Qué está pasando de verdad, qué puede usar hoy un proveedor industrial mexicano, y qué riesgos nadie le está contando.
Primera ediciónCorte · agosto 2026
Antes de empezar
Para quién es esto
Para el director que ya se cansó del ruido
Si usted dirige una empresa industrial mexicana, lleva dos años oyendo que la inteligencia artificial lo va a cambiar todo, y todavía no ha visto a nadie explicarle qué significa eso dentro de una empresa como la suya.
Este informe no le va a decir que se apure. Le va a decir qué está pasando con evidencia, qué puede usar mañana sin proyecto ni consultor, qué riesgos está corriendo ya sin saberlo, y qué decisiones sí requieren dirección y presupuesto.
91%
de las empresas que ya usan inteligencia artificial no la usa en absoluto en manufactura.
17 contra 76
por ciento de las industriales aumenta ingreso con IA hoy, contra las que esperan lograrlo.
21%
tiene un modelo maduro para gobernar agentes. El 74% planea operar con ellos en dos años.
Cómo leer las cifras
Cada dato fue rastreado hasta la fuente más primaria accesible. Donde solo hay fuente secundaria, se dice. Donde el número circula sin documento original, se marca y se explica por qué. Preferimos publicar menos y sostenerlo todo, porque en una conversación técnica una sola cifra atacable contamina las demás.
Lo publica Peaking, que hace software de inteligencia artificial para distribuidores industriales mexicanos. Las primeras tres partes son de industria y evidencia pública. La cuarta, y solo la cuarta, es sobre nosotros, empieza en la página 62 y está marcada desde el índice.
Está hecho para volver a él, no para leerse de corrido. Elija por el tiempo que tenga.
Tres minutos · páginas 04 y 05
Las diez razones de por qué el momento es ahora
El informe entero en diez líneas, cada una con su fuente y su muestra. Empieza en la página siguiente.
Veinte minutos · la parte que le toque
Su nicho, o su decisión
El contenido detallado de las dos páginas siguientes lleva cada sección con su número de página. Vaya directo a la que le sirva.
Completo · ochenta minutos
Las cuatro partes, en orden
Uno · pág. 09. La economía de este negocio y cuánta inteligencia artificial hay de verdad. Dos · pág. 28. Lo que puede usar mañana, con precio real. Tres · pág. 39. Las cinco decisiones de dirección y quién puede implementarlas.
Cuatro · pág. 62. Peaking: quiénes hicimos esto y qué construimos. Son doce páginas y es la única parte con nuestra marca.
Fuentes completas · 74 · Índice desplegable en cualquier momento desde el botón de arriba
Diez razones documentadas de por qué el momento es ahora
Todo el informe en diez líneas, cada una con su fuente y su muestra. Si solo tiene tres minutos, estas dos páginas son el informe completo.
01Nueve de cada diez del sector todavía no empiezan
91% de las empresas que ya usan inteligencia artificial no la usa en absoluto en manufactura, y solo 3% la ha escalado. Stanford HAI sobre McKinsey. La ventaja de llegar temprano sigue disponible y el precio de entrada no ha subido.
02Ya no es proyección, es una curva que se mide
20.6% de las empresas en Estados Unidos la usa, con corte de abril de 2026. En México, 24% de las grandes y 14% de las medianas. Oficina del Censo de EE. UU., N≈1.2 millones · INEGI, Censos Económicos 2024. No es un pronóstico: es un porcentaje que se actualiza cada quince días.
03La eficiencia ya está tomada. El ingreso no.
17% de las empresas industriales aumenta ingreso con inteligencia artificial hoy, contra 76% que espera lograrlo. Deloitte, N=591 del corte industrial. Es la brecha más grande de las seis medidas, y va en la única dirección que mide una dirección general.
04Hay margen operativo que ganar, y está ubicado
Dentro de la misma industria el margen operativo va de 5.2% a 20.2%. El bruto lo fija la mezcla de producto; el operativo no. Reportes anuales 2025 de los ocho mayores distribuidores industriales. Ahí es donde una decisión de tecnología mueve algo.
05Un punto de precio vale más que crecer seis por ciento
Un punto de precio produce 22% de aumento en la utilidad operativa del distribuidor promedio, y el precio quedó en sexto lugar entre los criterios para elegir proveedor. McKinsey, más de doscientos clientes de distribuidores. El margen se defiende resolviendo mejor, no cobrando menos.
06La demanda de 2026 es de refacción, no de proyecto
94% de la inversión extranjera del primer trimestre fue reinversión, 87% de la absorción en Monterrey vino de empresas ya instaladas, y las exportaciones manufactureras crecieron 9.8% mientras la importación de bienes de capital cayó 8.7%. Secretaría de Economía · Cluster Industrial · INEGI. Muchas solicitudes chicas y urgentes.
07El retorno está donde el trabajo se puede contar
El retorno medible aparece en back office, finanzas y operaciones. Cerca de la mitad del presupuesto se va a generar demanda, que es donde menos se mide. MIT NANDA, 52 entrevistas y 153 encuestas. Contestar solicitudes y convertirlas en órdenes cae del lado que sí se cuenta.
08El camino corto ya está identificado y medido
Comprar la solución a un socio llega a producción 67% de las veces, contra 33% de construirla en casa. Y quienes lo logran van de piloto a producción en noventa días, no en nueve meses. MIT NANDA. Un proceso, no seis, con un número acordado antes de empezar.
09El talento no se resuelve contratando, y menos aquí
Las habilidades de inteligencia artificial son, por primera vez, las más difíciles de contratar del mundo. Hubo 2,200 vacantes de desarrollador de IA en todo México en 2025, y de las catorce ciudades donde contrata la compañía de implementación de OpenAI, ninguna está en América Latina. ManpowerGroup y PwC 2026 · Bloomberry con Revealera.
10La decisión no tiene el costo humano que se teme
66% de las empresas que la usan lo hacen solo para ampliar lo que su gente hace, con reducción de personal relacionada en apenas 2%. En la manufactura mexicana, diez puntos más de adopción se asocian con 18.8% más producción, 5.4% más salario y 3.3% más personas empleadas. Oficina del Censo de EE. UU. · Secretaría de Economía.
Y lo que la evidencia sugiere hacer con esto: un proceso, no seis. Comprado a un socio, no construido en casa. Noventa días. Y un número acordado antes de empezar, que salga de su propio sistema.
Se construye en Silicon Valley, con talento mexicano, para un problema que solo se entiende desde el mostrador de una distribuidora industrial mexicana. Las dos mitades son deliberadas: una se hace donde se está definiendo esta categoría, la otra no se puede hacer en otro lado que no sea aquí.
Peaking es el ingeniero técnico comercial que entiende la necesidad de cada cliente, conoce el portafolio completo de productos y servicios, y arma la solución que la resuelve.
Dicho por el resultado: cotiza productos técnicos en segundos, sin necesidad de un experto en cada solicitud
Dónde se construye
En Silicon Valley, donde se está definiendo esta categoría. No es un dato de domicilio: es el estándar contra el que se mide el producto.
Con cuánta industria encima
El equipo ha trabajado de la mano de más de doscientas empresas en software empresarial, y sabe por qué la mayoría de esos sistemas no llega a producción.
Y con qué oficio de producto
Gente responsable del roadmap de producto de compañías de clase mundial. No es el perfil de los fundadores: es el estándar con el que se contrata al equipo.
Por qué este informe lo escribimos nosotros
Porque esas tres cosas casi nunca vienen juntas, y porque construir un producto para esta industria obliga a entenderla a un nivel que no se alcanza leyendo estudios sobre ella. Lo demás son dieciséis fuentes primarias, cada cifra con su muestra.
Las tres primeras partes son de industria y evidencia pública, y se sostienen solas. Solo la cuarta es sobre nosotros. El sitio, con las fuentes completas y el producto por dentro: www.peaking.ai
Cinco páginas de negocio antes de una sola de tecnología: cuánto margen deja este sector, dónde se gana de verdad ese margen, contra quién se compite y de qué está hecha la demanda de 2026. Con eso puesto, el resto de la parte mide cuánta inteligencia artificial hay realmente en ese trabajo, quién la usa y qué riesgos casi nadie publica.
El margen bruto lo decide su mezcla. El operativo lo decide usted.
Los distribuidores industriales más grandes del mundo cerraron 2025 así. Mire dónde cae su empresa antes de leer una sola cifra de inteligencia artificial.
Distribuidor
Qué vende
Bruto
Operativo
Fastenal
Sujeción, con inventario en planta
45.0%
20.2%
MSC Industrial
Metalmecánica y MRO de contacto alto
40.8%
8.0%
Grainger
MRO de línea amplia
39.1%
13.9%
DXP
Equipo rotativo e ingeniería
31.5%
8.8%
Applied
Rodamientos y transmisión
30.3%
10.9%
Watsco
HVAC y refrigeración
28.0%
10.0%
Rexel
Material eléctrico
25.1%
6.0%
Wesco
Eléctrico y comunicaciones
21.1%
5.2%
El margen bruto lo fija la mezcla de producto y el modelo de canal, no la habilidad para negociar: nadie se sale de su banda. Pero el operativo va de 5.2% a 20.2% dentro de la misma industria. Esa diferencia sí es operativa, y ahí es donde una decisión de tecnología mueve algo.
Reportes anuales de cada compañía, ejercicio 2025.
SigueY si el operativo es lo único que depende de usted, qué palanca lo mueve más.
Un punto de precio vale más que crecer seis por ciento
La página anterior deja una sola variable en manos de la empresa. Esta dice cuál es la palanca que más la mueve, y no es la que se discute en las juntas.
22%
de aumento en la utilidad operativa produce, en el distribuidor promedio, subir el precio un solo punto.
Para conseguir lo mismo por otras vías haría falta:
1.0
Subir el precio
1.2
Ahorrar en compras
5.9
Crecer en volumen
7.5
Bajar el costo fijo
22
Comprar otra empresa, en % de su tamaño
McKinsey, sobre el distribuidor promedio, 2019. Porcentajes necesarios para igualar el efecto de un punto de precio
Y en la misma investigación, sobre más de doscientos clientes de distribuidores, el precio quedó en sexto lugar entre los criterios para elegir proveedor. El margen no se defiende bajando el precio. Se defiende resolviendo mejor.
McKinsey, Pricing: Distributors' most powerful value-creation lever, 16 de septiembre de 2019, sobre el distribuidor promedio y más de doscientos clientes de distribuidores. Es el trabajo de fondo sobre precio en distribución, y la economía que describe es la misma hoy.
SigueResolver mejor, sí. Pero mejor que quién, y cuántos son.
Esta es la respuesta a mejor que quién. El directorio de unidades económicas del INEGI cuenta, en mayo de 2026, el comercio al por mayor de maquinaria, equipo y suministros para la industria:
21,820
De 0 a 10 empleados
4,780
De 11 a 50
642
De 51 a 100
381
Más de 100
INEGI, DENUE, mayo de 2026, subsector 435. Total nacional: 27,623 unidades económicas
Una distribuidora industrial mexicana de más de cincuenta personas está en el 4% más grande de su propio subsector, y compite en tres frentes a la vez.
Hacia abajo
Veintiún mil ochocientas empresas de menos de diez personas. Ganan por precio y por cercanía, y no cargan con la estructura que usted sí tiene.
Hacia arriba
Los ocho de la página diez, con sistemas, catálogo e inventario que ninguna operación de este tamaño va a igualar solo gastando más.
