Por qué la implementación es el nuevo cuello de botella de la AI empresarial

La implementación, no la calidad del modelo, es el cuello de botella de la AI empresarial en 2026. El 95% de los pilotos de GenAI empresarial no produce impacto medible en el P&L (MIT NANDA, ago 2025) y solo el 22% de las organizaciones ha escalado AI en varias unidades de negocio (Gartner, sep 2026). Los modelos mejoraron cada trimestre. Los resultados no los siguieron.

Los números, desde cuatro ángulos

Cuatro fuentes que no comparten metodología llegan al mismo lugar.

• MIT NANDA, The GenAI Divide (ago 2025): el 95% de los pilotos de GenAI empresarial no tiene impacto medible en el P&L. Las soluciones compradas a un proveedor tienen éxito en cerca del 67% de los casos; las construidas internamente, cerca del 33%.
• Gartner (1 sep 2026): solo el 22% de las organizaciones ha escalado AI en varias unidades de negocio, aunque el 85% de los líderes funcionales planea aumentar el gasto.
• Menlo Ventures (2025): de $37B de gasto empresarial en GenAI en 2025, el 76% se compró en lugar de construirse, y solo el 16% de los despliegues califica como agentes de verdad.
• McKinsey, The State of AI 2026: el 40% de las grandes empresas ya escala agentes, desde 27% un año antes, y el 32% decidió no comprar al menos una herramienta de software por la AI.

Leídos juntos: los presupuestos suben, las compras suben, y la proporción de empresas con un resultado medido no se mueve. La brecha no está en el modelo. Está en todo lo que lo rodea.

Por qué el modelo nunca es la razón

Cuando un piloto muere, el post-mortem rara vez dice que el modelo estaba mal. Dice que la integración con el ERP nunca se terminó. O que nadie era dueño del KPI, así que nadie pudo decir si el piloto funcionó. O que el agente corrió bien seis semanas y después se degradó, porque nadie le daba mantenimiento después de cerrar el proyecto.

El CTO de Ode, la empresa de despliegue de $1.5B que Anthropic lanzó con Blackstone, Hellman & Friedman y Goldman Sachs en 2026, lo resumió en una frase: la selección de modelo importa, pero no es donde se va la mayor parte del esfuerzo. El esfuerzo se va a contexto, integración, evals y gestión del cambio. Eso es trabajo de implementación.

El mercado ya lo está pagando

Sigue el dinero. Palantir, que construyó el modelo de Forward Deployed Engineer hace más de una década, reportó ingresos de $1,935M en el Q2 2026, +93% interanual, con su negocio comercial en Estados Unidos creciendo 149% (Business Wire, ago 2026). En mayo de 2026 OpenAI creó The Deployment Company con más de $4B de inversión inicial; Anthropic y sus socios siguieron con Ode y $1.5B. Las vacantes de FDE crecieron más de 1,000% interanual a inicios de 2026 (GetPerspective, 2026), y a16z abrió un programa de FDE Fellows en julio.

Ninguna de esas empresas vende un modelo. Venden el trabajo de poner modelos en producción dentro de los sistemas de alguien más. Ahí se movió el margen.

El contrapeso

El mismo mercado que financia la implementación también la está cancelando. Gartner predice que más del 40% de los proyectos de agentes se cancelará antes de finales de 2027 (jun 2025), acuñó el término agent washing al encontrar que solo unos 130 de miles de proveedores tienen agentes reales, y estima que apenas una cuarta parte de los casos de uso de AI en servicio al cliente produce ROI (ago 2026). Alvarez & Marsal documentó el costo estructural en abril de 2026: los negocios basados en FDEs tienen márgenes brutos más bajos y escalan linealmente con el headcount, salvo que conviertan el trabajo por cliente en producto con disciplina.

Entonces la implementación es donde está el valor y también donde están las fallas. No es una contradicción. Es la definición de un cuello de botella.

Está pasando en México, ahora

No es una ola lejana. Wonderful abrió Latinoamérica en marzo de 2026, México incluido, contratando Deployment Strategists y FDEs. Primero levantó $12M en agosto de 2026 y opera desde Ciudad de México. HappyRobot tiene FDEs en once ciudades, una de ellas Ciudad de México. El memo de General Catalyst sobre Primero lo dice sin rodeos: la AI empresarial es la primera categoría de software que se puede ganar a nivel regional, porque el trabajo de forward deployed engineering es fundamentalmente local.

Coincidimos con el memo. Además llevamos doce años haciendo la parte local, con 250+ ingenieros en siete países y 150+ clientes enterprise cuyos ERPs, CRMs y centros de contacto ya conocemos desde adentro (DaCodes, sep 2026). Quien busca agentes de AI para su empresa está buscando, en realidad, a quien los ponga a funcionar dentro de ella.

Qué significa esto si estás comprando

Cuatro cosas que le preguntaríamos a cualquier proveedor, nosotros incluidos.

• ¿A qué sistema de registro escribe el agente, y quién es dueño de esa integración después del go-live?
• ¿Qué KPI mueve el piloto, medido contra qué baseline, y qué pasa si no lo mueve?
• ¿Quién corre los evals cada semana cuando el equipo del proyecto se va?
• ¿Cuántas semanas de discovery a producción, y cuántos de tus últimos diez pilotos cumplieron ese número?

Nuestras respuestas: el agente vive dentro de tu ERP, CRM o core, en tu nube; el KPI se escribe en el contrato antes de empezar; los evals corren desde el día uno y continúan bajo un retainer; y un piloto llega a producción en 8 a 12 semanas. Hazle las mismas cuatro preguntas a todos y el mercado se vuelve mucho más pequeño.