IA en desarrollo de negocio: una herramienta, no una solución

«Eso mismo lo sacamos con IA.» Qué respondo a eso

Oigo esto sobre la IA en desarrollo de negocio en las primeras reuniones cada vez más a menudo, y es una objeción justa. Un cliente potencial abre ChatGPT, dicta tres frases sobre su empresa y un minuto después tiene un análisis estructurado del mercado polaco: segmentos, competidores, canales, riesgos. Parece sólido. Se parece exactamente a lo que cobran los consultores.

No voy a discutir que el documento existe ni que es gratis. Voy a decir otra cosa. No contiene ni un solo dato que alguien haya verificado en ese mercado concreto, ni una sola frase que alguien de ese mercado haya confirmado. No es análisis de mercado. Es la media aritmética de todo lo escrito en internet sobre mercados en general.

IA en desarrollo de negocio

Uso de modelos de lenguaje para preparar el trabajo de desarrollo de negocio: investigación, estructuración de datos públicos, versiones de los materiales en otros idiomas y análisis de la información recogida de los compradores. Una herramienta que acelera la preparación, no una fuente de la decisión de entrar en un mercado.

Por qué casi todo el mundo usa IA y solo un tercio ve dinero

La encuesta global de McKinsey realizada en mayo y junio de 2026 (1.719 encuestados, 97 países) pone dos cifras una al lado de la otra. Primera: casi nueve de cada diez organizaciones declaran uso habitual de IA en al menos una función del negocio. Segunda: solo el 37 % le atribuye algún impacto en el EBIT, igual que en 2025. El grupo que McKinsey llama de alto rendimiento es el 6 % de la muestra.

La diferencia no son los modelos. Casi todos usan los mismos. La diferencia es que el 73 % de las empresas de alto rendimiento rediseñó a fondo sus flujos de trabajo alrededor de la IA, frente al 25 % del resto. El valor aparece cuando cambias cómo se toman las decisiones, no cuando empiezas a generar documentos.

Hay una segunda cifra que conviene retener si Polonia es tu objetivo. Eurostat informa de que en 2025 el 20,0 % de las empresas de la UE con 10 o más empleados usaba tecnologías de IA. En Polonia la cifra fue del 8,4 %, la tercera más baja de la Unión. Eso importa de una forma muy concreta para tu prospección: la persona que va a leer tu primer correo lo lee personalmente, no ha automatizado nada y reconocerá el texto generado de inmediato porque no se parece a nada más en su bandeja.

IA en desarrollo de negocio: de dónde sale la respuesta genérica

Un modelo de lenguaje responde a la forma de tu pregunta con lo que más veces apareció en el texto. Pregunta por «la entrada en el mercado polaco» y recibes una entrada media en un mercado medio: estudia la competencia, busca un distribuidor, ten en cuenta las particularidades locales. Formalmente correcto. En la práctica, vacío.

El problema es más profundo que la calidad del prompt. Lo que decide tu operación simplemente no está en el texto público: quién firma de verdad dentro de esa empresa, cuánto dura realmente el ciclo de compras en ese sector, por qué se fue el anterior proveedor extranjero, qué margen tolera el mercado este año. Ese conocimiento está en la cabeza de veinte personas y se mueve por conversación.

Así que no me sorprende que los modelos fallen de forma sistemática incluso con hechos públicos. El estudio de la UER y la BBC publicado el 21 de octubre de 2025 (más de 3.000 respuestas, 22 organizaciones de medios, 18 países, 14 idiomas) encontró que casi la mitad de las respuestas de los asistentes de IA tenía al menos un problema significativo, un tercio tenía problemas serios de fuentes y una quinta parte contenía errores importantes de exactitud, incluida información alucinada o desactualizada. Y eso en un tema con miles de fuentes verificadas. Tu nicho B2B no tiene ninguna.