Y al lado
Mil empresas parecidas: catálogo parecido, proveedores parecidos, precios parecidos. Lo único que de verdad las separa es cómo responden.
Los tres estados con más unidades son Ciudad de México, Jalisco y Estado de México; los de mayor especialización relativa, Nuevo León y Querétaro.
SigueDe qué está hecha la demanda que se disputan esos veintisiete mil, y cómo se cobra.
El nearshoring de 2026 no trae plantas nuevas. Trae plantas que crecen.
Y eso cambia qué le van a pedir, con qué urgencia y con qué forma de pago.
94%
De la inversión extranjera del primer trimestre de 2026 fue reinversión de utilidades, no dinero nuevo
87%
De la absorción industrial en Monterrey vino de empresas que ya estaban ahí
9.8%
Crecieron las exportaciones manufactureras en 2025, mientras la importación de bienes de capital cayó 8.7%
Traducido a su negocio: más producción saliendo de las plantas que ya existen y menos maquinaria nueva entrando. Eso es demanda de refacción y mantenimiento, no de proyecto. Muchas solicitudes chicas y urgentes en lugar de pocas grandes y planeadas.
Y la otra mitad del negocio, la que no aparece en el catálogo
49%
De las ventas entre empresas en México se hacen a crédito
38
Días después del vencimiento se paga la factura, en promedio
4-6%
De las ventas a crédito termina en incobrable
Las dos mitades se tocan. Cotizar rápido decide si se gana el pedido. Saber a quién se le cotiza decide si se cobra. Y las dos se resuelven en el mismo momento, con la misma información.
Secretaría de Economía, inversión extranjera directa del primer trimestre de 2026 · Cluster Industrial, mercado industrial de Monterrey · INEGI, balanza comercial 2025 · Atradius, prácticas de pago en México, 2024 y 2025. Dicho sin rodeos: un distribuidor industrial mexicano es también una financiera que además vende rodamientos.
SigueLas cuatro páginas juntas, y a dónde apuntan todas.
Hasta aquí no ha aparecido la palabra tecnología ni una sola vez, y era a propósito. Las cuatro páginas anteriores, leídas seguidas, dicen esto:
1.1
Qué se puede mover
El margen bruto lo fija la mezcla. Lo único que sí depende de la empresa es el operativo, y ahí la diferencia dentro de la misma industria va de 5.2% a 20.2%.
1.2
Con qué palanca
La que más mueve ese operativo es el precio, y el precio no se defiende bajándolo. Se defiende resolviendo mejor que el de al lado.
1.3
Contra quién
El de al lado son veintisiete mil empresas, con mil del mismo tamaño. Ese terreno no se gana por catálogo ni por inventario.
1.4
Resolviendo qué
En 2026, muchas solicitudes chicas y urgentes, de refacción y consumible, cotizadas contra reloj y cobradas a crédito.
Junte las cuatro. El margen operativo de una distribuidora industrial se gana o se pierde en un solo punto de contacto: la velocidad y la calidad con que contesta cada solicitud, y lo que sabe del cliente en el momento de contestarla.
Ahí es donde entra la inteligencia artificial en este informe. No como tendencia ni como categoría de software, sino como la única tecnología reciente que trabaja sobre ese punto exacto: leer lo que llega, entenderlo, encontrar la parte, poner un precio con criterio y contestar antes que el otro.
Lo que este informe no va a decir
Que la inteligencia artificial resuelve el margen. No lo resuelve. Lo que hace es trabajar sobre el único punto donde el margen todavía se mueve.
Y lo que sí
Cuánta hay de verdad, quién la usa, qué está funcionando y qué no, con la fuente y la muestra de cada cifra a la vista.
Lo que sigue empieza por la pregunta menos cómoda de todas: cuántas empresas la usan de verdad hoy.
Una de cada cinco empresas, y el dato se actualiza cada dos semanas
Antes de cualquier recomendación, el tamaño real del fenómeno. El gobierno de Estados Unidos es el único que lo mide con frecuencia alta: encuesta a más de un millón de empresas cada quince días. Su corte de abril de 2026 da 20.6% de las empresas usando inteligencia artificial. México no tiene nada equivalente, y su dato oficial más reciente retrata el ejercicio 2023.
Figura 1: Empresas mexicanas que usan un sistema de inteligencia artificial, por tamaño (porcentaje)
24
Grandes
14
Medianas
6
Pequeñas
1
Micro
21
Estados Unidos abril 2026
INEGI, Censos Económicos 2024, corte por tamaño de empresa · Business Trends and Outlook Survey del Census Bureau de Estados Unidos, corte de abril de 2026, N≈1.2 millones de empresas
La distancia no es abismal y va en una dirección clara. La empresa mediana mexicana no está fuera de la conversación: está en la orilla. Que es distinto, y es mejor y peor al mismo tiempo, porque nadie va a decidir por usted.
Y una cosa que conviene saber: el dato oficial mexicano más reciente sobre esto retrata el ejercicio 2023. Estados Unidos publica el suyo cada quince días. Esa diferencia de ritmo también es información.
Ya está adentro de su empresa, sin que usted la haya comprado
El dato del censo mide sistemas implementados por la empresa. No mide lo que su gente hace por su cuenta. Y este sí tiene muestra mexicana:
67%Usa asistentes de IA personales para trabajar
35%Tiene acceso a una herramienta corporativa
30%Su empresa tiene una política clara de uso
Google, IDC y Provokers, empleados en México. Campo abril a junio de 2025. N=767
La decisión ya se tomó, empleado por empleado, y la dirección no participó.
Y fíjese en qué la están usando: redactan correos, resumen documentos, traducen. Es útil, es real, y es todo trabajo de oficina. Nada de eso toca la operación comercial, que es donde está el dinero y donde este informe va a terminar.
Advertencia: las cifras internacionales de uso no autorizado provienen de encuestas en Estados Unidos, Reino Unido, Canadá, Australia, Singapur e India. La de esta página sí tiene muestra mexicana.
Deloitte encuestó a 591 empresas de energía, recursos e industria en veinticuatro países. Les preguntó qué beneficios están logrando hoy con inteligencia artificial y cuáles esperan lograr. La distancia entre las dos respuestas es el hallazgo:
Figura 2: Beneficios que se logran hoy contra los que se espera lograr (porcentaje)
69
69
Eficiencia y productividad
62
67
Mejores decisiones
36
68
Reducir costos
34
65
Relación con el cliente
39
66
Producto e innovación
17
76
Aumentar ingreso
Lo logra hoyEspera lograrlo
Deloitte, State of AI in the Enterprise, industria de energía, recursos e industriales. Campo agosto y septiembre de 2025. N=591
17%
está aumentando ingresos con inteligencia artificial hoy. El 76% espera lograrlo.
Es la brecha más grande de las seis, y va en la única dirección que un director general mide. Todo el mundo ya logró la eficiencia. Casi nadie ha logrado el ingreso. Y a escala macro pasa lo mismo: una encuesta a 6,000 ejecutivos de cuatro países encontró adopción amplia con ganancias de productividad mínimas, y el modelo presupuestal de Penn Wharton estima la contribución de la IA a la productividad estadounidense en 0.01 puntos porcentuales.
La creencia general es que esto ya está resuelto en los corporativos y que la empresa mediana viene atrás. La evidencia dice otra cosa, y viene de dos lados distintos.
26%
De las empresas industriales ha llevado 40% o más de sus experimentos a producción
59%
Espera llegar a ese nivel en los próximos tres a seis meses
84%
No ha rediseñado ningún puesto ni la forma de trabajar alrededor de la IA
Y en el sector de la distribución, de más de trescientas grandes distribuidoras estadounidenses evaluadas durante dos años, solo veintiséis tienen despliegue verificado en producción. La evaluación cubre distribuidoras de ese tamaño en Estados Unidos, así que ninguna operación latinoamericana entró en la muestra.
Adopción declarada: cerca de 28% en empresas chicas contra 61% en las de más de quinientos millones de dólares. La brecha existe.
Pero se cierra rápido: en Estados Unidos la razón entre grandes y pequeñas pasó de 1.8 a 1.26 en seis meses.
Y la estrategia correcta para una empresa mediana resulta ser la que más funciona: comprar llega a producción el 67% de las veces, construir a la medida el 33%.
Deloitte, State of AI in the Enterprise, N=591 empresas industriales, agosto y septiembre de 2025 · Distribution Strategy Group, AI Top 25, julio de 2026 · Baird y MDM · MIT Media Lab.
El retraso no es mexicano. Es del sector, en todo el mundo.
Stanford publica el corte más completo que existe sobre esto. En su edición de 2026, al desglosar el uso de agentes de inteligencia artificial por función, manufactura queda al final de la lista, y no cerca.
91%
de las empresas que ya usan inteligencia artificial no la usa en absoluto en manufactura. Solo el 3% la está escalando ahí.
Y la demanda de talento lo cuenta desde el otro lado. Sobre el total de vacantes publicadas en cada país en 2025:
Figura 3: Vacantes que requieren habilidades de inteligencia artificial (porcentaje del total del país)
4.69
Singapur
2.56
Estados Unidos
2.41
Chile
1.93
Reino Unido
1.38
México
Lightcast, 2025. México queda por debajo de Chile, no por debajo del continente
Y un dato que casi nadie usa: en 2024 México instaló 5,600 robots industriales, 4% más que el año anterior, mientras Estados Unidos y Alemania caían 5% e Italia 15%. México es de los pocos mercados donde la automatización industrial creció. La capacidad de adoptar está; falta a qué apuntarla.
Federación Internacional de Robótica, World Robotics 2025 · Lightcast y McKinsey State of AI 2025, vía Stanford HAI, AI Index Report 2026.
Los cuatro despliegues industriales mejor documentados del mundo
BMW · Figure 02 · planta Spartanburg
Robots humanoides insertando piezas de chapa en el ensamble de chasis, en turnos de diez horas de lunes a viernes. Diez meses de operación. Más de 90,000 componentes manipulados, cerca de 1.2 millones de pasos de proceso y unas 1,250 horas, en la producción de más de 30,000 vehículos. Reportado por su consejo de producción en febrero de 2026. Segunda fase en junio de 2026, ahora en secuenciado logístico.
John Deere · See and Spray · desde marzo de 2022
Treinta y seis cámaras sobre una barra de 120 pies distinguen maleza de cultivo en tiempo real y disparan boquillas individuales. Escanea más de 2,500 pies cuadrados por segundo a 24 kilómetros por hora. En 2024: un millón de acres y 59% de ahorro de herbicida. En 2025: cinco millones de acres y cerca de 31 millones de galones ahorrados.
Norfolk Southern · inspección digital de trenes · desde octubre de 2023
Cámaras de 24 megapíxeles capturan mil imágenes por vagón en 360 grados, a 113 kilómetros por hora, y unos cuarenta algoritmos detectan defectos. Segundo portal en Georgia desde septiembre de 2025, inspeccionando 19 trenes diarios.
Rio Tinto · AutoHaul · desde julio de 2018
Trenes de carga totalmente autónomos: 940 millones de dólares, 200 locomotoras, más de 1,700 kilómetros de vía, 16 minas y 4 puertos. Más de un millón de kilómetros recorridos sin conductor. Con compromiso público de cero despidos.
Salas de prensa de BMW Group, Deere, Norfolk Southern y Rio Tinto. Fuente primaria en los cuatro casos.
“Muchas compañías hablan de inteligencia artificial. Nosotros no hablamos mucho de eso. Simplemente hacemos un montón de cosas detrás de escena.”
