La pregunta ya no es cuántos datos tienes, sino cuánto tardas en convertirlos en una decisión.
LA VIEJA REGLA Y POR QUÉ SE DIO VUELTA
Durante años, la regla de oro de la analítica digital fue una proporción simple: gastar 10% del presupuesto en herramientas y 90% en las personas que las hacían útiles. La lógica era impecable para su época. Comprar una plataforma de analítica era fácil, lo difícil y escaso era el talento capaz de extraer los datos, limpiarlos, cruzarlos y convertirlos en una recomendación. El cuello de botella era humano, así que ahí iba el grueso de la inversión.
La IA dio vuelta esa ecuación. Hoy buena parte del trabajo que antes consumía a un analista, extraer, ordenar, graficar, detectar patrones, lo hace una máquina en segundos. El nuevo reparto se parece más a 10% en unos pocos estrategas brillantes y 90% en activación de IA, con un detalle que cambia la conversación con Finanzas: la inversión total tiende a bajar, no a subir. No es un recorte de equipo disfrazado, es un cambio de dónde está el valor, y entenderlo mal es lo que lleva a las dos reacciones equivocadas, despedir analistas o ignorar la IA.
EL ENEMIGO INVISIBLE: LA LATENCIA DEL INSIGHT
El verdadero costo de la analítica tradicional nunca fue el precio de la herramienta, fue el tiempo. Entre que algo ocurre en el Negocio y que alguien lo nota, lo explica y actúa, pueden pasar semanas. A esa demora se le puede llamar latencia del insight, y es uno de los costos más caros y menos visibles del Marketing, porque no aparece en ninguna factura. Es la venta que no se hizo, la campaña que siguió quemando presupuesto tres semanas de más, el segmento que se enfrió antes de que alguien lo notara.
La IA ataca exactamente ese punto. Comprime de semanas a horas, a veces a minutos, el camino entre el dato y la decisión. Y ese, no el ahorro en sueldos, es el verdadero retorno. En un mercado que se mueve rápido, la diferencia entre reaccionar hoy y reaccionar en tres semanas no es de eficiencia, es de resultado. El dato dejó de ser el activo escaso, porque hoy sobran. El activo escaso es la velocidad para actuar sobre él antes de que la oportunidad se cierre.
EL NUEVO REPARTO: 10% CRITERIO, 90% ACTIVACIÓN
Conviene detenerse en qué significa el nuevo 10%. No es menos importante por ser más chico, es exactamente al revés. Cuando la máquina se encarga del 90% de la activación, el 10% humano se vuelve el factor decisivo, porque es donde se define qué pregunta vale la pena responder, qué hipótesis probar y qué hacer con lo que la IA descubre. Una IA puede encontrar mil patrones, pero no sabe cuál de ellos importa para el P&L de este trimestre, ni asume la responsabilidad de la apuesta. Eso sigue siendo humano, y es el trabajo mejor pagado del nuevo esquema.
Por eso el error de leer este cambio como reemplazar gente por software es tan costoso. La organización que despide a su gente de analítica y compra una herramienta se queda con el 90% de activación y sin el 10% de criterio que lo dirige, que es como tener un auto de carrera sin piloto. Y la que ignora la IA para proteger a su equipo lo condena a gastar su talento en tareas que una máquina hace mejor. El nuevo 10/90 no es un dilema entre personas y máquinas, es una nueva división del trabajo entre ambas.
DE REPORTERO A ESTRATEGA
El temor más entendible es que la IA reemplace al equipo de analítica. Lo que se observa en la práctica es distinto: lo reubica. Cuando la máquina absorbe el trabajo de extraer y graficar, la persona deja de ser reportera y pasa a ser estratega, que es donde siempre estuvo su valor real pero rara vez su tiempo. El analista ya no entrega un gráfico para que otro lo interprete, entrega una decisión defendible, con su recomendación y su nivel de confianza.
Ese cambio eleva el rol en vez de borrarlo. Reportar es una tarea de bajo apalancamiento, cualquiera la consume y nadie la recuerda. Decidir bien, en cambio, es de altísimo apalancamiento, porque mueve presupuesto y resultados. La IA, al quitarle al humano la parte mecánica, lo empuja hacia arriba en la cadena de valor. La pregunta para el líder no es si su equipo de datos va a desaparecer, es si lo va a ayudar a subir de reportero a estratega o lo va a dejar atrapado produciendo dashboards que una máquina ya hace sola.