En qué es realmente buena la IA en desarrollo de negocio

Uso IA a diario, varios modelos, y deliberadamente una mezcla de ellos. Es una herramienta potente. Aquí es donde me ahorra tiempo de verdad:

• Investigación documental de primera pasada. Construir una lista de empresas de un segmento, estructurar datos públicos, obtener una imagen aproximada de un sector en horas en lugar de en una semana.
• Idioma. Borradores rápidos de materiales en polaco, ucraniano e inglés, que después lee una persona que vende en ese idioma.
• Estructurar la información recogida. Después de veinticinco conversaciones, un modelo es bueno sacando los patrones que se repiten en las notas.
• Preparar reuniones. Hipótesis, objeciones probables, las preguntas que merece la pena hacer.
• Verificación al revés. El uso más valioso no es «genérame un análisis» sino «esto es lo que me dijo el mercado, busca dónde contradice a los datos públicos».

El orden es lo que importa. La IA a la entrada te da un borrador que el mercado verifica después. La IA a la salida, donde el borrador se convierte directamente en plan de acción, es donde las empresas pierden dinero.

Lo que la IA no ve

No estaba en la sala. No oyó cómo cambiaba el tono cuando salió el precio. No sabe que el director técnico asintió y que quien decide es compras. No vio el equipo del competidor ya instalado en su planta. No tiene acceso a lo que alguien te contó en el pasillo después de la conferencia, y ahí suele estar la respuesta a si ese mercado es tuyo.

Yo viajo. No me siento delante de un ordenador a producir informes. Trabajo junto al equipo del cliente, me acerco a sus futuros compradores en nombre del cliente, hago las preguntas y traigo de vuelta lo que he oído junto con una conclusión. A veces la conclusión es negativa, y eso también es un resultado. Saberlo a los tres meses es mejor que saberlo a los dos años.

Por qué el correo generado dejó de funcionar

La comunicación directa merece su propio apartado. El trabajo con clientes hecho a través de IA hoy se acaba en una fase muy temprana, porque la gente ha aprendido a reconocer el texto generado. La misma estructura, párrafos perfectamente iguales, un cumplido de apertura, «he visto que su empresa». El destinatario lo ve en tres segundos y saca una conclusión: este remitente no ha dedicado ni un minuto a mí.

Esto es aritmética, no ética. Estás gastando tu primer y único contacto con una persona accesible en un mensaje que se invalida a sí mismo. En B2B, donde tu mercado son 200 empresas y no 200.000, quemar un contacto es caro.

La IA escribirá el correo en diez segundos. Pero la respuesta te la dan por saber algo de esa empresa que su próximo proveedor no sabe, no por la velocidad.

Dima V. Nechyporenko

Tu cliente también tiene IA y te está analizando con ella

Este lado se olvida. La misma herramienta está al otro lado de la mesa. Tu propuesta, tu lista de precios y tu web llegan ahora a la ventana de chat del comprador antes que a una mesa humana. El comprador pide al modelo que te compare con dos competidores, que saque los puntos débiles de tus condiciones y que redacte las preguntas para la reunión.

Las consecuencias son concretas. Primera, las ventajas vagas desaparecen. «Trato individualizado» y «alta calidad» puntúan cero, porque todo el mundo escribió lo mismo y el modelo compara sobre lo comparable. Segunda, todo lo comprobable se comprobará, y cualquier hueco entre tu web, tu propuesta y lo que dijiste en la reunión saldrá a la luz. Tercera, entras a una reunión con alguien que ya tiene una lista de tus puntos más débiles.

La conclusión práctica es igual de concreta. Una propuesta tiene que llevar lo que no se reduce a una media: números, plazos, condiciones, los nombres de los proyectos que has entregado de verdad. Y tus materiales públicos tienen que estar escritos para que un modelo los lea correctamente, porque de ahí construirá la imagen que el comprador tenga de ti. Lo trato como un trabajo aparte y lo hago para los clientes igual que lo hago para mi propia web.

Confidencialidad comercial: qué no se puede subir

Hay un límite más, que rara vez se menciona desde el escenario de una conferencia. El material más valioso de tu preparación es exactamente el que no puede entrar en un chat público: estructura de costes, condiciones de proveedores, contratos vivos, datos de clientes, soluciones técnicas.

La magnitud de esto está medida. El LayerX Enterprise AI and SaaS Data Security Report de octubre de 2025 encontró que el 77 % de los empleados que usan chats de IA pegan datos en ellos, y que el 82 % de esos pegados pasa por cuentas personales no gestionadas, fuera de cualquier control de la empresa. Alrededor del 40 % de los archivos subidos contenía datos personales o de pago.