Dan FlornessDirector general de Fastenal · ocho mil millones de dólares en suministro industrialLlamada de resultados, 15 de julio de 2026
Y detrás de la frase hay un umbral, no una pose. Fastenal evalúa cada inversión en inteligencia artificial contra una sola pregunta: si sube la productividad de la plantilla entre 5% y 10%, sobre una base de costo laboral de mil seiscientos millones de dólares al año. Lo que no cruza ese umbral no se compra. Si usted no tiene un umbral así, todavía no está evaluando: está explorando.
Reconstruimos, caso por caso y sobre salas de prensa corporativas, cuánto pasó entre que un proyecto industrial arrancó y que apareció su primera cifra publicada:
Figura 4: Meses entre el inicio del proyecto y la primera cifra publicada
6
Banco, licencias de asistente
12
BMW, robótica en una estación
23
Norfolk Southern, inspección de trenes
32
John Deere, See and Spray
35
Sonepar, plataforma comercial
60
Freeport, proceso minero
Reconstrucción propia sobre salas de prensa corporativas, agosto de 2026
Y siete casos llevan entre 6 y 35 meses anunciados sin publicar una sola cifra
Entre ellos, el proyecto de calidad con inteligencia artificial de BMW lleva quince meses sin dar una métrica, y esa es la empresa que mejor documenta del mundo. Cuando alguien le presente cinco casos de éxito, la pregunta correcta no es qué hicieron. Es en qué fecha arrancó y en qué fecha publicaron la cifra.
La mediana real ronda los 18 a 24 meses. El único caso que publicó en menos de seis fue de productividad de oficina, y su cifra era de uso, no de resultado de negocio.
En 2024, con un millón de acres, reportó 59% de ahorro de herbicida. En 2025, con cinco millones de acres, cerca de 50%. Al quintuplicar la superficie, el beneficio unitario cayó nueve puntos. Y su promesa de lanzamiento en 2022 había sido "más de dos tercios": el resultado de campo quedó diecisiete puntos por debajo del anuncio.
Y Klarna, el caso más citado del mundo, contado completo
Febrero de 2024: su asistente atiende dos tercios de los chats, el trabajo equivalente a 700 agentes. Mayo de 2025: vuelven a contratar humanos. Noviembre de 2025: suben la cifra a 853 agentes equivalentes y 60 millones de dólares ahorrados, y en el mismo trimestre su costo de servicio sube de 42 a 50 millones.
Su director general, en Bloomberg: como el costo parece haber sido un factor de evaluación demasiado predominante, lo que terminas teniendo es menor calidad.
Quien le cuente cualquiera de estos dos casos en una sola dirección le está vendiendo algo.
Deere pasó de 59% a cerca de 50% de ahorro al quintuplicar la superficie. Klarna anunció sesenta millones de dólares ahorrados en el mismo trimestre en que su costo de servicio subió de 42 a 50 millones. Las dos cifras son reales, y las dos historias completas dicen otra cosa.
Salas de prensa de Deere y Klarna · Bloomberg, 8 de mayo de 2025 · resultados del tercer trimestre de 2025.
Cualquiera puede probar una herramienta de conversación y quedar impresionado. Casi todo el entusiasmo del último año viene de esa prueba de cinco minutos. La pregunta de negocio no es si acierta, es si acierta todas las veces.
Figura 5: Acierto de los mejores modelos según cómo se les exige (porcentaje)
60
Un intento, una tarea
25
Ocho veces seguidas
58
Una sola pregunta
35
Conversación de varios turnos
τ-bench, a la izquierda · CRMArena-Pro, a la derecha. Pruebas públicas, 2025
Un proceso de negocio no se corre ocho veces hasta que salga bien: se corre una. Y en la misma prueba, todos los modelos evaluados entregaron información que debían proteger en más del 99% de los intentos, cuando no se les dio instrucción explícita de no hacerlo.
De ahí sale el principio de diseño que separa un sistema serio de una demostración impresionante: que el modelo lea la intención, y que la decisión de negocio la tome la regla, contra datos reales.
τ-bench y CRMArena-Pro, pruebas públicas, 2025 · METR, 2025, vía Stanford HAI. Y una advertencia sobre su propio juicio: en un ensayo controlado, desarrolladores expertos resultaron 19% más lentos usando asistencia de inteligencia artificial, y aun así creyeron que los había acelerado. Advertencia de alcance: ambas están construidas sobre casos estadounidenses en inglés. No existe evidencia pública de cómo se degradan estos sistemas operando en español, y extrapolar es suposición.
Muchos proveedores están contribuyendo al ruido con lo que llamamos lavado de agentes.
Anushree Verma · analista senior de Gartner · 25 de junio de 2025
De los miles de proveedores que hoy se anuncian con inteligencia artificial, Gartner estima que unos 130 lo son de verdad. El resto renombró asistentes de conversación y flujos que ya vendía antes. Y proyecta que más del 40% de los proyectos de esta categoría se cancelarán antes de que termine 2027.
En la misma dirección: 42% de las empresas está descartando la mayoría de sus iniciativas de inteligencia artificial, arriba del 17% del año anterior.
Las tres preguntas que un proveedor no puede esquivar
«Arme una prueba con trescientas de mis cotizaciones reales y córrala delante de mí, antes de firmar.» Un proveedor serio ya tiene un banco de pruebas y acepta construir el suyo con datos de usted. El que enseña una demostración preparada, no.
«¿Cuál es el número de hoy, quién lo midió, y con qué grupo lo va a comparar?» Si el éxito se va a medir con una encuesta de satisfacción o con horas ahorradas que la gente reporta a mano, no se va a medir.
«¿En qué condiciones me recomendaría no comprarle?» Es barata de hacer e imposible de fingir. Quien sabe implementar sabe decir a quién no le sirve.
Gartner, comunicado del 25 de junio de 2025 · S&P Global Market Intelligence, más de mil respondientes. Por qué la primera: Stanford midió tres productos que se anunciaban como libres de invención y encontró que inventaban entre 17% y 33% de las veces. La única prueba que vale es la que se corre con datos de usted.
Ni tan avanzado como parece, ni tan lejos como usted cree.
Una de cada cinco empresas en Estados Unidos, catorce de cada cien medianas en México, y siete de cada diez de sus empleados ya usando una por su cuenta. El 84% de los corporativos del sector tampoco ha rediseñado nada alrededor de la IA, y en manufactura el 91% no la usa en absoluto. De cada cien proveedores que le van a tocar la puerta, la mayoría renombró lo que ya vendía.
Ese es el terreno, y no es tan malo como parece. Ahora lo útil, y en orden: primero lo que puede usar mañana sin proyecto, sin consultor y sin comité.
Traducir un manual, quitarle el fondo a una foto, transcribir una junta, conciliar un estado de cuenta, documentar un procedimiento. Ninguna de esas tareas cambia porque usted venda rodamientos y su vecino venda uniformes.
Por eso se contratan en diez minutos, tienen precio de lista y funcionan el primer día sin que nadie conozca su operación. Todo lo que sigue en esta parte es de este tipo.
Vertical · no hace lo mismo en dos empresas distintas
Decidir qué de su portafolio resuelve lo que un cliente describió mal, con su existencia, su precio para ese cliente y sus reglas. Eso cambia por completo entre una empresa y otra, aunque vendan lo mismo.
No puede haber precio de lista, porque el trabajo no es entregar el sistema: es hacer que entienda su negocio. Eso es la parte tres.
El error caro es comprar horizontal esperando resultados de vertical.
Es lo que le pasó al 42% de las empresas que hoy descarta la mayoría de sus iniciativas. La parte dos de este informe es todo lo horizontal. La parte tres es lo vertical.
Antes de pasar a la parte dos, un consejo que ahorra dinero: revise qué plan de correo y ofimática ya tiene contratado. Varias suites empresariales incluyen herramientas de inteligencia artificial que ya está pagando y que nadie en la empresa ha abierto.
Cada página de esta parte empieza por un problema que usted ya tiene, no por una herramienta. Después dice qué existe hoy para resolverlo, cuánto cuesta de verdad y qué hace mal. Y termina con lo que no compraríamos.
Un modelo genérico se derrumba sobre los datos de una empresa real
Existe una prueba académica que mide al mismo sistema de inteligencia artificial primero sobre bases de datos públicas y después sobre almacenes de datos de empresas reales. El resultado es el dato más duro de este informe:
Exactitud del mismo sistema, según sobre qué datos trabaja
Sobre bases de datos públicas, de laboratorio
62.9%
Sobre datos reales de una empresa
11.4%
Cincuenta y un puntos de caída, sin cambiar el modelo. Solo cambiando datos de laboratorio por datos de una operación de verdad, con nombres de columna crípticos, documentación incompleta y relaciones que nadie escribió.
Y esto es lo que lo recupera
Cuando al mismo sistema se le entrega el contexto correcto, el mapa de las tablas, las relaciones y el conocimiento del dominio, el desempeño se triplica. De 9.5% a 30.1%.
Las dos cifras juntas explican el fracaso de los pilotos mejor que cualquier encuesta: no falla el modelo, falla que nadie le metió la realidad de la empresa. Y que aun con el contexto perfecto llegue a 30% dice que esto es trabajo de ingeniería, no una casilla de configuración.
BEAVER, una prueba pública que cualquiera puede reproducir, hecha sobre almacenes de datos de empresas reales y actualizada en 2026. Es evidencia académica, no material de un proveedor, y por eso la usamos.
Su ERP ya le ofrece un asistente. Conviene saber qué puede.
Todos los sistemas empresariales están lanzando asistentes que conversan y que ven sus datos. Es real y va a estar incluido en su licencia. El problema no es que no alcancen los datos: cada vez más los alcanzan.
El problema es qué encuentran cuando llegan
Un registro de producto en un sistema empresarial es, en el fondo, un registro contable. Tiene clave, descripción corta, precio y existencia. Sirve para facturar y para inventariar, que es para lo que se diseñó.
Lo que no tiene es para qué sirve, bajo qué condiciones opera, con qué es compatible y qué lo puede sustituir. El asistente lee ese registro perfectamente y sigue sin poder decidir, porque el dato que necesitaba nunca estuvo ahí.
Qué esperar, sin ilusiones
Consultar lo que ya existe Estado de un pedido, saldo, historial
Lo hace bien
Decidir qué producto sirve A partir de una necesidad descrita
No, y no por el modelo
Entender para qué lo necesita el cliente Y preguntar lo que falta
No, falta el dato
Armar una solución de varios productos y servicios
No
La consecuencia: antes de que una IA decida sobre su portafolio, alguien tiene que convertir sus datos de producto en algo que una máquina pueda razonar. Eso no viene en ninguna licencia.
El problemaSu gente pasa horas al día escribiendo correos a clientes, resumiendo hojas técnicas en inglés y preparando juntas. Y ya está usando herramientas gratuitas para hacerlo, con los datos de sus clientes adentro.
Un asistente de conversación de nivel empresarial, alrededor de veinte dólares por persona al mes, resuelve una parte de casi todos los trabajos de esta sección: redactar, resumir, traducir, analizar un documento, preparar una reunión.
Y la razón para pagarlo no son las funciones
Es que la versión de negocio no entrena con sus datos por defecto, y la gratuita sí puede hacerlo salvo que el usuario lo desactive a mano. Su gente ya está usando la gratuita. Veinte dólares al mes convierten un problema legal en un gasto de oficina. Más adelante en esta parte está por qué eso importa tanto en México.
