Cuatro de cada diez equipos de marketing B2C ya operan con agentes de inteligencia artificial conversacional en al menos un canal, mientras que un 27% adicional se encuentra en fase de prueba. El problema no es la velocidad de adopción: es que solo el 19% de quienes los implementan puede rastrear de forma confiable las conversiones generadas por estos agentes hacia sus plataformas publicitarias. La brecha entre despliegue y medición se está convirtiendo en un riesgo estructural para la toma de decisiones basada en datos.

El punto ciego de la atribución

Casi tres cuartas partes de los equipos que utilizan o prueban agentes de IA no pueden seguir un lead desde el clic inicial hasta la conversión final. La desconexión más severa ocurre cuando ese lead se transfiere a un distribuidor, franquicia o punto de venta local: ahí se pierde el 56% de la atribución. Las interacciones por chat o texto representan otro 46% de pérdida, y las llamadas telefónicas un 40% adicional. Solo el 21% de los encuestados afirma poder analizar el recorrido completo hasta la venta.

Este escenario describe un ciclo de retroalimentación roto. Una campaña genera un lead, un agente de IA gestiona la conversación, y un vendedor local cierra la venta. Sin intercambio efectivo de datos entre estos tres sistemas, cada etapa puede parecer exitosa de forma aislada, mientras que la organización no tiene claridad sobre qué intervenciones realmente contribuyeron a los ingresos. La consecuencia directa es la asignación ineficiente de presupuesto publicitario.

Personalización: la capacidad que más falta hace

La fragmentación de datos también deteriora la experiencia del cliente. Solo el 27% de los equipos indica que sus agentes de IA pueden acceder y utilizar el historial digital previo de un usuario. Un agente sin ese contexto trata a un prospecto recurrente como si fuera nuevo, ignorando interacciones anteriores que podrían ser determinantes para cerrar la venta.

Los propios equipos de marketing reconocen esta limitación como prioritaria. El 43% señala que la mejora más urgente es la capacidad de personalizar conversaciones usando el recorrido digital del cliente, y un 41% adicional quiere que los agentes puedan reconocer a clientes recurrentes y aprovechar su historial. Estas dos demandas apuntan a la misma causa raíz: infraestructura de datos desconectada entre canales.

IA generativa como fuente de leads calificados

Pese a los problemas de medición, hay una señal de valor que los datos revelan con claridad: los motores de respuesta de IA —como ChatGPT, Claude y Gemini— están generando leads de mayor calidad que los canales tradicionales. El 44% de los encuestados los posiciona como la fuente de leads más calificados, por encima de los Anuncios de Servicios Locales de Google (40%), la búsqueda orgánica (39%), las redes sociales pagadas (37%) y la búsqueda pagada (36%).

El 86% de los equipos puede identificar al menos algunos leads que iniciaron su investigación a través de un motor de IA generativa. Sin embargo, la visibilidad sobre esos leads se degrada conforme avanzan por distintos canales. La paradoja es que la fuente que produce los leads más valiosos es también la más difícil de rastrear a lo largo del embudo completo.

La implicación estratégica es directa: antes de escalar la inversión en agentes de IA, las organizaciones necesitan resolver la arquitectura de datos que conecta cada punto del recorrido del cliente. Sin esa base, el rendimiento real de estos sistemas permanecerá invisible, y las decisiones de inversión continuarán apoyándose en métricas parciales.