Mi regla práctica es simple: separar el circuito. Los datos públicos y las hipótesis van al modelo. La información comercial no sale del perímetro del cliente ni del círculo cubierto por el acuerdo de confidencialidad. Así trabajo, y por eso parte de mi trabajo con un cliente físicamente no la puede hacer un modelo.

El idioma decide más de lo que la gente espera

Sí, hoy el inglés te consigue una conversación con casi cualquiera, y para una primera reunión suele bastar. Pero veo la diferencia cada vez. Cuando la conversación va en polaco con un comprador polaco, o en ucraniano con un director de planta, oyes bastante más y lo oyes con otras palabras. En particular, oyes lo que nadie le dice a un extranjero: qué falla de verdad con el proveedor actual y cuánto margen hay realmente en el precio.

Por eso trabajo donde hablo el idioma. Mis idiomas de trabajo son el polaco, el ucraniano y el inglés, y no cojo mercados en los que no estoy presente. Con clientes españoles la comunicación la llevo en inglés, y el trabajo de campo en el mercado se hace en el idioma local. La traducción automática no cierra esta brecha, porque la brecha no está en las palabras. Está en cuánta sinceridad está dispuesta a darte una persona.

La IA es un sistema de ajustes finos, no genéricos

Así planteo internamente la IA en desarrollo de negocio. Un modelo produce valor cuando lo afinas a un mercado concreto y a un comprador concreto, de forma iterativa:

1. Formula la hipótesis: quién te necesita en este mercado y por qué.
2. Pruébala en conversaciones reales, no en un buscador.
3. Trae de vuelta las respuestas del mercado y reescribe con ellas el posicionamiento, los materiales y la lista objetivo.
4. Solo entonces escala lo que quedó confirmado.

La IA en desarrollo de negocio acelera los pasos 1, 3 y 4. El paso 2 no lo acelera nadie, y el paso 2 decide si el resto significa algo.

Dónde soy más útil

A los clientes les digo claramente que donde más valor aporto es en dos etapas: la investigación del mercado y la entrada en un mercado nuevo. Es cuando todavía estás entendiendo el mercado y se supone que tienes que escucharlo, no cuando necesitas escalar una máquina comercial que ya funciona.

En esas etapas mi valor, y el de la IA en desarrollo de negocio a su alrededor, es aplicado: verificar lo que generaste en tu propia oficina antes de lanzarte al mercado y cometer los errores que muchas empresas están cometiendo ahora mismo con información no verificada. En la práctica se ve así. Una lista de empresas objetivo acordada contigo, contacto en tu nombre en el idioma local, información recogida y entregada, primeras reuniones y después una decisión. Adaptar la oferta, o dejar este mercado honestamente.

Cómo fue esto en la práctica

En el proyecto de Voltage Group recorrimos este ciclo en cuatro mercados de la UE: investigación, primer contacto con el mercado, matchmaking, primeras reuniones. El resultado fueron más de 65 MW de proyectos en 12 meses, con el primer contrato firmado tres meses después del inicio. Ningún modelo habría escrito ese resultado, porque estaba hecho de personas concretas, conversaciones concretas y decisiones tomadas sobre lo que esas personas dijeron.

El segundo ejemplo tiene otra forma. Ostapiv Dachy ya operaba, pero quería mejores procesos de venta y segmentos nuevos. Hice la investigación de mercado, elegimos el segmento de cliente más fuerte, construimos los materiales y lanzamos el proceso de desarrollo de ventas B2B . Otra vez, la elección del segmento salió de conversaciones, no de un informe.

Qué hacer con esto

Si estás mirando un mercado nuevo y ya tienes un análisis generado, haz tres cosas. Saca diez afirmaciones concretas. Marca las que puedas atribuir a una persona con nombre que te lo haya dicho. Borra las que no sostiene nada. Lo que quede es tu conocimiento real de ese mercado hoy.

Si queda muy poco, es normal. Significa que estás en la fase de investigación, y el siguiente paso no es escribir un prompt mejor. Describo el proceso en la página de internacionalización .