Qué hace mal, y hay que saberlo
Inventa datos cuando el documento es ambiguo o está mal escaneado, y no hay forma de que le avise que dudó. En cualquier dato crítico, rangos de presión, torque, certificaciones, número de norma, hay que verificar. No tiene control de versiones ni rastro de qué generó cuándo.
Regla práctica: empiece con cinco licencias, no con quince. Y que las cinco sean de quien más escribe, no de quien más manda.
Precio verificado en la página del proveedor, agosto de 2026, plan de negocio con compromiso anual y mínimo de dos asientos.
Fotografía de catálogo sin estudio, y contenido sin agencia
El problemaSu catálogo tiene miles de referencias y las únicas fotos son las del proveedor, cuando existen. Sesión y diseñador para eso no salen, y sin foto la pieza no se vende en línea.
Imagen de producto · alrededor de 21 dólares al mes
Quita el fondo, pone el producto sobre una escena creíble y exporta el catálogo en lote. Lo que antes costaba una sesión de fotos y un diseñador.
La regla en piedra: fondo generado, producto nunca. En cuanto la herramienta redibuja la pieza cambia roscas, deforma números grabados y altera logotipos. En catálogo técnico eso no es un detalle estético, es una descripción falsa.
Video de producto · todavía no
Los generadores de video redibujan el objeto en cada cuadro. Números de parte y marcas se deforman. No hay caso de uso defendible hoy en catálogo industrial. Sirve para ambiente y para pieza de marca, no para mostrar producto.
Marketing y contenido · el matiz honesto
Sí, sirve para escribir correos, publicaciones y textos de campaña, y no necesita herramienta aparte: el asistente que ya compró lo hace. Pero conviene saber esto antes de emocionarse: ventas y marketing es donde va cerca de la mitad del presupuesto de inteligencia artificial de las empresas, y es donde menos retorno se mide. Y conviene precisar, porque la palabra ventas mete dos cosas distintas en la misma bolsa: lo que no paga es generar contenido y campañas. Contestar una solicitud y convertirla en orden no es marketing, es una operación, y ahí el retorno sí está documentado.
Precios verificados en la página del proveedor, agosto de 2026 · hallazgo de asignación de presupuesto: MIT Media Lab, Project NANDA, agosto de 2025.
Convertir lo que sabe una persona en algo que otro pueda usar
El problemaDos o tres personas saben cotizar de verdad. Cuando una falta, se atrasa el día. Cuando una se va, se va con ella. Y ese criterio no está escrito en ningún lado.
Este es el trabajo que menos se compra y el que más falta hace, y vamos a volver a él en la parte tres por razones que ahí quedan claras.
Documentación de procedimientos · unos 13 dólares por persona al mes
Alguien hace el procedimiento una vez con la grabación activa, y sale el manual escrito, con pasos y capturas de pantalla. Lo que normalmente nadie documenta porque documentar es tedioso y quien sabe hacerlo está ocupado haciéndolo.
Qué hace mal: obliga a comprar mínimo cinco licencias, y captura lo que la persona hace, no lo que la persona decide. Documenta el clic, no el criterio. Es la mitad del problema, y es la mitad barata.
Reuniones · desde gratis, unos 15 dólares por persona el plan de equipo
Graba, transcribe y resume reuniones internas, con los acuerdos separados de la conversación. El plan gratuito ya da grabación y transcripción sin límite, así que se puede probar sin comprar.
Obligatorio: avisar siempre que se está grabando. No es cortesía, es requisito legal y además es lo que evita que la herramienta dure dos semanas.
Precios verificados en la página del proveedor, agosto de 2026.
Contabilidad y traducción, que es lo aburrido y lo que sí paga
El problemaDescargar comprobantes del SAT, conciliar el banco y traducir fichas técnicas de proveedores extranjeros consume días de personas que usted contrató para otra cosa.
Contabilidad y conciliación · alrededor de 890 pesos por usuario al mes
Descarga automática de comprobantes fiscales desde el SAT, conciliación bancaria a partir del estado de cuenta, declaraciones informativas automáticas. Es el único rubro de esta sección con producto mexicano superior al global, porque ningún proveedor internacional resuelve CFDI.
Y no es casualidad que sea lo que más paga: el estudio más citado del año encontró que el retorno aparece en back office, finanzas y operaciones, no en generar demanda. Lo que separa una cosa de la otra no es el área del organigrama, es si el trabajo tiene un resultado que se pueda contar.
Traducción técnica · unos 29 dólares por usuario al mes
Correspondencia con proveedores extranjeros, manuales y fichas. Lo que justifica pagarlo en vez de usar el asistente general es el glosario: usted fija su nomenclatura de producto y la respeta en todos los documentos.
No para hojas de datos de seguridad. Una traducción automática de una HDS no cumple, porque el requisito no es lingüístico sino de contenido normativo, y cada país va en una revisión distinta del sistema armonizado. México está en la 5, Chile y Brasil en la 7.
Precios verificados en la página del proveedor, agosto de 2026.
El complemento de ofimática del proveedor más grande
Unos 18 dólares por usuario al mes, encima de una licencia que usted ya paga. La única evaluación independiente que existe, hecha por un gobierno con medición antes y después, encontró que la mayoría lo percibió como pérdida de tiempo, que solo un tercio lo usó a diario, que la parte de hoja de cálculo decepcionó a casi un tercio, y que un asistente de conversación común lo superó en documentos complejos. Para quince usuarios son 270 dólares al mes por eso.
Los generadores de presentaciones bonitas
El producto funciona. La práctica comercial del más popular es lo que no: reembolsos de tres días sin excepción en planes anuales, imposibilidad de pausar, y calificación cercana a 1.8 sobre 5 en reseñas públicas, concentrada en facturación. Si lo usa, mensual y con tarjeta que pueda cancelar.
Las suites de marketing con inteligencia artificial
Ochocientos dólares al mes más tres mil de arranque. Es un proyecto disfrazado de suscripción, y sin equipo de marketing dedicado es la agenda más cara del mercado.
Los escritores de marketing especializados
Hacen lo que el asistente que ya compró hace, cobran aparte, y viven en listados con enlace de afiliado.
Y una regla que casi nadie dice bien
"Si esconde el precio, desconfíe" es mal consejo. Un producto de autoservicio sin precio público sí es alerta. Una solución a la medida no puede tenerlo: el alcance lo define su empresa. La pregunta correcta es qué se compromete a entregar y cómo se mide.
Ya tiene una fuga de información abierta. Solo que todavía no le ha costado nada.
No es un riesgo futuro que aparece si usted compra algo. Está ocurriendo hoy: siete de cada diez empleados mexicanos usa un asistente personal para trabajar y solo tres de cada diez empresas tienen una política. Y no es descuido de empresas chicas: 74% de los directivos espera operar con agentes de IA en dos años y solo 21% dice tener un modelo maduro para gobernarlos.
Figura 6: Riesgos de inteligencia artificial que más preocupan a los directivos (porcentaje)
73
Privacidad y seguridad de datos
50
Legal, propiedad intelectual, regulación
46
Calidad y explicabilidad
46
Capacidad de gobierno y control
30
Impacto en la gente
Deloitte, N=3,235 directivos de veinticuatro países, campo agosto y septiembre de 2025
Y qué está saliendo de su empresa, en concreto
Listas de precios por cliente. Contratos completos. Correos de clientes. Datos de nómina. Nada de eso se hizo con mala intención: se hizo porque funciona y porque nadie dijo que no se podía.
Por qué es un problema y no una molestia
En las versiones gratuita y personal el proveedor puede usar ese contenido para entrenar salvo que el usuario lo desactive a mano; en los planes empresariales no. Bajo la ley mexicana esa diferencia separa una remisión a un encargado, que se resuelve con contrato, de una transferencia a un tercero sin consentimiento de su cliente, con sanciones de decenas de millones de pesos.
Google, IDC y Provokers, México, n=767 · Deloitte, N=3,235 · Ley Federal de Protección de Datos Personales. Y hay una segunda mitad: si mañana pone un sistema que le contesta a sus clientes, su empresa responde por lo que ese sistema prometa. Una aerolínea alegó ante un tribunal que su asistente era una entidad separada, y perdió.
No necesita un documento de veinte páginas ni un despacho. Necesita esto, firmado, circulado y de una cara.
01Qué herramientas están aprobadas
Una lista corta y explícita, en planes de negocio pagados por la empresa. Todo lo demás, no. Y ofrezca la alternativa legítima antes de prohibir, o la prohibición no se cumple.
02Qué no se pega nunca
Datos personales de clientes y empleados, listas de precios por cliente, contratos, información financiera no pública, y credenciales. La regla que se recuerda: si no lo mandaría por correo a un desconocido, no lo pegue.
03Quién decide y quién autoriza una excepción
Una persona con nombre. No un comité, no el área de sistemas en abstracto.
04Qué pasa con lo que se genera
Todo lo generado se revisa antes de salir con el nombre de la empresa. Y nada que un cliente vaya a recibir sale sin que una persona lo firme.
05Y aviso de grabación, siempre
En llamadas y reuniones. Sin excepción y por adelantado.
El dato de contraste, que sirve para presupuestar: la detección de amenazas es hoy el uso de inteligencia artificial con mayor adopción en distribución, por encima de cualquier aplicación comercial. El sector ya entendió por dónde empieza.
Todo lo anterior mejora cómo trabaja por dentro. Nada de eso toca su operación comercial.
Traducir un manual, ordenar la contabilidad, documentar un procedimiento, hacer una foto de catálogo decente. Son mejoras reales, se pagan solas, y las puede empezar esta semana con una tarjeta de crédito.
Pero ninguna toca el momento en que llega una necesidad de un cliente y hay que decidir qué se le ofrece. Ese momento no es horizontal, y por eso no se resuelve con una suscripción.
La parte tres es sobre eso, y termina contestando la pregunta que usted trae desde la primera página: qué pasa con su gente.
Aquí ya no son compras de tarjeta de crédito. Son cinco decisiones de dirección, el problema que ninguna resuelve, quién puede resolverlo, y qué pasa con su gente cuando lo resuelve.
Mantenimiento predictivo Su flota, o el equipo del cliente
Alto
Años
Modelo sí, cifras no
La entrada comercial De la solicitud a la orden
Bajo
Semanas
Sí, con nombre
Las páginas siguientes recorren las cinco con la evidencia pública de cada una. La diferencia entre lo que publica la última y lo que publican las otras cuatro es el argumento entero de esta parte.
Tres distribuidores que movieron el piso, literalmente
Sonepar
Más de 2,500 millones de euros en automatización logística y meta de 60 centros automatizados para 2028. Padua mueve 55,000 artículos al día con 124 robots.
Würth
104,000 espacios de contenedor, 48,000 líneas de picking adicionales al día y 37% más capacidad. Meta de 75% de automatización para 2030.
Fastenal
136,638 dispositivos de inventario dentro de las plantas de sus clientes. El 46.1% de sus ventas pasan por ahí. De 310 a 330 millones de dólares proyectados para 2026.
Y lo que ninguno publica
El retorno. No existe públicamente un solo caso de automatización de almacén en distribución industrial con costo y retorno juntos, ni una sola métrica de precisión de pronóstico reportada por un distribuidor con nombre. La página siguiente explica por qué, y la explicación no es la que se supone.
Cifras reportadas por las propias empresas. Las que circulan de inventario 20 a 30% menos, o paro 30 a 50% menos, son estimaciones de potencial de consultora, no mediciones. Ver el apéndice, cifras 02 y 03.
