Desactiva el AdBlock para poder solicitar información a través del formulario.
Recibe Criterio Tech
La newsletter de EBIS Business Techschool. Cada 15 días, lo más relevante en tecnología e IA: noticias seleccionadas, contexto y análisis para entender lo que está pasando.
9 casos reales de empresas que ya usan IA y agentes en 2026
Publicado el
03/11/2026
Índice de Contenidos
La pregunta interesante en 2026 ya no es si una empresa utiliza IA, sino qué ha cambiado, cómo sabe que ha mejorado y quién responde cuando el sistema falla. Detrás de una demostración llamativa puede haber un resultado medible, una prueba limitada o una promesa comercial todavía sin verificar.
Estos nueve ejemplos reúnen empresas de distintos sectores. Algunos aplican IA generativa, otros automatizan partes del trabajo y unos pocos conectan la IA con acciones dentro de sus sistemas. Los tratamos como nueve casos de éxito con matices: lo valioso es entender qué hicieron, qué midieron y qué condiciones hicieron falta para conseguirlo.
¿Qué diferencia hay entre IA generativa, automatización y agentes?
Un asistente de IA generativa produce o resume contenido cuando alguien se lo pide. Una automatización ejecuta pasos y reglas predefinidos. Un sistema agéntico puede seleccionar herramientas, decidir una secuencia de acciones y actuar dentro de unos permisos definidos. Estas categorías se solapan, pero no son equivalentes. Tampoco toda experiencia conversacional con IA es un agente autónomo.
Los nueve casos de un vistazo
EmpresaSector y uso de la IAHerramientaResultado (y cómo leerlo) | 1. BCG | Consultoría: redactar, analizar y recomendar | GPT-4, en un estudio controlado | En las tareas adecuadas, un 12,2% más de trabajo, un 25,1% más rápido y más de un 40% más de calidad. Fuera de ellas, 19 puntos porcentuales menos de acierto. | 2. Morgan Stanley | Banca: buscar en documentación interna y resumir reuniones | AI @ Morgan Stanley Assistant y Debrief (OpenAI) | El 98% de los equipos de asesores usa el asistente. Es un dato de adopción, no de rentabilidad, y el asesor revisa cada borrador. | 3. Duolingo | Idiomas: practicar conversación | Roleplay y Video Call, en Duolingo Max | Funciones documentadas y extendidas a más idiomas y plataformas. No hay cifra pública de su efecto en las suscripciones. | 4. Mercado Libre | Software: escribir código | GitHub Copilot | Más de 9.000 desarrolladores lo usan y estiman un 50% menos de tiempo escribiendo código. Dato de proveedor y cliente, no del proyecto completo. | 5. Indeed | Empleo: explicar por qué una oferta encaja | Modelo GPT ajustado (OpenAI) | Un 20% más de solicitudes iniciadas y un 13% más de éxito posterior frente a la versión anterior del sistema. | 6. Lowe’s | Distribución: asesorar al cliente en la web y en tienda | Mylow y Mylow Companion (GPT-4o) | Desplegado en 1.700 tiendas. Quien usa Mylow convierte tres veces más, pero eso no prueba que la IA cause la venta. | 7. Instacart | Compra online: de buscar la receta al pago | App de Instacart dentro de ChatGPT | Busca productos, prepara el carrito y cobra sin salir del chat. Sin cifras públicas de uso ni de ventas. | 8. Intercom | Atención al cliente: resolver consultas | Agente Fin (OpenAI) | Cuenta como resuelta la consulta del cliente que se va sin pedir más ayuda. Antes de comparar tasas, revisa esa definición. | 9. Klarna | Atención al cliente: consultas frecuentes | Asistente propio con tecnología de OpenAI | Dos tercios de los chats en su primer mes y de 11 a menos de 2 minutos por consulta. En 2025 garantizó la opción de hablar con una persona.
Casos de IA generativa y productividadCaso 1. BCG: más velocidad no es igual a mejores decisiones
Problema. Buena parte del trabajo de consultoría consiste en redactar, analizar información y preparar recomendaciones contra reloj. Son tareas de texto y de síntesis, justo el terreno en el que un modelo de lenguaje demuestra mejores resultados.
