Por qué escalar la IA es el próximo reto de los bienes de consumo

Rashi Kacker

11-12-2026

Un equipo de marca puede lanzar un piloto de contenido generativo. Un equipo de marketing para compradores puede estar creando segmentos de audiencia asistidos por IA para una campaña de medios minoristas. En otro rincón de la organización, un equipo con visión digital prueba un nuevo caso de uso de comercio o previsión. Cada iniciativa parece un avance y, en sus propios términos, lo es. Sin embargo, con demasiada frecuencia, un año después, lo que queda es un puñado de buenos experimentos que, lamentablemente, nunca se convirtieron en capacidades organizacionales.

Adobe trabajó con Incisiv para encuestar a 5 633 ejecutivos de 12 industrias y 11 mercados, entre ellos 521 del sector de bienes de consumo. La conclusión clave para los profesionales del marketing líderes en bienes de consumo: la restricción casi nunca es el modelo. El problema está en lo que le ocurre a un buen caso de uso en el momento en que necesita algo fuera del equipo que lo creó.

La meta no está solo en tus manos

El 61 % de los encuestados de bienes de consumo se encuentra en lo que la investigación denomina “la zona intermedia estancada”: la IA está activa en funciones individuales, pero la coordinación necesaria para expandir ese éxito entre equipos todavía no ha madurado. Todas las demás industrias del estudio presentan alguna versión de esa brecha. En bienes de consumo, la brecha es más pronunciada, porque gran parte del valor se genera más allá de los límites de la propia marca.

Tomemos un caso de uso de medios minoristas. Internamente, involucra a líderes de marca y de cartera, equipos de comercio electrónico, de marketing para compradores y de medios minoristas, ventas, y datos y tecnología; externamente, llega a editores de medios, socios minoristas, distribuidores y marketplaces. Ninguno de ellos opera con los mismos sistemas, reporta al mismo P&L ni trabaja con el mismo calendario. Un flujo de trabajo que funciona sin problemas dentro de la empresa se paraliza en el momento en que necesita la aprobación de intercambio de datos de un minorista en un plazo que no controlas. Eso no es un problema de implementación, sino de diseño, y la mayoría de las organizaciones de productos de consumo envasados todavía no ha diseñado sus operaciones para hacerle frente.

Nadie tiene las riendas

Solo el 16 % de los encuestados de bienes de consumo cuenta con un responsable formal de IA que tiene un título real y autoridad presupuestaria. En todos los demás casos, hay un comité, una asignación por proyecto o simplemente nadie. Los comités son útiles para aportar ideas, pero son muy poco eficaces en lo que realmente necesita un caso de uso entre partners: alguien que tome una decisión vinculante cuando marketing, legal, privacidad, seguridad y el equipo de datos de un minorista exigen cosas ligeramente distintas.

El embudo de aprobación revela el coste real. De cada 100 casos de uso de IA propuestos en bienes de consumo, solo 15 llegan a producción. La mayor pérdida absoluta ocurre de inmediato en la etapa de evaluación de TI. La deserción proporcional más pronunciada llega después, cuando las ideas avanzan por las fases de integración, presupuesto y preparación para producción. La investigación no explica por qué se descartó cada caso de uso, pero el patrón expone el coste de descubrir demasiado tarde las preguntas sobre viabilidad y dependencias. Ninguno de los dos patrones es un argumento para aligerar la revisión. Ambos son un argumento para identificar los datos, los permisos y el responsable antes de que una propuesta pase tres meses demostrando su inviabilidad.

La costumbre de pasarse la pelota

El 76 % de los encuestados de bienes de consumo sigue gestionando negocio y TI a través de relaciones en silos, transaccionales o de consultoría. El negocio es dueño del resultado; TI recibe la solicitud o asesora sobre ella. Lo que rara vez ocurre es que ambos compartan la responsabilidad del resultado.

Ese modelo fue pensado para ciclos de planificación más largos. La IA no tiene paciencia. Las preguntas sobre acceso a datos, integración, gobernanza y medición aparecen de forma simultánea y necesitan respuestas en conjunto. Los consejos ayudan, pero la responsabilidad compartida funciona de otra manera.

Medir a posteriori solo mide el ruido

Solo el 12 % de los encuestados de bienes de consumo mide de forma integral el retorno de la IA. La mayoría sigue lo más sencillo: horas ahorradas, volumen de contenido o públicos creados. Útil, sin duda, pero ninguna de estas métricas revela si un caso de uso impulsó la penetración en el hogar, la tasa de compra o el margen bruto. Y una vez que un flujo de trabajo está en marcha, los precios cambian, las promociones se ejecutan, la distribución se modifica, las campañas de medios terminan, y aislar la contribución de la IA de todo eso se vuelve prácticamente imposible. Las organizaciones capaces de tomar decisiones de inversión sólidas establecen la línea de base antes del lanzamiento, no después.

Lo que realmente hace el 6 % superior

El estudio identificó 342 líderes en los 12 sectores analizados, que representan el 6 % superior de los encuestados activos según la madurez de su modelo operativo y la etapa de despliegue. No es un grupo exclusivo de bienes de consumo, y la investigación no sostiene que estos comportamientos sean la causa del escalado. Pero la comparación es reveladora. Cinco comportamientos aparecen con mucha mayor frecuencia entre los líderes:

Ninguno de estos aspectos implica una compra tecnológica. Son decisiones organizacionales que se refuerzan mutuamente: un responsable con autoridad real es lo que hace posible un OKR compartido; un OKR compartido convierte la medición desde el primer día en una responsabilidad conjunta, no en una reflexión a posteriori; y un promotor que muestra a un colega cómo funciona realmente un flujo de trabajo impulsa la adopción más rápido que cualquier reunión general.

Construye la organización antes de que los casos de uso se multipliquen

El sector de bienes de consumo todavía está a tiempo de hacerlo bien.

La experimentación con IA se expandirá. Más equipos de marca recurrirán a la IA generativa. Más equipos de comercio, de compradores, de medios, de datos y operativos encontrarán aplicaciones que vale la pena desarrollar. La pregunta es si cada nuevo caso de uso tendrá que resolver desde cero los temas de propiedad, acceso a datos, medición, gobernanza y coordinación con socios.

Las organizaciones que responden esas preguntas ahora tienen la oportunidad de hacer que la próxima ola de adopción de IA sea muy diferente a la primera.

El modelo cambiará. Los casos de uso también cambiarán. Lo que no cambiará son las preguntas que hay que responder: ¿Quién es responsable del resultado? ¿Cómo se va a medir? ¿Qué equipos y socios deben involucrarse desde el inicio? ¿Y qué condiciones deben cumplirse antes de que esto vaya más allá de un experimento?

Ahí es donde empieza realmente la preparación para la IA en bienes de consumo.

Lee el informe completo para ver en qué punto se encuentran las organizaciones de bienes de consumo y qué hicieron diferente los líderes.

Te recomendamos

https://business.adobe.com/fragments/resources/cards/thank-you-collections/consumer-goods