La ausencia de cifras se suele leer como prueba de que esto no funciona. Investigamos por qué ocurre, y hay tres razones. Ninguna es esa.
01Es demasiado pronto, y hay precedente
Las tecnologías de propósito general tardan años en aparecer en la productividad medida, porque el valor exige rediseñar procesos y formar gente antes de rendir. Tiene nombre: la curva en jota de la productividad. Primero se ve el gasto.
02Se diluye en el estado de resultados
Ningún ahorro operativo aparece como partida propia: se disuelve en costo de ventas o en gastos de administración. Ninguna regla obliga a desglosar el efecto de una iniciativa tecnológica. Tanto así, que el comité asesor de inversionistas del regulador estadounidense tuvo que recomendar formalmente, en diciembre de 2025, que se emitiera una guía.
03Y la razón que casi nadie menciona
Publicar una cifra de retorno crea un pasivo legal asimétrico. El regulador estadounidense ya sancionó empresas por exagerar capacidades de inteligencia artificial, y los despachos están advirtiendo a sus clientes públicos justo sobre esto. Un directivo que da un número gana poco y arriesga mucho.
Lo que sí se publica viene, sobre todo, de quien vende la tecnología.
Ese sesgo explica la literatura entera del sector, y es la razón por la que este informe distingue en cada cifra quién la reportó.
La única con resultados publicados. Lea la tercera columna.
Quién
Qué logró
Qué hizo falta
ADI Global
1,700 pedidos diarios sin intervención humana
Empresa pública escindida de un corporativo global
Ingram Micro
230,000 correos en un trimestre, mil millones de dólares por esa vía
Años de programa y una patente concedida
Packer Fastener
Automatiza hasta 75% de las transacciones de cotización
Lo construyó con el laboratorio de coinnovación de Microsoft
MSC Industrial
Veinte veces el ingreso de venta cruzada
Lo compró a un proveedor especializado
La lección no es la que parece
Es tentador leerlo como "se puede hacer". Tres de los cuatro lo construyeron con recursos que su empresa no tiene. Al cuarto no le prestaron el laboratorio de Microsoft: lo compró.
Coincide con el dato general: comprar llega a producción el 67% de las veces, construir a la medida el 33%. Hacerlo en casa fracasa al doble, y es lo que recomienda la intuición.
ADI Global, investor day, julio de 2026 · Ingram Micro, resultados de mayo de 2026 · Packer Fastener y MSC Industrial vía prensa especializada · MIT Media Lab.
La tecnología dejó de ser cara. El costo se mudó de lugar.
Entre 2022 y 2024, alcanzar el nivel de capacidad de un modelo de frontera se abarató alrededor de 280 veces. Cuatro mediciones independientes coinciden en el orden de magnitud. Es la razón por la que esta conversación llegó a la empresa mediana, y no antes.
Pero eso resolvió la parte barata. Aquí está dónde vive el costo real de una implementación que funciona:
Cómo se reparte el esfuerzo de una implementación que sí produce resultados
Personas, proceso y adaptación a la operación
70%
Tecnología
20%
Modelos y algoritmos
10%
Junte esto con la prueba del inicio de la parte dos, donde el mismo modelo caía de 62.9% a 11.4% al pasar a datos de una empresa real, y sale la conclusión completa: el precio de un sistema que funciona ya no es el cómputo. Es la ingeniería que interioriza su operación.
Si su presupuesto es 90% licencia, el proyecto ya falló y todavía no empieza.
Stanford HAI, AI Index · Epoch AI y otras dos mediciones independientes · BCG y NBER para el reparto 70-20-10. Lo que hay que llevarse: ese capital organizacional, que es el cambio de proceso y de gente, no baja de precio aunque la tecnología sí lo haga.
Un responsable único, no un comité. Es la característica número uno de los distribuidores que llegaron a producción.
Ordenar los datos de producto antes que nada. Los que hoy operan en producción dedicaron años a eso antes de desplegar. Y por lo que vimos en la parte dos, sin ese trabajo el desempeño de cualquier sistema se derrumba.
Comprar antes que construir. 67% contra 33% de probabilidad de llegar a producción.
Rediseñar el flujo, no meter tecnología dentro del proceso que ya existe. Los de alto desempeño son tres veces más propensos a haberlo hecho.
Presupuestar 70% para gente y proceso. Si su presupuesto es 90% licencia, el proyecto ya falló y todavía no empieza.
Y que lo pida la dirección. Que el jefe lo exija explica cerca del 80% de la diferencia de adopción entre países, y cuesta cero pesos.
Medir el tiempo ahorrado y llamarle retorno es la forma más común de fracasar sin enterarse.
El 18% de los distribuidores no rastrea retorno en absoluto y el 41% mide solo ahorro de tiempo. El tiempo solo cuenta si se convirtió en cotizaciones que antes no salían.
Su ERP sabe todo lo que se volvió pedido. Estas cinco son sobre lo que nunca llegó a serlo, y deciden si la inteligencia artificial puede aportar algo en su operación comercial.
01¿Cuánto de lo que le piden llega sin número de parte?
Descrito, no codificado: necesito algo para sellar a alta temperatura.El sistema no lo sabe porque eso nunca se vuelve registro. Si es la mayoría, ahí está la oportunidad completa.
02¿Por cuántos canales entra la demanda, y cuáles no dejan rastro?
Mensajería, llamada, correo, redes, una foto, un audio desde la planta. Todo lo que no pasa por una pantalla del sistema es demanda invisible, y depende de la memoria de una persona.
03¿Su catálogo dice para qué sirve cada cosa, o solo qué es y cuánto cuesta?
Un registro de producto es un registro contable: código, descripción y precio. No trae aplicación, condiciones de operación, compatibilidad ni sustituto válido. Es la diferencia entre despachar y recomendar.
04¿Dónde queda lo que le pidieron y no pudo cotizar?
La venta perdida por no tenerlo, por no encontrarlo o por no llegar a tiempo no aparece en ningún reporte, porque no existe la orden. Es demanda que ya se ganó y no se cobró.
05¿Cuánto de lo que sabe su mejor especialista está escrito?
Qué se combina con qué, a quién se le ofrece, cuándo conviene decir que no. Si la respuesta es "casi nada", ese conocimiento se va con la persona. Es lo primero que un sistema bien hecho captura.
Cómo usarlas: contéstelas con su equipo en una hora, con números aproximados. La que salga peor es por donde conviene empezar. Todas van sobre la conversación con el cliente, no sobre la transacción.
Lo que llega no es un pedido. Es un problema que alguien necesita resolver.
Las cinco casillas anteriores suponen que ya existe un pedido estructurado. En la vida real de una distribuidora lo que entra es una necesidad, y el canal por el que entra es lo de menos: mensajería, llamada, correo, redes, una foto, un audio desde la planta. Lo que hay que resolver está debajo de todas ellas:
Necesito sellar una brida a alta temperatura y la línea está parada. No dice qué producto: dice qué le está costando dinero ahora mismo.
Necesito reponer esto, con la foto de una pieza gastada y nada más.
Necesito cotizar esta obra, con una lista en el formato de otro proveedor y requisitos de norma que hay que verificar.
Necesito que no me vuelva a pasar, que casi nunca es un producto: es un producto más un servicio, y ahí quien arma la propuesta ya no es quien atiende la cuenta, es el ingeniero de la empresa.
El canal es el medio. La necesidad es el trabajo.
Y no es desorden del cliente: es cómo funciona el sector. La guía de ensamble de la asociación de distribuidores de mangueras hidráulicas define siete campos para capturar un requerimiento: medida, temperatura, aplicación, material, presión, terminales y entrega. Ninguno de los siete es un número de parte. La industria entera está construida sobre el supuesto de que el cliente no trae el código, sino el problema.
Traducir todo eso en una solución cotizable es lo que hace su mejor especialista técnico comercial. Pregunta para qué es, conoce los productos y los servicios, sabe cuáles se combinan, y arma una cotización que resuelve el problema en vez de surtir una línea. Hay dos o tres personas así en la empresa, y no alcanzan.
3.8 · Por qué ese criterio no se transfiere leyendo
Seis decisiones que se toman en el mostrador y que ningún catálogo resuelve
Una por nicho. Ninguna es exótica. Todas son rutina de un martes cualquiera.
Rodamientos
Dos sellos de la misma marca, 2RS1 y 2RSH, tienen geometría distinta. Y el juego interno C3 no se lee de una foto: entregar CN donde iba C3 en un motor eléctrico produce fatiga prematura de pista.
Material eléctrico
La letra D en una familia de contactores significa 24 volts en corriente directa. La misma letra en otra marca significa 110 o 120 volts en corriente alterna. Sistemas opuestos.
Material eléctrico
Los fusibles RK1 y RK5 son ambos Clase R y entran en el mismo portafusible. El rechazo físico no los separa, y cambiarlos porque tienen el mismo amperaje puede invalidar el SCCR del tablero.
Hidráulica
En rosca de media y de tres cuartos, NPT y BSPT tienen exactamente el mismo paso. La pieza enrosca, se siente bien, y no sella.
EPP
La clasificación N90 no existe en la norma estadounidense y la N99 no existe en la mexicana. La NOM-116 declara textualmente que no concuerda con ninguna norma internacional.
Autopartes
Una bujía cuyo número pasó de 90919-01210 a 90080-91180, sin conexión lógica. Solo cruzan por tabla de supersesión, nunca por regla.
Ninguna de estas seis se resuelve buscando. Se resuelven sabiendo qué preguntar, y eso tarda años en formarse y minutos en irse.
Bessemer patentó su proceso de acero y aun así nadie pudo replicarlo
Henry Bessemer inventó el proceso que abarató el acero y cambió la industria del siglo diecinueve. Tenía la patente. Vendió licencias. Y los compradores lo demandaron, porque siguiendo el documento no lograban reproducir el resultado.
Una patente es el documento más preciso que ha inventado la técnica. Está redactada para que un tercero pueda reproducir el invento, y su validez legal depende de eso. Y aun así no alcanzó, porque lo que hacía funcionar el proceso no era lo que estaba escrito.
El filósofo que estudió esto lo resumió así: sabemos más de lo que podemos decir. El experto no se guarda nada: no sabe qué está omitiendo. Por eso el conocimiento técnico se transfiere trabajando al lado de alguien, no leyendo su manual.
Y por eso el problema no es la jubilación: la jubilación es la fecha límite. El problema ocurre cada vez que entra alguien nuevo y no hay forma de pasarle lo que el otro tardó quince años en aprender.
30%
De los líderes de empresas familiares mexicanas rebasa los 60 años
53%
No tiene proceso definido para el relevo
81%
De las automotrices no encuentra a quién contratar
Polanyi, The Tacit Dimension, 1966 · CIFEM, BBVA e IPADE, 2025, n=476 · ManpowerGroup México, 2026.
El puesto que la industria de la IA inventó para exactamente este problema
Las seis páginas que siguen son sobre quién puede implementar esto en México. Si eso ya lo tiene resuelto, salte a la página cincuenta y seis.
Si el conocimiento no se transfiere por documento, alguien tiene que ir a recogerlo. La industria le puso nombre: forward deployed engineer, el ingeniero asignado a un cliente. El término aparece por primera vez en un documento público en el prospecto de salida a bolsa de Palantir, en agosto de 2020, presentado ante la comisión de valores de Estados Unidos.