Implantación. Investigadores de Harvard, MIT y otras universidades diseñaron un experimento con 758 consultores de Boston Consulting Group. Unos trabajaron con acceso a GPT-4 y otros sin él, sobre tareas realistas de la firma. Conviene leerlo como lo que es: un estudio controlado. BCG no desplegó la herramienta en toda la organización para medirla.
Resultado. En las tareas que el modelo resolvía bien, los consultores con IA completaron un 12,2% más de trabajo, lo hicieron un 25,1% más rápido y entregaron resultados más de un 40% mejores en calidad que el grupo sin IA, según los evaluadores. Después llegó la prueba trampa. Los investigadores plantearon una tarea compleja, elegida a propósito porque quedaba fuera de lo que el modelo hacía bien. Ahí los consultores con IA acertaron 19 puntos porcentuales menos que quienes trabajaron sin ella.
Límite. Los autores lo llaman una frontera irregular: la IA brilla en unas tareas y falla en otras que, a simple vista, parecen igual de difíciles. Y desde dentro no se nota dónde está la línea. Los consultores sabían usar la herramienta. Lo que les falló fue “el filtro”: una respuesta bien escrita y segura de sí misma los arrastró hacia un diagnóstico equivocado.
Qué copiar. Separa dos tipos de trabajo: síntesis, borradores y producción, donde la IA acelera sin apenas riesgo, de las decisiones que exigen comprobar datos o razonar sobre información incompleta, que necesitan una revisión independiente. Y mide calidad y errores además de tiempo, porque un equipo que va más rápido hacia la conclusión equivocada solo llega antes al problema.
Caso 2. Morgan Stanley: convertir documentos internos en respuestas útiles
Problema. Un asesor patrimonial responde a preguntas sobre productos, mercados y procedimientos que están repartidas en miles de documentos internos. Encontrar la versión correcta lleva tiempo, y responder a un cliente de memoria o improvisando puede salir caro.
Implantación. La firma lo resolvió en dos fases. Primero desplegó AI @ Morgan Stanley Assistant, un asistente basado en modelos de OpenAI que consulta la base de conocimiento interna; quedó disponible para toda la red de asesores en septiembre de 2023. Después lanzó Debrief, que toma notas durante las reuniones con clientes (siempre con su consentimiento), resume los puntos tratados, propone tareas, redacta un correo de seguimiento y guarda la nota en Salesforce. Para llegar ahí, el equipo probó cada caso de uso antes de desplegarlo con un sistema de evaluaciones: asesores y especialistas en prompts puntuaban la exactitud y la coherencia de los resúmenes, y cada día se pasaba una batería de preguntas de muestra para vigilar la calidad y el cumplimiento normativo. En paralelo, ajustó con OpenAI los métodos de recuperación documental hasta que el asistente pudo responder sobre un fondo de 100.000 documentos.
Resultado. Morgan Stanley comunicó que el 98% de sus equipos de asesores había adoptado Assistant. Es una cifra de uso. Acredita que la herramienta se ha integrado en el trabajo diario, pero no demuestra por sí sola rentabilidad ni mejores resultados para el cliente. En Debrief, el asesor revisa y edita el borrador antes de enviarlo, y la propia firma advierte de que el contenido generado puede ser inexacto o incompleto.
Límite. En un entorno regulado, la rapidez vale poco si la respuesta sale de una versión antigua de un documento o interpreta mal una condición financiera. Un error así llega al cliente con la firma de la entidad.
Qué copiar. Antes de abrir la IA a toda la organización, ordena las fuentes: qué documentos son vigentes, cuáles se retiran y quién los mantiene. Define permisos para que cada perfil consulte solo lo que le corresponde. Y prepara un conjunto fijo de preguntas con respuesta conocida para volver a pasarlo después de cada cambio de modelo, de documentos o de configuración. Con esto, la idea es detectar si la calidad baja antes de que lo detecte un cliente.
Caso 3. Duolingo: conversación con IA para millones de estudiantes
Problema. Saber vocabulario y gramática sirve de poco si te quedas en blanco cuando te toca hablar. La conversación con correcciones individuales es lo que más acelera el aprendizaje de un idioma, y también lo más caro de ofrecer a millones de usuarios, porque hasta ahora exigía una persona al otro lado.