LO QUE YA SE PUEDE HACER HOY
Nada de esto es futurología, es práctica disponible. La modelación de propensión bien hecha, es decir, predecir quién va a comprar antes de gastar en él, levanta la conversión entre 35% y 60% y baja el costo de adquisición entre 20% y 35%, porque concentra la inversión en la demanda real en vez de repartirla parejo. No es un truco nuevo, es la misma idea de siempre, hacerle caso a quien tiene más probabilidad de comprar, pero ahora a una escala y velocidad que antes era imposible.
El análisis de voz del cliente es otro ejemplo. Procesar a escala miles de comentarios, reseñas y conversaciones revela cosas que ninguna encuesta captura, como que cierto atributo mencionado espontáneamente se asocia a un valor de vida del cliente varias veces mayor. La segmentación no supervisada encuentra grupos de clientes que nadie había definido a mano, y que muchas veces convierten mejor cuando se les habla distinto. Ninguna de estas cosas es magia, son análisis que siempre quisimos hacer y que la latencia volvía inviables. La IA simplemente los puso al alcance.
CÓMO SE EMPIEZA, SIN ROMPER NADA
El cambio no exige refundar el área de un día para otro, exige empezar por un caso. La forma más sana de adoptarlo es elegir una decisión recurrente y costosa, por ejemplo a qué segmentos dirigir el próximo presupuesto, y montar ahí el nuevo flujo: la IA hace el trabajo pesado de detectar patrones y proponer, y el equipo se queda con la decisión y la responsabilidad. Un solo caso bien hecho demuestra el valor sin pedirle a nadie un acto de fe, y se vuelve la plantilla para el siguiente.
Ese enfoque, empezar chico, probar el valor y escalar, es además el que mejor protege al equipo. Nadie pierde su trabajo de un día para otro, lo que cambia es en qué lo usa. El analista que antes pasaba el lunes armando el reporte semanal ahora lo dedica a interpretar lo que la IA ya dejó listo y a recomendar una acción. El rol no se vacía, se llena de lo que siempre debió ser, criterio sobre el Negocio.
EL RIESGO REAL NO ES LA IA, ES NO MOVERSE
Hay una tentación de esperar, de dejar que la tecnología madure antes de comprometerse. El problema es que la ventaja de esto se acumula. La organización que empieza hoy a reducir su latencia del insight no solo decide más rápido, aprende más rápido, porque cada ciclo de decisión más corto es un ciclo de aprendizaje más corto. En un año, la distancia entre quien adoptó esta forma de trabajar y quien la pospuso no es lineal, es compuesta.
Por eso el riesgo real no es adoptar la IA y equivocarse, es quedarse mirando. Una empresa que sigue destinando el 90% de su energía analítica a producir reportes del pasado está peleando con una mano atada contra competidores que ya usan ese tiempo para decidir el futuro. La tecnología, además, hoy la tiene cualquiera, así que la ventaja no está en tener la herramienta, está en haber reorganizado el trabajo alrededor de ella antes que el resto.
NATIVO EN NEGOCIO, POTENCIADO POR IA
El punto de fondo no es adoptar IA por moda, es usarla donde de verdad mueve el Negocio: menos tiempo reportando lo que ya pasó, más tiempo decidiendo lo que viene. Esa es la diferencia entre una empresa que usa IA para hacer lo mismo un poco más barato y una que la usa para cambiar la velocidad a la que aprende y decide. La primera ahorra, la segunda compite distinto.
Ahí está, en una frase, lo que significa ser nativo en Negocio y potenciado por IA. La IA se encarga de la activación, a escala y sin latencia. El criterio senior se encarga de la dirección, de elegir las preguntas que importan y de responder por las apuestas. La ventaja nunca estuvo en la herramienta, que hoy es de todos. Está en saber exactamente hacia dónde apuntarla, y en haber reubicado al equipo para que pase su mejor tiempo decidiendo, no reportando.