Y lo que no es, medido
Sobre mil vacantes analizadas: el 0% carga cuota de ventas. Solo el 8% menciona compensación variable. No es un preventa con otro nombre, y tampoco es un consultor: no entrega recomendaciones, entrega sistema funcionando. La distinción que da quien dirige uno de estos equipos en Anthropic es la más limpia: lo que hace distinto a un programa de ingenieros asignados a cliente es que construyen sobre una plataforma; nunca escriben software desde cero.
Crecimiento de 2024 a 2025 en vacantes publicadas en Estados Unidos
Menciones de inteligencia artificial agéntica
+2,643%
Vacantes de ingeniero asignado a cliente
+1,165%
Bloomberry sobre 1,000 vacantes con datos de Revealera, enero a octubre de 2025 contra el mismo periodo de 2024 · Lightcast 2025 vía Stanford HAI
Palantir Technologies, Formulario S-1 ante la SEC, 25 de agosto de 2020 · Bloomberry, 18 de noviembre de 2025 · Kevin Bai, Anthropic Applied AI, conferencia AI Engineer, julio de 2026. Honestidad sobre el 1,165%: se mide contra una base de 2024 muy pequeña. El crecimiento es real y el efecto de base también.
La empresa de IA más valiosa del mundo abrió una empresa de implementación
El 11 de mayo de 2026, OpenAI anunció OpenAI Deployment Company. No un modelo nuevo: una compañía dedicada a meter gente dentro de sus clientes.
4,000
Millones de dólares de inversión inicial anunciada
150
Ingenieros asignados a resultados desde el primer día, vía una adquisición
19
Socios de inversión e integración, entre ellos McKinsey, Bain y Capgemini
Léalo otra vez. La compañía que vende el modelo concluyó que vender el modelo no alcanza, y que hace falta alguien adentro del cliente rediseñando el flujo de trabajo. En sus palabras, el ingeniero asignado al cliente trabaja con los líderes del negocio, los operadores y el personal de piso para identificar dónde la IA tiene más impacto y rediseñar los procesos críticos a su alrededor.
Y lo que eso vale en el mercado laboral, en bandas publicadas
Anthropic · Forward Deployed Engineer
200,000 a 300,000 dólares
Google Cloud · FDE III, Applied AI
174,000 a 253,000 más bono y acciones
Glean · Founding FDE
160,000 a 270,000 dólares
OpenAI, comunicado del 11 de mayo de 2026 · vacantes publicadas por cada empresa, agosto de 2026. Advertencia: circulan cifras de 10 y 14 mil millones para ese anuncio; la única que sostiene OpenAI es la de 4 mil millones de inversión inicial.
El producto lleva lo que se repite. La gente lleva lo que es único.
Las empresas que compran inteligencia artificial son como tu abuela estrenando un teléfono: necesitan que se lo configures.
Joe Schmidt · socio de Andreessen Horowitz · 4 de junio de 2025
La objeción evidente es que meter gente adentro de cada cliente no escala. El mismo análisis la contesta: lo que no escala es dejarle la implementación a un tercero. El trabajo a la medida de un cliente es el que descubre qué hay que construir para todos, y regresa al producto.
Palantir lo dijo con una imagen que se queda: esos ingenieros abren el camino de terracería por donde el producto tiene que ir; el equipo de producto lo convierte en carretera. Y ocurre: OpenAI mandó ingenieros a un cliente de centro de contacto, construyeron ahí las pruebas de desempeño, y esas mejoras quedaron disponibles para todos en su API.
Por eso el margen baja al principio y sube después, como ya pasó con dos de las compañías de software empresarial más grandes del mundo:
Figura 7: Margen bruto al salir a bolsa contra margen bruto en 2024 (porcentaje)
63.2
79
ServiceNow
54.1
75
Workday
Al salir a bolsaEn 2024
Andreessen Horowitz, Trading Margin for Moat, 4 de junio de 2025 · Bob McGrew, Palantir, vía PostHog, febrero de 2026. Lo que significa para usted: lo que reciba no es un experimento hecho a mano, sino producto que ya recorrió otras operaciones, más el trabajo de entender la suya.
Se está contratando por capacidad técnica y se da por hecho lo demás
79%
de las vacantes de ingeniero asignado a cliente no dice siquiera a qué industria va a servir el contratado. Y el 12% son puestos de cero a dos años de experiencia.
El director general de Palantir, la empresa que inventó el puesto, lo dijo en noviembre de 2025 con una crudeza poco común: si tienes conocimiento generalizado pero no específico, estás jodido.
Tu efectividad se correlaciona directamente con la rapidez con que aprendes a hablar el idioma del cliente y a entender cómo funciona realmente su negocio.
Ingeniero asignado a clientes durante ocho años · 2024
Cuánto tarda eso, contado por quien lo hizo
Su primer despliegue fue en una armadora aeronáutica europea: se mudó un año a la ciudad de la planta y trabajó cuatro días a la semana en el piso de manufactura. El resultado ayudó a cuadruplicar el ritmo de ensamble de una línea.
Ocho años antes, en 2018, una firma global ya lo había diagnosticado: el conocimiento de dominio es con mucho la habilidad más importante. Proyectaron entre dos y cuatro millones de esos perfiles para 2026. Estamos en 2026.
Bloomberry, 1,000 vacantes, noviembre de 2025 · Alex Karp vía Fortune, noviembre de 2025 · Nabeel Qureshi, 2024 · McKinsey y HBR, febrero de 2018. Lo medido es el 79%. Que eso sea un problema para una empresa industrial es nuestra lectura, y la sostenemos: en este sector, el contexto no se aprende sobre la marcha.
La capacidad de implementar se está armando en catorce ciudades. Ninguna en América Latina.
OpenAI publica las vacantes de ingeniero asignado a cliente de su compañía de implementación. Al corte de agosto de 2026 están abiertas en catorce ciudades. No hay Ciudad de México, no hay Monterrey, no hay São Paulo, no hay Bogotá.
Norteamérica, Europa, Asia y Medio Oriente · listado consultado el 2 de agosto de 2026
La conclusión práctica no es que estemos discriminados. Es más simple y más útil: nadie va a venir a implementar esto aquí. Si va a existir en la industria mexicana, se tiene que armar aquí, con gente de aquí.
Y la otra mitad juega a favor. México forma, en proporción, más ingenieros que Estados Unidos y que Brasil: 21.7% de los egresados contra 6.6% y 9.0%. Lo que casi no hay son los del otro lado: cerca de mil cien especialistas en inteligencia artificial en todo el país.
La consecuencia casi nadie la dice: la ruta corta es enseñarle inteligencia artificial a ingenieros industriales, no enseñarle industria a ingenieros de inteligencia artificial. Hay dos órdenes de magnitud más de los primeros.
OpenAI, agosto de 2026 · Indeed y Glassdoor México · Bloomberry, 1,000 vacantes · Secretaría de Economía · PwC 2026. Cifra que circula y es falsa: que menos del 8% de los egresados mexicanos estudia ingeniería. La oficial dice 21.7%.
3.15 · Los dos perfiles que le van a tocar la puerta
El que sabe de su industria pero no de IA, y el que sabe de IA pero nunca ha producido su resultado
Los dos van a ofrecerle lo mismo y fallan por motivos opuestos. Con casos públicos.
Sabe de su industria
El consultor que "le pone inteligencia artificial"
Conoce procesos y su sector. No construye sistemas. Entrega recomendaciones, y una recomendación no ejecuta nada.
Cómo termina: en 2025 una de las cuatro grandes firmas entregó a un gobierno un informe de 290 mil dólares hecho con IA, con referencias académicas inventadas y una cita atribuida a un juez que nunca la dijo. Devolvió parte del pago.
Sabe de inteligencia artificial
El experto que nunca ha producido ese resultado
Construye bien. Nunca ha movido el número que le piden mover, en una empresa de su ramo, ni siquiera sin IA.
Cómo termina: un hospital de referencia gastó 62 millones de dólares en cinco años en un sistema de oncología que en pruebas acertaba como los médicos. El contrato venció sin usarse con un solo paciente.
o
Y no es anécdota. En el estudio más citado sobre por qué fracasan estos proyectos, sobre 65 profesionales del campo, el 84% señala malentendidos sobre el propósito del proyecto, muy por encima de los datos y de la madurez de la tecnología. El primer problema nunca es el modelo.
Gartner, 25 de junio de 2025 · Fortune, 7 de octubre de 2025 · Journal of the National Cancer Institute, mayo de 2017, sobre la auditoría del sistema universitario de Texas · RAND, RRA2680-1, 65 entrevistas, agosto de 2024.
La pregunta que nadie hace en voz alta, contestada con datos de gobierno
Ya sabemos quién puede implementarlo. Falta la duda que todo director trae desde la primera página y casi nunca dice en la junta. La respuesta no es una opinión: está contada, en México y en Estados Unidos.
66%
De las empresas que usan IA la usan solo para ampliar lo que su gente hace
2%
Es donde hubo reducción de personal relacionada con inteligencia artificial
18%
De las empresas usa IA hoy. Es una encuesta oficial, no un estudio de proveedor
Oficina del Censo de Estados Unidos, suplemento de inteligencia artificial, campo de noviembre de 2025 a enero de 2026, muestra nacional representativa
Y el dato mexicano es todavía mejor, porque es del gobierno propio y sobre nuestra industria. La Secretaría de Economía publicó en junio de 2026 un análisis sobre el censo del INEGI, en manufactura de más de diez empleados. Por cada diez puntos porcentuales de adopción de inteligencia artificial se asocian:
18.8
Más producción por unidad
5.4
Más salario por trabajador
3.3
Más personas empleadas
Centro México Digital para la Secretaría de Economía, sobre Censo Económico INEGI 2024, junio de 2026. Porcentajes
La adopción en manufactura mexicana es del 4.8%, contra 19.1% del promedio de los países de la OCDE. El estudio reporta asociaciones estadísticamente significativas sobre el universo censal de la manufactura mexicana. La dirección es inequívoca, y va en contra de lo que todo el mundo teme.
Las ocho horas a la semana que casi nadie sabe dónde poner
El beneficio no aparece en la nómina. Aparece en horas, y en lo que se hace con ellas.
Lo medido
Se liberan ocho horas
El 42% de quienes usan inteligencia artificial en la primera línea reporta ahorrar un día de trabajo a la semana.
Lo que cambia
Queda el trabajo difícil
El 67% dice que la IA se llevó lo simple y le dejó lo complejo. Y que el estándar de lo aceptable subió.
Lo que falla
Nadie dice a dónde van
66% no recibe ninguna guía sobre qué hacer con ese tiempo. Más de la mitad no lo reinvierte en nada.
BCG, AI at Work, cerca de 12,000 empleados y directivos en más de doce mercados, junio de 2026
Póngalo junto al punto de partida y verá el tamaño de lo que está en juego: un especialista comercial dedica apenas el 28% de su semana a estar frente al cliente. El resto se va en armar cotizaciones, capturar datos, buscar fichas técnicas y perseguir información adentro de su propia empresa.
Ese es el punto entero de este informe. Las horas existen y están medidas. Lo que casi nunca existe es la decisión de dirección que dice a dónde van. Y esa decisión no viene dentro de ningún software.
Salesforce, State of Sales, 7,775 profesionales de ventas de América, Europa y Asia, campo de agosto y septiembre de 2022. Se cita esa y no otra porque es la única con muestra, geografía y fecha publicadas.