Implantación. Duolingo incorporó dos experiencias basadas en IA a su suscripción Max. La primera, Roleplay, llegó con el lanzamiento de Max en marzo de 2023, construido sobre GPT-4: diálogos escritos con personajes de la aplicación en situaciones cotidianas, como un café o un aeropuerto, y al terminar, comentarios sobre lo que has escrito. Video Call va un paso más allá: una llamada con Lily, uno de sus personajes, que adapta la conversación al nivel del estudiante. Llegó primero a iOS y en enero de 2025 a Android, con inglés, español, francés, alemán, portugués e italiano.
Resultado. La empresa ha documentado cómo funcionan estas experiencias y cómo las ha ido extendiendo a más idiomas y plataformas. Lo que no ha publicado es todavía una cifra que respalde su efecto. Atribuir a Roleplay o a Video Call un porcentaje concreto del crecimiento de suscripciones sería, hoy en día, forzar los datos.
Límite. Para que una conversación simulada enseñe algo, tiene que ajustarse al nivel del estudiante, corregir con precisión lingüística y no reforzar errores. También hay un riesgo de producto: presentarla como sustituto universal de un docente. Practicar con un personaje ayuda a ganar soltura; diferente al acompañamiento de alguien que detecta por qué te equivocas.
Qué copiar. Empieza por un caso pequeño, acotado y repetible: practicar la respuesta a una objeción comercial, preparar una entrevista o ensayar una reunión en inglés. Valida que funciona con usuarios reales y luego amplía. Construir una experiencia de IA amplia antes de demostrar el primer caso es la forma más rápida de gastar presupuesto sin saber qué parte funciona.
Caso 4. Mercado Libre: la IA escribe el código y el equipo responde
Problema. Un equipo grande de ingeniería pierde muchas horas en tareas repetitivas: código de plantilla, pruebas que se parecen entre sí, buscar cómo se implementó algo parecido en otro repositorio. Mercado Libre tiene más de 10.000 desarrolladores y fusiona y despliega unas 100.000 pull requests al día. A ese volumen, cada minuto que se va en trabajo mecánico se multiplica.
Implantación. La empresa estandarizó su desarrollo sobre GitHub Enterprise y puso GitHub Copilot a disposición de toda su organización de ingeniería. Copilot no trabaja solo. Alrededor tiene automatización del despliegue y pruebas de seguridad: GitHub Advanced Security, con escaneo de secretos, revisa cada línea que se sube al repositorio y avisa al desarrollador de los problemas de seguridad antes de que lleguen a producción.
Resultado. Según la historia de cliente de GitHub, más de 9.000 desarrolladores usan Copilot, y la empresa estima que dedica en torno a un 50% menos de tiempo a escribir código. La cifra procede del vicepresidente de Tecnología, que calcula que necesita aproximadamente la mitad de tiempo para llegar al código correcto. Lee los datos con cautela: la publican el proveedor y el cliente, no es una evaluación independiente, y se refiere a la fase de escribir código, que es una parte del desarrollo: el tiempo total de un proyecto no se reduce a la mitad.
Límite. Escribir código es la parte más visible del trabajo de un desarrollador, y no siempre la más larga. El código que propone la IA hay que revisarlo, probarlo, asegurarlo y mantenerlo durante años. Si se genera más rápido de lo que el equipo puede revisar, el cuello de botella se desplaza a la revisión y la deuda técnica crece en silencio.
Qué copiar. Mide el ciclo completo: tiempo hasta producción, defectos detectados después del despliegue, tiempo de revisión y satisfacción del equipo. Y descarta como único indicador las líneas de código generadas por la IA. Cuentan cuánto escribe la herramienta y no dicen nada de si ese código funciona o no.
Caso 5. Indeed: explicar al candidato por qué encaja en una oferta
Problema. Un algoritmo puede acertar al recomendar una oferta de empleo y aun así fracasar. Si el candidato recibe la sugerencia sin contexto, la trata como un correo más y la ignora. Para que dé el paso de solicitarla tiene que ver por qué esa oferta encaja con su experiencia.
Implantación. Indeed tiene una función llamada Invite to Apply, que envía a los candidatos ofertas recomendadas a partir de su currículum. La empresa añadió a esas invitaciones una explicación personalizada, generada con modelos GPT de OpenAI, y la comparó con la versión anterior del sistema. Para hacerlo viable a su escala, ajustó un modelo más pequeño (con GPT-4 para generar datos de entrenamiento). Rendía de forma parecida y consumía en torno a un 60% menos de tokens. El volumen pasó de 1 millón a casi 20 millones de mensajes al día en unos meses.
