En 1993, dos investigadores de marketing, Peter Golder y Gerard Tellis, hicieron algo que pocos se habían tomado la molestia de hacer: revisaron archivos históricos de unas 500 marcas en 50 categorías de producto para ver qué había pasado con los pioneros, los que llegaron primero. El resultado incomodó a más de un manual de estrategia. Cerca de la mitad de esos pioneros (47%) había fracasado, y su participación de mercado promedio era de apenas 10%. Los que terminaron liderando sus categorías solían ser «líderes tempranos» que entraron en promedio 13 años después (Golder y Tellis, Journal of Marketing Research).
Vale la pena tener ese estudio a mano ahora que la «economía agéntica» se instala en directorios, columnas y presentaciones de proveedores. La hipótesis que circula tiene tres partes: los agentes de IA van a cambiar cómo operan las empresas; las que entren antes obtendrán ventajas de pionero; y, como la tecnología se va a masificar, la diferencia de largo plazo no estará en la calidad o el precio, sino en otras barreras, como los datos. Cada parte merece una revisión por separado.
Primera parte: ¿habrá economía agéntica?
Todo indica que sí, aunque más lento y más desigual de lo que sugiere el entusiasmo. La encuesta global de McKinsey de 2026, con 1.719 participantes en 97 países, muestra que 40% de los encuestados de organizaciones grandes (más de US$1.000 millones en ventas) dice estar escalando agentes de IA, frente a 27% un año antes. En las organizaciones más pequeñas, esa cifra se quedó estancada en 22% (McKinsey, The state of AI in 2026).
El mismo informe trae el dato que enfría la conversación: la proporción de encuestados que atribuye al menos algún impacto en el EBIT al uso de IA no se movió y sigue en 37%. Los llamados «high performers», los que atribuyen 5% o más de su EBIT a la IA, siguen siendo cerca de 6% del total. Hay adopción, pero el resultado financiero todavía se concentra en pocos.
En el artículo El jefe de diez agentes revisamos cómo eso cambia el organigrama. Aquí la pregunta es otra: si casi todos van a terminar usando agentes, ¿quién gana algo por haber partido antes?
Segunda parte: dónde llegar primero sí sirve
La literatura académica es más matizada que el eslogan. En un trabajo clásico, Marvin Lieberman y David Montgomery identificaron tres fuentes de ventaja del pionero: liderazgo tecnológico (curvas de aprendizaje, patentes), apropiación de activos escasos (ubicaciones, proveedores, talento) y costos de cambio para el cliente. También describieron las desventajas: el seguidor aprovecha la inversión del pionero, aprende de sus errores y entra cuando la tecnología y la demanda ya están más claras (Lieberman y Montgomery, Strategic Management Journal).
Llevado a agentes, el primer motor de ventaja, la tecnología, parece débil. El AI Index 2025 de Stanford calcula que el costo de inferencia de un sistema con el desempeño de GPT-3.5 cayó más de 280 veces entre noviembre de 2022 y octubre de 2024, y que la distancia entre modelos abiertos y cerrados bajó de 8% a 1,7% en algunos benchmarks en un solo año. La diferencia entre el primer y el décimo modelo del ranking se redujo de 11,9% a 5,4% (Stanford HAI, AI Index 2025). Si el modelo que usas hoy será más barato y estará disponible para tu competencia mañana, no es ahí donde se construye la ventaja.
El aprendizaje organizacional es otra historia. Lo que McKinsey separa de los demás en los high performers no es el modelo, sino el rediseño: casi tres de cada cuatro reportan haber rediseñado de fondo sus flujos de trabajo por la IA, contra uno de cada cuatro en el resto. BCG llega a algo parecido. En su estudio de 2025 con 1.250 ejecutivos, 5% de las empresas califican como «future-built», y frente a las rezagadas muestran 1,7 veces más crecimiento de ingresos y 1,6 veces más margen EBIT (BCG). Hay que leer ese dato con cuidado: es una correlación, y las empresas que ya eran buenas probablemente adoptan antes. Pero sugiere que lo acumulable es la práctica, no la herramienta.
Ese es el punto en que la hipótesis acierta. Un agente que aprende de miles de casos de tu empresa, con tus excepciones y tus clientes, mejora con el uso. Quien empezó antes tiene más casos resueltos, más reglas afinadas y un equipo que ya sabe supervisar. Eso no se compra en una suscripción.
Tercera parte: dónde se cae
Hay al menos tres razones para desconfiar de la ventaja de pionero en esta ola.