3.18 · Lo que ninguna máquina va a hacer por usted
La venta se decide antes de empezar, y se decide por la relación
Sobre cerca de cuatro mil compradores empresariales, con ticket mediano de 200 a 300 mil dólares:
95%
De las veces, el proveedor que gana ya estaba en la lista corta del primer día
80%
De las veces gana el primer proveedor al que el comprador contacta
85%
De los compradores ya había tratado antes con quien terminó ganando
6sense, Informe de Experiencia del Comprador 2025, cerca de 4,000 respondientes, 52% con decisión final
Y aquí está lo que desarma el miedo: en ese mismo estudio, el 94% de los compradores ya usa asistentes de inteligencia artificial. Y aun así tuvo dieciséis interacciones con el proveedor que ganó. La máquina cambió cómo buscan. No cambió con quién se quedan.
McKinsey lo confirma desde el otro lado. Preguntó a cerca de cuatro mil tomadores de decisión por qué cambian de proveedor, y dos de las tres primeras razones son fallas humanas, no de precio: información inconsistente entre las áreas, y no poder hablar con alguien que sepa.
6sense, 2025 · McKinsey, Global B2B Pulse, cerca de 4,000 tomadores de decisión en trece países, mayo de 2026. Léalo dos veces: lo que hace que un cliente se vaya es exactamente lo que su mejor especialista técnico resuelve, y lo que hoy no alcanza a atender.
“Estamos mejorando la búsqueda y la forma de presentar el producto. Ahí está el crecimiento de largo plazo.”
D.G. MacphersonDirector general de Grainger · el distribuidor industrial más grande de NorteaméricaResultados del primer trimestre de 2026
Vale la pena leer qué hizo y qué no. Grainger metió inteligencia artificial en el servicio al cliente, en el almacén, en las finanzas y en el buscador de su tienda en línea. En el mismo periodo creció 10.1% en ventas y proyectó aumentar su fuerza comercial entre 3% y 4% al año. El distribuidor más grande del continente no está usando la inteligencia artificial para tener menos gente frente al cliente: la está usando para mejorar la oferta, y contratando más.
Ya está dicho dónde se rompe, quién lo puede implementar y qué pasa con su gente. Falta lo único que queda: cómo se cruza. Y tampoco es opinión nuestra: es lo que separa al 5% que llegó a producción del resto.
2 veces
más probabilidad de llegar a producción comprándole a un socio externo que construyendo en casa. 67% contra 33%.
90 días
tardan de piloto a producción las empresas que lo logran. Las demás, nueve meses o más.
3.5
casos de uso atienden las que obtienen valor. Las que no, 6.1, con un retorno esperado 2.1 veces menor.
Léalo como una instrucción, porque lo es. Uno o dos procesos, no seis. Comprado, no construido. Con una fecha de noventa días y un número acordado desde el principio.
Y el reparto del trabajo, medido
De todo el esfuerzo que lleva obtener resultados con inteligencia artificial, las organizaciones que lo consiguen dedican 10% a los algoritmos, 20% a datos y tecnología, y 70% a personas, procesos y forma de trabajar. Ese 70% es exactamente lo que ningún software se puede llevar en la caja, y es la razón por la que el proveedor correcto tiene que ser las dos cosas: producto que ya funciona, y gente que entiende su operación.
MIT NANDA, 2025, 52 entrevistas y 153 encuestas · BCG, AI Radar, más de 1,800 directivos, enero de 2025. Nota de lectura: el 10-20-70 es la distribución del esfuerzo, no del presupuesto.
La inteligencia artificial no compra la confianza de un cliente. Compra el tiempo para ganarla.
Nadie vuelve a comprarle a una empresa porque conteste rápido. Vuelve porque alguien entendió su problema, le recomendó bien y cumplió lo prometido. Eso lo hacen personas, y lo hacen mejor cuando no están capturando datos ni buscando fichas técnicas.
Por eso la promesa de este informe no es sustituir a nadie. Es que su gente deje de hacer lo que una máquina hace mejor, y se dedique a lo único que decide una venta industrial.
Y con eso queda una sola pregunta abierta, que no es de tecnología: quién, en México, tiene al mismo tiempo el sistema ya en producción y la gente que entiende esta industria por dentro. Las catorce ciudades de la página cincuenta y cuatro no incluyen ninguna de aquí. La última parte es nuestra respuesta a esa pregunta, y es la única con nuestra marca.
La respuesta a la pregunta con la que cerró la parte tres: quiénes hicimos este informe, qué construimos y quién lo pone a producir dentro de una operación industrial mexicana. Es la única parte con nuestra marca, y está marcada como tal desde el índice.
Peaking es el ingeniero técnico comercial que entiende la necesidad de cada cliente, conoce el portafolio completo de productos y servicios, y arma la solución que la resuelve.
Dicho por el resultado: hace que un distribuidor industrial cotice productos técnicos en segundos, sin necesidad de un experto en cada solicitud
El experto sigue haciendo falta. Lo que deja de hacer falta es que esté disponible para las cuarenta solicitudes del día.
Detrás hay tres oficios que casi nunca vienen juntos: ingenieros que construyen inteligencia artificial en producción; ingenieros de la rama industrial, que conocen la aplicación y hablan el idioma de la planta; y gente que ha metido sistemas empresariales dentro de operaciones industriales más de cien veces, del tipo de un ERP, donde el sistema tenía que producir un resultado y no solo entrar en operación. Casi no existe quien tiene los tres, y ahí está buena parte del problema que describe la parte tres: casi todo lo que se ofrece hoy viene de gente solo de tecnología, y la adopción se cae ahí, no en el modelo.
Por eso Peaking son dos cosas al mismo nivel, no un producto con servicio alrededor:
El sistema
El mismo para todos nuestros clientes, en producción. Recibe por cualquier canal, pregunta para qué se va a usar, consulta los sistemas de la empresa, arma la solución con productos y servicios, y escribe en el ERP.
El equipo
Cada proyecto tiene un ingeniero asignado a generar resultados, con nombre, desde el primer día. Hace el descubrimiento y levanta cómo opera esa empresa para que el sistema la entienda. Es el puesto que la industria de la IA adoptó en 2025 y 2026, documentado en la parte tres.
Y lo que aprendemos dentro de una operación, cuando sirve para todas, regresa al producto: cada cliente nuevo entra sobre lo que ya se resolvió en los anteriores.
Las dos páginas que siguen explican cada mitad por dentro.
Cualquiera dibuja tres cajas. Esto es lo que hay que resolver dentro de cada una, y por qué no se compra hecho.
01 · Pregunta
Recibe la necesidad como llega
Mensajería, llamada, correo, la foto de una pieza, un audio. Y si falta información, la pide: para qué se va a usar, a qué presión, con qué se monta.
02 · Entiende
El portafolio y la verdad de la empresa
Productos y servicios, qué se combina con qué. Contra los sistemas: existencia, precio, condiciones y saldo de ese cliente, qué se le puede prometer y bajo qué crédito.
03 · Resuelve
Cotiza y escribe en el ERP
Arma la solución completa y la deja escrita en el sistema. No entrega un texto que alguien tenga que recapturar.
Y por qué cada paso es difícil de verdad
Preguntar: lo difícil no es preguntar, es saber cuándo ya alcanza. De más, pierde al cliente; de menos, cotiza mal. Eso es criterio comercial y se enseña empresa por empresa.
Entender: el registro de producto de un ERP es un registro contable. Trae código, descripción y precio. No trae para qué sirve, con qué es compatible ni qué lo sustituye. Eso vive en hojas técnicas y en la cabeza de dos personas.
Resolver: que el modelo lea la intención pero la decisión la tome la regla, contra datos reales, y que el sistema se detenga y escale a una persona cuando no está seguro.
Y no habla solo con el cliente: sostiene el mismo proceso con los ingenieros de la empresa, que es donde suele estar el conocimiento que nadie escribió.
Lo que hace un ingeniero de Peaking asignado a su proyecto, en concreto
No es soporte, no es instalación y no es capacitación. Es el trabajo de levantar cómo gana dinero su empresa y convertirlo en algo que el sistema ejecute. Se hace en sesiones de descubrimiento con su gente, no mudándose a su planta. Solo en operaciones muy grandes tiene sentido una presencia permanente en sitio.
Descubrimiento
Se sienta con sus dos o tres mejores especialistas técnicos y con sus ingenieros. No a levantar requerimientos: a ver cómo cotizan de verdad, qué preguntan, qué asumen, cuándo dicen que no.
Estado actual
Levanta la línea base con datos de su ERP, no con encuestas. Perfila el catálogo y dice en voz alta qué falta. Define con usted qué número se va a mover y quién lo va a medir.
Cargando contexto
Traduce sus reglas a algo que el sistema aplica: precios por cliente, sustitutos válidos, qué se puede prometer, qué servicios acompañan a qué producto. Aquí una distribuidora deja de parecerse a otra.
En producción
Construye el banco de pruebas con casos reales de su empresa, en español mexicano, con los modismos y los números de parte como llegan. Y lo vuelve a correr cada vez que algo cambia.
Quién hace ese trabajo importa más que el software. Nuestros ingenieros asignados a resultados combinan las dos mitades que casi nunca vienen juntas: más de cien implementaciones de sistemas empresariales en industria pesada y distribución, e ingenieros que han construido producto en compañías de tecnología de primer nivel. Cada proyecto tiene uno asignado, con nombre, desde el primer día.
Es el mismo modelo que adoptaron en 2025 y 2026 las principales compañías de inteligencia artificial del mundo. La parte tres de este informe lo documenta con fuentes públicas, incluida la decisión de OpenAI de abrir una compañía entera para hacerlo.
Tres cosas con las que se confunde, y la diferencia en cada caso
No es una herramienta de búsqueda ni un generador de cotizaciones
Buscar, homologar y cotizar son cosas que usa por dentro, igual que su mejor especialista técnico usa el catálogo y el sistema. Nadie diría que esa persona es un catálogo.
No es un asistente de conversación conectado a su empresa
Un asistente contesta. Este decide contra datos reales y ejecuta. La diferencia está medida en la parte dos: un modelo genérico cae de 62.9% a 11.4% al enfrentarse a los datos de una empresa de verdad. Entender sin poder accionar es una conversación. Accionar sin entender es el sistema que ya tiene.
Y no es una consultoría ni un desarrollo a la medida
Una consultoría entrega recomendaciones y cobra horas. Un desarrollo a la medida se construye de cero cada vez y se rompe cuando cambia el proceso. Peaking es producto: el mismo sistema, construido y en producción. Lo que cambia por empresa es el contexto que se le carga.
Y en qué casos no le conviene
La parte tres dice que la pregunta que un proveedor no puede fingir es en qué condiciones le recomendaría no comprarle. Las nuestras son dos, y no descalifica ni el tamaño del catálogo, ni la falta de un ERP, ni el volumen bajo: quien cotiza pocas veces pero arma soluciones de varios productos y servicios es de los mejores casos, porque ahí el cuello de botella no es el reloj, es que su ingeniero no puede saberse el portafolio completo.
Si en su operación nadie tiene que decidir nada, porque llega un código y se surte sin entender para qué se va a usar, no hay criterio que institucionalizar. Y si nadie va a ser dueño del número que se acuerde mover, porque sin eso no hay forma de saber si funcionó, y es lo que más proyectos tumba según la evidencia de la parte tres.
Lo que sigue es cómo se ve la operación cuando sí encaja.
Cómo se ve un martes cualquiera con Peaking en producción
Ninguna de estas filas es una promesa de porcentaje. Son estados observables: o la solicitud de las siete y media de la noche está contestada cuando entra, o no lo está.