Resultado. Según el caso publicado por OpenAI, los mensajes con explicación generaron un 20% más de solicitudes iniciadas que la versión anterior y un 13% más de lo que Indeed llama éxito posterior: empleadores que consideraron adecuados a los candidatos, lo que se tradujo en más contrataciones. El caso no detalla cómo se mide exactamente ese 13%.
Límite. Más solicitudes no significan mejor encaje. Si la explicación convence a candidatos que en realidad no encajan, el empleador recibe más ruido y el candidato acumula rechazos. Por eso la evaluación tiene que seguir hasta las entrevistas y las contrataciones. Quedarse en el clic premia los mensajes persuasivos, aunque no sean precisos.
Qué copiar. Formula la hipótesis en torno a un comportamiento concreto, aquí que el candidato entienda por qué la oferta encaja con su perfil, y contrástala con la alternativa que ya tienes en marcha. Antes de ampliar, comprueba también el coste por mensaje: a millones de envíos diarios, un modelo más pequeño y ajustado puede decidir si el caso es rentable.
Caso 6. Lowe's: llevar conocimiento experto al pasillo de una tienda
Problema. Una tienda de Lowe's puede superar los 12.000m² y vender decenas de miles de referencias. Ningún empleado domina todos los productos, las instalaciones y las compatibilidades por las que pregunta un cliente, y menos un trabajador de temporada o recién incorporado.
Implantación. Lowe's desarrolló dos herramientas sobre GPT-4o. Mylow es un asesor conversacional en su web: guía paso a paso al cliente, le recomienda productos y le enlaza a tutoriales. Mylow Companion es una aplicación móvil para los empleados de tienda, que resuelve dudas sobre productos, instalación, disponibilidad y compatibilidad. Ya está desplegada en sus 1.700 tiendas, y más de la mitad de las consultas se hacen por voz. Para diseñarla, los equipos de producto e ingeniería recorrieron las tiendas y observaron a los empleados trabajar en los pasillos. La herramienta orienta y el empleado sigue decidiendo qué consejo dar al cliente.
Resultado. En la presentación de resultados del segundo trimestre (agosto de 2026), el consejero delegado de Lowe's afirmó que la tasa de conversión de los clientes que usan Mylow en la web triplica la de quienes no lo usan, y que entre las dos herramientas han respondido unos 25 millones de preguntas desde su lanzamiento. En el trimestre anterior, la empresa vinculó Mylow Companion a una mejora del 2% en la satisfacción del cliente en tienda cuando se usa.
Límite. Esa diferencia de conversión no prueba que Mylow cause las ventas. Quien abre el asistente para preguntar cómo instalar un grifo probablemente ya estaba más cerca de comprar que quien solo mira el catálogo. Sin un grupo de control comparable, es complicado extrapolar los datos y establecer porcentajes reales.
Qué copiar. Observa el trabajo real antes de diseñar: qué pregunta el cliente, dónde se atasca el empleado, cuándo tiene las manos ocupadas y necesita hablar en lugar de teclear. Y mide por separado el uso, la satisfacción, las dudas resueltas y la conversión. Cada métrica responde a una pregunta distinta, y mezclarlas en una sola cifra esconde dónde falla la herramienta.
Problema. Cocinar algo nuevo suele empezar en un sitio y terminar en otro. Buscas la receta en una web o le pides ideas a un asistente, apuntas los ingredientes, abres la aplicación del supermercado, los buscas uno a uno y pagas. Son tres o cuatro pantallas para una sola intención, y en cada salto parte de la gente abandona.
Implantación. En diciembre de 2025, Instacart lanzó su aplicación dentro de ChatGPT. Fue la primera en ofrecer el pago completo sin salir de la conversación, con el Agentic Commerce Protocol de OpenAI. El flujo es sencillo: el usuario pide, por ejemplo, ayuda para comprar los ingredientes de una tarta de manzana, se identifica con su cuenta de Instacart, y el agente busca los productos en tiendas cercanas y prepara un carrito. El usuario lo revisa antes de pagar. Después, Instacart asigna a un repartidor que hace la compra y la entrega.