La primera es la del estudio de Golder y Tellis: el pionero paga por educar al mercado y por equivocarse en público. Con agentes, los errores tienen costo real. En el artículo del lunes mencionamos el caso de Klarna, que tuvo que volver a sumar personas a su atención al cliente después de apostar fuerte por la automatización.
La segunda es que el seguidor rápido hoy compra madurez. Los proveedores empaquetan lo que aprendieron con sus primeros clientes y lo venden a todos. Una pyme de Lima que contrate en 2027 un agente de cobranza probablemente obtenga un producto mejor y más barato que el que pudo armar un pionero en 2025.
La tercera la planteó Nicholas Carr en Harvard Business Review en 2003, a propósito de la informática: cuando una tecnología se vuelve infraestructura compartida, deja de ser fuente de ventaja y pasa a ser un costo de operación, como la electricidad (Carr, HBR). Carr exageró en varios puntos, pero su lógica aplica bien a los modelos de lenguaje: lo que todos pueden comprar no diferencia a nadie.
Cuarta parte: si no es calidad-precio, ¿qué es?
Aquí la hipótesis apunta en la dirección correcta, aunque «los datos» es una respuesta demasiado amplia. No todos los datos sirven. Los que protegen tienen tres rasgos: son propios, se renuevan con la operación y están conectados a una decisión. El historial de pagos de los clientes de una distribuidora en Guadalajara vale más que mil documentos genéricos, porque alimenta una decisión concreta (a quién dar crédito) y crece cada mes.
Junto a los datos aparecen otras barreras que no tienen que ver con calidad ni con precio.
Los flujos de trabajo integrados. Cuando el agente está metido en el ERP, el WhatsApp de ventas y la facturación electrónica, cambiar de proveedor deja de ser trivial para el cliente.
La confianza. Gartner proyecta que en 2029 los agentes resolverán de forma autónoma 80% de los problemas comunes de servicio al cliente, y advierte que las empresas tendrán que atender cada vez más a «clientes máquina», agentes que negocian o cancelan en nombre de una persona (Gartner). En ese escenario, a quién le delega un cliente su compra o su reclamo pasa a ser una ventaja en sí misma.
La regulación y la gobernanza. El Índice Latinoamericano de IA 2025 de CEPAL y CENIA ubica a Chile (70,5 puntos), Brasil y Uruguay como «pioneros» regionales, y atribuye parte del liderazgo chileno a la disponibilidad de datos y a una gobernanza sólida en protección de datos personales (CENIA). Para una empresa, operar con datos de clientes de manera ordenada y auditable puede volverse una barrera de entrada a medida que las leyes de datos se endurecen en la región.
Y la distribución: la relación directa con el cliente, la marca local, el vendedor que conoce el rubro. Un agente puede escribir la cotización, pero el cliente de una ferretería en Rosario sigue comprándole a quien confía.
Un veredicto con matices
La hipótesis se sostiene en dos de sus tres partes. La economía agéntica avanza, aunque concentrada en empresas grandes, y la diferenciación de largo plazo probablemente no estará en la tecnología, que se abarata y se iguala. Donde conviene ajustar es en la idea de «llegar primero». Lo que da ventaja no es la fecha de entrada, sino lo que se acumula después: casos resueltos, datos propios bien cuidados, procesos rediseñados y un equipo que sabe cuándo confiar en el agente y cuándo no.
Para una pyme, eso cambia la pregunta. Ya no es si llegar antes que la competencia, sino si cada mes de uso deja algo que la competencia no pueda copiar comprando la misma herramienta.
Fuentes
- Golder, P. y Tellis, G. (1993). Pioneer Advantage: Marketing Logic or Marketing Legend? Journal of Marketing Research. https://journals.sagepub.com/doi/10.1177/002224379303000203
- Lieberman, M. y Montgomery, D. (1988). First-mover advantages. Strategic Management Journal. https://onlinelibrary.wiley.com/doi/10.1002/smj.4250090706
- McKinsey (2026). The state of AI in 2026: On the road to ROI. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Stanford HAI (2025). AI Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- BCG (2025). The Widening AI Value Gap: Build for the Future 2025. https://www.bcg.com/press/30september2025-ai-leaders-outpace-laggards-revenue-growth-cost-savings
- Carr, N. (2003). IT Doesn’t Matter. Harvard Business Review. https://hbr.org/2003/05/it-doesnt-matter
- Gartner (2025). Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029. https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290
- CENIA y CEPAL (2025). ILIA 2025: Chile, Brasil y Uruguay vuelven a liderar en IA. https://cenia.cl/2025/10/03/ilia2025-chile-brasil-y-uruguay-vuelven-a-liderar-en-ia-e-instalan-fuerte-sentido-de-urgencia-para-acelerar-su-uso-en-la-region/