El momento
Cómo es hoy
Con Peaking en producción
Entra una solicitud por mensajería, con foto y sin número de parte
Espera en el teléfono de alguien hasta que pueda atenderla
Está leída, entendida y devuelta con las preguntas que faltaban
El mejor especialista está en junta, en carretera o de vacaciones
Las solicitudes de ese día esperan a que regrese
Avanzan sin esperarlo: las preguntas que él haría ya están cargadas
Llega un pedido a las 7:40 de la noche, o en sábado
Se contesta el siguiente día hábil
Se contesta cuando entra
Hay que armar una propuesta de varios productos y servicios
Se arma con la parte del catálogo que esa persona recuerda
Se arma contra el portafolio completo
El caso es raro y no hay certeza
Se cotiza de todos modos, o se pierde
Se detiene y se escala a una persona con lo que ya se levantó
El lunes el director pregunta qué pasó la semana pasada
Se pregunta a tres personas y alguien arma una hoja
Está en el ERP: cada cotización se escribió ahí
Lo que sí cambia
Cuántas solicitudes se contestan, en cuánto tiempo, con cuánto del catálogo adentro, con qué condición de crédito, y cuántas quedan escritas donde se pueden medir.
Lo que no cambia
Quién tiene la relación, quién pone el criterio y quién cierra. Eso sigue siendo de su gente.
Y el número, cuando ya está corriendo. En una operación mexicana de protección contra incendio, los primeros cinco días en producción: 132,717 pesos cotizados a través de Peaking, sobre 25 cotizaciones, con 20% de conversión. A los sesenta días esa misma empresa cotizaba 23% más, por 37% más valor. Ese caso está completo en la página setenta y tres.
MIYA, protección contra incendio, México, con la línea base reconstruida antes de arrancar. Recuperó su costo en esos mismos cinco días.
Cuando el cliente sabe qué problema tiene, no qué producto necesita
Es el caso más común de la distribución técnica. Entra una necesidad descrita en palabras del cliente, y entre esa descripción y una cotización hay un trabajo de criterio que hoy hacen dos o tres personas.
Escucha
Por donde llegue: mensajería, llamada, correo, una foto de la pieza, un audio desde la planta, una lista en el formato de otro proveedor.
Pregunta
Para qué se va a usar, bajo qué condiciones, qué restricciones hay. Si faltan datos, los pide antes de proponer. No asume.
Decide
Contra el portafolio completo y contra los sistemas: existencia por sucursal, precio y condiciones de ese cliente, reglas del negocio.
Resuelve
Cotiza la solución y escribe en el sistema de la empresa. Deja algo que existe, no un texto que alguien tiene que recapturar.
La diferencia con lo que hay hoy en el mercado no es la velocidad. Es que entrega una solución en vez de despachar la línea que le pidieron.
Quien la revisa, la ajusta y la manda sigue siendo su especialista, en el modo de control que usted fije.
Cuando el cliente no compra una pieza, compra un resultado
En buena parte de la distribución técnica el cliente no compra una pieza: compra una instalación que funcione, una línea que no se pare, una adecuación completa. Y ahí quien arma la propuesta no es quien atiende la cuenta, es el ingeniero de la empresa.
Ese ingeniero sabe de ingeniería. Lo que no puede saber es el portafolio entero: miles de productos con sus variantes, más los servicios, más qué se combina con qué. Esa información es el insumo del proyecto, y hoy vive repartida entre catálogos, hojas técnicas, sistemas y la memoria de otras personas.
Aquí Peaking no sustituye al ingeniero. Va a su lado.
El ingeniero conserva el criterio técnico y la decisión. Peaking sostiene con él la misma conversación de descubrimiento que sostendría con un cliente, y le pone enfrente el portafolio completo mientras arma el proyecto.
Es copiloto de la necesidad, no reemplazo del que sabe. Y el resultado es que la propuesta se arma con todo el catálogo disponible, no con la parte que esa persona alcanzó a memorizar.
Para una empresa que vende soluciones, esa diferencia se mide en el alcance de la propuesta. Que es otra forma de decir ticket.
El software es la mitad. La otra es quién levanta cómo gana dinero su empresa.
Un sistema sin el contexto del negocio se derrumba, y dárselo triplica su desempeño. Ese contexto no se llena con un formulario: hay que sentarse a levantarlo con quien lo tiene en la cabeza.
Por eso el mercado no consigue a esta gente
Hace falta alguien que sepa las dos cosas a la vez: construir sistemas de IA en producción y haber vivido una operación industrial por dentro. Sobra quien sabe una; casi no existe quien sabe las dos.
1º
Las habilidades de IA son, por primera vez, las más difíciles de contratar del mundo
2,200
Vacantes de desarrollador de IA en todo México, en todo 2025
Y lo escaso no es cada mitad, es la combinación. Un estudio con 65 profesionales concluyó que los malentendidos sobre el propósito del proyecto causan más fracasos de IA que cualquier otro factor, por encima de los datos y de la madurez tecnológica.
Las principales compañías de inteligencia artificial del mundo adoptaron ese puesto entre 2025 y 2026, y las páginas anteriores lo documentan con fuentes públicas. Peaking asigna a cada proyecto un ingeniero responsable del resultado: hace el descubrimiento, levanta el estado actual del proceso comercial y operativo, y plantea dónde está el valor en esa empresa concreta.
ManpowerGroup 2026 · PwC 2026 · RAND, RRA2680-1 · Deloitte, N=3,235 · MIT NANDA, 52 entrevistas y 153 encuestas. Respaldo: comprar a un socio externo llega a producción el 67% de las veces contra 33% de construir en casa.
Cuatro cosas que un sistema tiene que aguantar para servir en esta industria
Construir para la distribución industrial mexicana obliga a diseñar contra cuatro condiciones que ningún estudio publicado describe, y que cualquier director de este sector va a reconocer de inmediato:
La solicitud sin número de parte no es la excepción, es el caso normal. Y todos los sistemas del mercado piden un código para empezar.
Casi ninguna llega completa. Llegan tres de siete datos, y hay que saber cuáles faltan para poder pedirlos.
Llegan por donde el cliente quiere: mensajería, correo, la foto de una pieza sobre una mesa, un audio, una hoja de cálculo con el formato de otro proveedor, una lista escrita a mano.
Y el mismo producto se pide de seis maneras distintas por seis clientes distintos, ninguna de ellas la del catálogo.
Nada de esto se resuelve pidiéndole al cliente que mande bien su solicitud. Se resuelve construyendo para que la solicitud pueda llegar como llega, y esa decisión hay que tomarla antes de escribir la primera línea de código. Es la diferencia entre un sistema pensado para esta industria y uno adaptado a ella.
Requisitos de diseño del producto, agosto de 2026. Son las condiciones contra las que se construyó y se prueba el sistema, no una medición del sector: ningún estudio publicado la ha levantado todavía en ningún país. La edición 2027 de este informe va a levantarla, con muestra y metodología abiertas.
Tres verticales distintas, con el mismo problema debajo: la necesidad llega descrita y hay que convertirla en una solución cotizable.
Automatización y material eléctrico
Más de 10,000 referencias y ticket de 5,000 a 500,000 pesos. La solicitud llega descrita, no codificada, y el trabajo es entender la aplicación para decidir qué del portafolio la resuelve.
Equipo de protección personal
De 2,000 a 3,000 referencias. Listas de obra completas que llegan por correo y por mensajería, con requisitos de norma que hay que verificar antes de poder cotizar.
Protección contra incendio
Venta de solución completa, donde el producto solo es una parte. Es MIYA, y a los sesenta días cotizaba 23% más por 37% más valor, sin reponer la vacante que originó el proyecto. El caso entero está en la página siguiente.
Cómo se midieron
Cada cifra de esta página tiene su línea base reconstruida con metodología escrita, levantada antes de arrancar. Es el mismo criterio que este informe le aplicó a toda la industria en las cincuenta páginas anteriores, y el mismo que conviene exigirle a cualquiera que le presente un caso de éxito.
Cifras de operación, tomadas del sistema de cada empresa y no de una encuesta. Los tres casos siguen corriendo hoy, y las tres empresas conservan su vertical real: aquí no se relabelea un caso para que encaje.
Se fue su especialista técnico comercial. No lo reemplazaron.
Sesenta días después cotizaban 23% más, y por 37% más valor.
+23%
cotizaciones emitidas en los primeros 60 días
+37%
valor total cotizado en los primeros 60 días
<2 min
por cotización, contra 3 o 4 horas antes
45 días
de arranque a producción, en tres sprints
MIYA · protección contra incendio, México · corre sobre Odoo y WhatsApp Business, en el mismo número al que sus clientes ya escribían. Su arranque es el de la página sesenta y siete.
Día cero
Se va quien sabía cotizar
Cotizar bien tomaba de tres a cuatro horas y exigía a alguien que se supiera el catálogo a fondo. Con una persona menos, la fila se alargó. Y eso no aparece en ningún reporte: el cliente que se cansa no avisa.
La decisión
No reponer la vacante
Lo natural era publicarla y esperar tres meses a que alguien llegara al mismo nivel. MIYA usó la baja para atacar el problema de fondo: no era la falta de una persona, era la dependencia de ella.
45 días
De arranque a producción
Tres sprints. Primero el catálogo ordenado, que es el paso del que depende todo lo demás. Encima corre el agente, sobre el mismo número al que sus clientes ya escribían, y sin migrar de ERP.
Día sesenta
El número se movió
23% más cotizaciones emitidas, y por 37% más valor. Menos de dos minutos cada una, contra las tres o cuatro horas de antes. Y la vacante sigue sin llenarse.
La decisión que definió el arranque
Se automatizaron primero las familias que concentran la mayoría de las consultas, y lo excepcional siguió pasando por una persona. Cubrir el catálogo entero desde el día uno habría retrasado meses el arranque para atender el 5% de los casos.
Y lo que pasa después de cotizar
La integración con el ERP no es un registro pasivo: crea el contacto, el prospecto y la cotización, llena las etiquetas con las que la operación segmenta y la manda por correo, todo desde el mismo flujo. Nadie recaptura nada.
Y la pregunta que todos hacen
La vacante nunca se llenó, y el equipo que quedó dejó de armar cotizaciones para revisarlas, atender lo que sí requiere criterio y trabajar las cuentas grandes. El equipo no creció; la capacidad comercial sí.
Cifras del sistema de MIYA, confirmadas por la empresa, con línea base reconstruida antes de arrancar. Recuperó su costo dentro de la primera semana. Aplíquele el filtro de la página veintidós: es arranque, no escala.
La mejor noticia de este informe es que casi nadie en su sector ha empezado.
La manufactura mexicana está en 4.8% de adopción, contra 19.1% del promedio de los países de la OCDE. Eso significa que la ventaja no está agotada, que el precio de entrada no ha subido, y que lo que su empresa haga en los próximos doce meses todavía se nota.
Y lo que hay que hacer está medido, no imaginado, y está en la parte tres: un proceso, comprado a un socio, noventa días, y un número acordado antes de empezar que salga de su sistema.
Ahí empieza la conversación con nosotros: una sesión corta para elegir ese proceso y ese número, con las cinco preguntas de la parte tres sobre la mesa. Sin comprar nada, y con lo que salga de ahí en sus manos aunque no vuelva a hablarnos.
Esa es la ventaja, y tiene fecha de caducidad. Lo que su empresa decida en los próximos doce meses todavía se nota.
Edición 2027: vamos a levantar la primera medición de la operación comercial de la distribución industrial mexicana. Si quiere que su empresa esté en la muestra, escríbanos.