Resultado. El anuncio documenta lo que la integración hace. No publica cifras de uso ni de ventas atribuibles a ella, así que, hoy por hoy, el caso sirve para entender el diseño innovador pero no para medir su impacto.
Límite. Cuando el agente pasa de recomendar a comprar, entran en juego cosas que una buena conversación no resuelve: si el producto está disponible en la tienda de tu barrio, si el precio es el que esperabas, si los sustitutos son aceptables y si de verdad has dado tu consentimiento para pagar.
Qué copiar. Elige un proceso concreto que hoy obliga a saltar entre sistemas y conéctalo de principio a fin. Diseña por separado las dos fases: el agente puede proponer con toda la autonomía que quieras, pero la ejecución de una transacción necesita identificación y una confirmación explícita de la persona.
Caso 8. Intercom: qué significa resolver una consulta
Problema. Un equipo de soporte recibe miles de preguntas al día, y buena parte se repite: dónde está mi pedido, cómo cambio la contraseña, cuándo me devuelven el dinero. Cuando el volumen sube, responder al mismo ritmo no siempre es viable y baja la calidad de la respuesta.
Implantación. Intercom desarrolla Fin, un agente de atención al cliente construido sobre modelos de OpenAI. Fin responde a partir de los contenidos de ayuda y de los sistemas de soporte de cada empresa y, cuando no tiene respuesta o detecta frustración, deriva la conversación a una persona.
Resultado. Según OpenAI (noviembre de 2025), Intercom ha pasado de tardar trimestres a tardar días en desarrollar nuevas funciones de producto. Ese dato mide lo rápido que Intercom mejora Fin. No dice cuántas consultas resuelve Fin a las empresas que lo usan.
Para eso hay que ir a la documentación de Intercom. La empresa cobra 0,99 dólares por cada consulta que Fin resuelve, así que ha tenido que definir qué cuenta como “resuelta”. Distingue dos casos:
Resolución confirmada: el cliente dice que la respuesta le ha servido (“gracias, era eso”).
Resolución supuesta: el cliente recibe la respuesta y se va sin pedir más ayuda.
Si el cliente vuelve más tarde a pedir ayuda en esa misma conversación, la resolución deja de contar y no se cobra.
Límite. La resolución supuesta da por hecho que quien no dice nada se fue satisfecho. Pero un cliente que se va contento y otro que se cansa y acaba llamando por teléfono cuentan igual: los dos se marcharon sin pedir más ayuda en el chat. Además, cada proveedor de agentes de atención define “resolución” a su manera.
Qué copiar. Revisa con regularidad una muestra de conversaciones marcadas como resueltas y comprueba si lo estaban de verdad. Cruza la métrica con reaperturas, contactos repetidos por otros canales y satisfacción. Y deja una salida clara a cada persona, visible desde el primer mensaje.
Caso 9. Klarna: la automatización también necesita una vía humana
Problema. Klarna, la fintech sueca de pagos aplazados, atiende a clientes en decenas de mercados e idiomas. Muchas consultas se repiten (devoluciones, pagos, reembolsos) y los tiempos de espera eran largos.
Implantación. A principios de 2024 lanzó en todo el mundo un asistente de atención al cliente basado en tecnología de OpenAI. Funciona 24 horas en 23 mercados y responde en más de 35 idiomas.
Resultado. Un mes después del lanzamiento, Klarna comunicó que el asistente había mantenido 2,3 millones de conversaciones, dos tercios de sus chats de atención al cliente. El tiempo para resolver una consulta bajó de 11 minutos a menos de 2, las consultas repetidas cayeron un 25% y la satisfacción quedó al mismo nivel que con agentes humanos. La empresa calculó que el asistente hacía el trabajo equivalente a 700 agentes a tiempo completo y estimó una mejora de beneficio de 40 millones de dólares en 2024. Conviene leer bien la cifra de los 700: es una equivalencia de carga de trabajo, no 700 despidos.
Evolución. En mayo de 2025, Klarna anunció que los clientes siempre podrían hablar con una persona si lo pedían, y empezó un piloto para contratar agentes en remoto con horario flexible. Su consejero delegado, Sebastian Siemiatkowski, reconoció que el coste había pesado demasiado como criterio de evaluación y que eso había bajado la calidad. El asistente sigue funcionando: según la empresa, todavía gestiona dos tercios de las consultas. Lo que cambió es el criterio de éxito, que ya no puede ser solo el ahorro.
