. Ejemplos incluyen MrBeast, Scuderia Ferrari y Pacers Sports & Entertainment, apoyando el engagement en audiencias que van desde un millón de jugadores hasta cientos de millones de fans.
Generación de leads y automatización del pipeline
Un grupo más pequeño de despliegues se centra en la automatización outbound. Lusha registra un incremento del 300% en leads outbound y un aumento de 10× en conversión, mientras que Sommo genera entre 500 y 800 leads al mes a través de flujos de trabajo automatizados.
Funciones estratégicas como planificación de campañas, asignación de medios o dirección de marca apenas aparecen en la muestra.
IA en Servicios Financieros
Los Servicios Financieros muestran una amplia adopción de IA en atención al cliente, detección de fraude, conciliación, cumplimiento normativo y automatización interna.
Aparecen tres perfiles recurrentes:
Challengers digitales en movimiento rápido
Klarna resuelve el 80% de las consultas de clientes de forma autónoma (700 FTE equivalente), N26 automatizó el 70% de los procesos objetivo en su primer año y Chipper Cash logra una precisión en detección de fraude superior al 95%.
Proveedores de infraestructura financiera B2B
Fiserv evita 10 millones de dólares en penalizaciones SLA mediante automatización, mientras que Raiffeisen redujo un proceso de consulta de 30 días a 12 minutos. Despliegues similares aparecen en nCino y Vanguard.
El cumplimiento normativo y la precisión aparecen con mayor frecuencia como resultados explícitos que en otras industrias, incluyendo Bradesco (95% de precisión, 5% de escalado), Campfire (90% de reducción en conciliación) y Suncoast (100% de cobertura de revisión automatizada).
Horas Ahorradas en Despliegues
A nivel organizacional
Por persona
Figura 4. Varias organizaciones reportan el impacto de la IA directamente en horas ahorradas en lugar de métricas financieras.
Tipos de Impacto Observados
La velocidad es el resultado más frecuente. Entre 792 métricas de impacto, predominan las mejoras de tiempo, seguidas de automatización y adopción; reducción de costes e ingresos aparecen menos.
Los ahorros de velocidad y tiempo representan el 14,8% de los resultados, frente al 5,1% de reducción de costes y el 3,9% de ingresos o crecimiento. Las organizaciones usan IA principalmente para acelerar flujos de trabajo, no para reducir costes ni generar ingresos.
Esta distribución cuestiona el supuesto común de que la adopción de IA está impulsada principalmente por el recorte de costes.
Horas Ahorradas en Implementaciones
Muchas organizaciones miden el impacto en horas ahorradas en vez de dólares. Ejemplos incluyen Notion (2,3 millones de horas), flujos de trabajo administrativos (1,6 millones de horas), desarrolladores de Microsoft usando GitHub Copilot (550.000 horas), Shinhan Bank (1,2 millones de horas anuales) y Gordon Food Service (más de 20.000 horas al mes).
Otras mejoras incluyen SoftBank (4.500 equivalentes FTE anuales), RMIT University (17.000 horas proyectadas) y Cisco (más de 1.500 horas de ingeniería al mes).
Resultados Financieros: Rango y Concentración
La mayoría de los resultados financieros se relacionan con el ahorro de costos más que con la generación de ingresos.
Ejemplos incluyen 150 millones de dólares en ahorros de tiempo estimados de GitHub Copilot en Microsoft, 10 millones de dólares en penalizaciones SLA evitadas en Fiserv y 1,3 millones de dólares en ahorros de costes de combustible en Massey Services. Despliegues adicionales muestran ahorros en costos de personal en el rango de 1 a 2,2 millones de dólares y ganancias de productividad de aproximadamente 18.000 dólares por abogado al año.
Impacto Financiero con IA
Figura 5. El impacto financiero reportado de la IA varía varios órdenes de magnitud, de miles a cientos de millones
Categorías Más Destacadas en Herramientas de IA
Las plataformas de machine learning representan el 11%, seguidas de las plataformas CRM y de ventas (10%), plataformas de datos (7%), sistemas de gestión agéntica (7%) y modelos de lenguaje grandes (7%). Estas categorías reflejan las tendencias de infraestructura, sin competir entre ellas.
Modos de Despliegue
Los despliegues siguen tres enfoques:
- Platform-first (47%): Capacidades de IA integradas en software empresarial como Harvey, Agentforce, Moveworks y Writer, donde la selección del modelo está abstraída del usuario.
- API-first (31%): Integración directa con modelos fundacionales (Claude, ChatGPT), típicamente en stacks de herramientas más pequeños y entornos liderados por ingeniería.
- Híbrido (22%): Despliegues que combinan acceso directo al modelo con orquestación y plataformas de datos empresariales.
Panorama de Herramientas de IA
Figura 6. Plataformas ML, CRM y Ventas, y Plataformas de Datos son las categorías más populares
Patrones de Arquitectura Emergentes
La mayoría de los despliegues siguen una arquitectura de tres capas: modelo fundacional (por ejemplo Claude, ChatGPT, Bedrock o Gemini), plataforma de orquestación (como Agentforce, LangChain, Make o N8n) y plataforma de datos empresariales (incluyendo Databricks, Snowflake o Salesforce Data Cloud).
En muchos casos, las categorías se traducen en capas de infraestructura en conjunto, en lugar de herramientas independientes.
Aunque la nomenclatura aún está en desarrollo por la rapidez de innovación, se puede observar que muchas subcategorías ahora se catalogan bajo la categoría de agentes. Tal es el caso de los chatbots.
Los stacks de pymes y empresas se solapan poco. Los entornos más pequeños suelen combinar herramientas como ChatGPT, Make y n8n, mientras que los despliegues empresariales utilizan con mayor frecuencia plataformas como Claude Enterprise, Agentforce y Databricks.
Observaciones Finales
En 200 despliegues documentados entre 2025 y 2026, la adopción de IA se concentra en Operaciones, Ingeniería de Software y producción de contenido. Las empresas de Tecnología y Servicios Financieros ya están reportando resultados sólidos en ahorros de tiempo y automatización, mientras que el impacto financiero se enmarca más frecuentemente como ahorro de costos que crecimiento de ingresos.
La mayoría de las implementaciones siguen una arquitectura en capas que combina modelos fundacionales, plataformas de orquestación e infraestructura de datos empresariales. Las organizaciones integran IA primero donde los flujos son estructurados, medibles y operacionalizables.
Applied mantiene un mapa actualizado de los despliegues de IA empresarial en industrias y funciones de negocio. El conjunto completo de casos de uso está disponible aquí y continuará expandiéndose a medida que la adopción evolucione.