Qué copiar. Antes de automatizar, clasifica las consultas. Unas se pueden resolver de forma automática, otras merecen atención especializada y algunas tienen que llegar a una persona (una reclamación delicada, un cliente en apuros). Decide desde el principio cómo vas a medir la satisfacción de quienes necesitan ayuda.
Los nueve casos son muy distintos. Hay un banco, una tienda de bricolaje, una plataforma de empleo y un servicio de soporte. Aun así, los que salen mejor parados comparten tres decisiones.
Empiezan por un problema concreto del día a día. Lowe’s quería que sus empleados respondieran mejor a las dudas de los clientes en la tienda. Morgan Stanley necesitaba que sus asesores encontraran el documento correcto entre miles. Indeed quería que el candidato entendiera por qué una oferta encaja o no con su perfil. En los tres casos, la IA llegó como respuesta a una pregunta operativa que ya existía, con un antes y un después que se podía medir.
Separan lo que mide uso de lo que mide resultado. Que 9.000 desarrolladores de Mercado Libre usen Copilot dice que la herramienta se ha adoptado. No dice cuánto software útil se entrega de más. Y que los clientes de Lowe’s que usan Mylow conviertan tres veces más tampoco prueba que la IA cause esas ventas, porque quien pregunta suele estar ya más cerca de comprar. Antes de celebrar una cifra, pregunta qué se está comparando con qué.
Deciden desde el principio dónde revisa una persona. Un error no cuesta lo mismo en todos los procesos. Si falla un borrador de código, lo detecta la revisión. Si falla una compra, lo paga el cliente. Si falla una respuesta financiera, la firma responde ante el regulador. Por eso los casos que funcionan fijan desde el diseño en qué punto aprueba alguien, a quién se deriva y cuándo. Klarna lo aprendió sobre la marcha y en 2025 tuvo que garantizar que siempre hubiera una persona disponible.
¿Cómo encontrar tu primer caso de uso de IA en cinco pasos?
Describe el proceso actual sin mencionar una herramienta: quién lo inicia, qué datos consulta, qué decisión toma y dónde pierde tiempo.
Elige una tarea frecuente y de riesgo controlable. Una respuesta a consultas repetidas suele ser mejor piloto que automatizar una decisión legal o financiera.
Registra una línea base: minutos por tarea, errores, consultas reabiertas, satisfacción o conversión, según corresponda.
Decide el nivel de autonomía: asistente que propone, automatización con reglas o agente que ejecuta acciones sujetas a permisos y confirmaciones.
Compara resultados con la misma definición y revisa los casos fallidos antes de ampliar la iniciativa.
Cómo preparar equipos para aplicar IA con criterio
¿Qué empresas utilizan IA en España? Hay ejemplos en banca, telecomunicaciones, distribución y servicios, pero conviene evaluar cada aplicación concreta en vez de asumir que una empresa “utiliza agentes” porque emplea IA en alguna actividad.
¿Qué casos de uso son más sencillos para una pyme? Búsqueda en documentación interna, clasificación de solicitudes, resúmenes de reuniones y borradores para revisión. La sencillez depende de la calidad y sensibilidad de los datos.
¿Toda automatización con IA es un agente? No. Un flujo fijo que copia datos entre aplicaciones no necesita autonomía agéntica. Introducir un agente solo tiene sentido cuando debe interpretar información variable o seleccionar acciones con límites bien definidos.
¿Cuánto cuesta implantar un caso? Además de licencias deben presupuestarse integración, preparación de datos, revisión humana, pruebas, mantenimiento y seguimiento. El coste por tarea correctamente resuelta suele orientar más que el precio aislado de una licencia.
¿Qué debería medirse para calcular el retorno? Coste completo frente a una línea base comparable. Si se liberan horas, también importa comprobar a qué trabajo se destinan. Si se busca mejor experiencia, hay que medir calidad, satisfacción y conversiones, no únicamente velocidad.
Nota editorial de fuentes: las cifras de empresas y proveedores se identifican como resultados comunicados por ellos, no como auditorías independientes. Los casos se han seleccionado por la evidencia pública disponible hasta octubre de 2026.
