Automatización en 2026: qué cambió de verdad
(y las cifras que no cuadran)

Publicado en septiembre de 2026. Cada cifra de este texto enlaza a su fuente, y en un par de casos digo también quién pagó el estudio, porque importa. Lo escribo desde una empresa que cobra por construir automatizaciones: léelo sabiendo eso.

Este año se publicaron tres cifras sobre automatización que, puestas una junto a otra, parecen imposibles.

• Ocho de cada diez organizaciones dicen que sus agentes de IA ya les están dando retorno medible. No proyectado, no de piloto. Real. Lo reporta el State of AI Agents Report 2026, hecho con la firma Material sobre más de 500 líderes técnicos.
• Casi la mitad de las empresas mexicanas admite que no tiene forma confiable de medir ese retorno. El 46%, según el estudio que AWS encargó a Strand Partners y presentó en agosto, Desbloqueando el Potencial de la IA en México 2026.
• El 95% de los pilotos de IA generativa no movió el estado de resultados. Es el hallazgo del reporte de MIT NANDA que recogió Fortune, sobre 30 a 40 mil millones de dólares invertidos.

Las tres pueden ser ciertas a la vez. Solo hay que leer a quién le preguntaron.

Y ahí está, en realidad, la tendencia de 2026: la automatización dejó de ser una promesa uniforme y se partió en dos grupos que ya no se parecen en nada. Esto es lo que cambió este año, con los números en la mano.

1. La unidad de la automatización pasó de «tarea» a «proceso»

Durante quince años, automatizar quiso decir encadenar disparadores: entra un formulario, sale un correo. Una tarea, una regla, un resultado.

Eso ya no es lo que están comprando las empresas grandes. Según el reporte de Anthropic, el 57% de las organizaciones despliega agentes para flujos de varias etapas, y un 16% ya los tiene corriendo procesos que cruzan varios equipos de principio a fin. Para 2026, el 81% planea meterse en casos más complejos todavía.

El detalle importante no es el porcentaje: es qué cambia cuando la unidad deja de ser la tarea. Una regla se prueba una vez y funciona igual siempre. Un proceso de ocho pasos que atraviesa ventas, finanzas y operaciones falla de maneras que nadie escribió en el requerimiento. Por eso las tres barreras que reportan quienes ya están dentro no son técnicas de modelo, sino de casa: integración (46%), calidad de los datos (42%) y gestión del cambio (39%).

Nada de eso lo resuelve un mejor modelo. Lo resuelve tener el proceso escrito antes de automatizarlo.

Dónde está pasando primero

En programación, sin sorpresa: casi nueve de cada diez organizaciones ya usa IA para escribir código, el 86% la usa sobre código que va a producción, y el 42% confía en que el agente lleve la batuta con supervisión humana.

Fuera de ingeniería, los casos con más impacto reportado son análisis de datos y generación de reportes (60%) y automatización de procesos internos (48%). Es decir: lo aburrido. Lo que nadie pone en un video de LinkedIn.

2. Apareció el enchufe estándar, y eso importa más de lo que suena

La tendencia más consecuente de este año no se ve desde afuera, pero decide cuánto te va a costar todo lo demás.

Hasta hace poco, conectar un modelo de IA a tu ERP, tu CRM o tu base de datos era trabajo a mano, distinto con cada proveedor, y desechable el día que cambiabas de proveedor. En noviembre de 2024 Anthropic publicó el Model Context Protocol (MCP) para resolver eso. En diciembre de 2025 lo donó a la Agentic AI Foundation, un fondo de la Linux Foundation cuyos miembros platino incluyen a AWS, Google, Microsoft, OpenAI, Bloomberg, Cloudflare y Block. Para entonces ya había más de 10,000 servidores MCP públicos.

En julio de 2026 salió la revisión más grande del protocolo desde su lanzamiento, y de paso el dato que mide su tamaño: los SDK principales van por cerca de 500 millones de descargas al mes, con TypeScript y Python cruzando cada uno los mil millones acumulados.

Traducido a lo que te toca: por primera vez existe una forma estándar y con gobierno neutral de conectar herramientas de IA a tus sistemas. Eso reduce el costo de cambiar de proveedor y sube el costo de contratar a quien te construya algo cerrado a su plataforma. Si alguien te vende una automatización, hoy es razonable preguntar cómo se conecta a lo que ya tienes, y si esa conexión sobrevive sin él.

3. México cruzó la mitad, pero por la parte fácil

Aquí está el dato que abrió titulares en agosto: el 48% de las empresas mexicanas ya adoptó IA, diez puntos más que el año pasado. Unas 550,000 empresas se sumaron en doce meses. Una por minuto, si te gusta la aritmética de comunicado.

La cifra que sí debería importarte es otra: 13%. Esa es la proporción que llegó a lo que el estudio llama adopción avanzada —sistemas propios, varios modelos combinados, IA agéntica funcionando de verdad—. El 63% sigue en etapa básica y el 24% en intermedia.

El resto del retrato es igual de específico:

• Solo el 24% tiene una estrategia formal de IA. Tres de cada cuatro están improvisando con presupuesto asignado.
• Solo el 22% se siente preparada para tecnologías de próxima generación como la IA agéntica. Entre startups la cifra sube a 39%.
• El 46% no tiene manera confiable de medir el ROI, y solo el 25% tiene un marco claro y aplicado de qué cuenta como implementación exitosa.
• El 46% señala la escasez de competencias digitales como su principal barrera, y apenas el 23% cree que su plantilla las tiene sólidas.
• El 57% prioriza capacitar gente por encima de cualquier otra inversión tecnológica nacional, incluida la infraestructura.

Ese último punto es el que más me llama la atención, porque contradice casi toda la conversación pública sobre soberanía tecnológica en México, que gira alrededor de centros de datos. Las empresas que respondieron dicen otra cosa: el cuello de botella no es la máquina, es quién sabe qué hacer con ella una vez instalada.

Un apunte de honestidad sobre este estudio: lo pagó AWS, que vende exactamente la infraestructura que el reporte concluye que hace falta. Strand Partners lo levantó siguiendo estándares de ESOMAR y de la Market Research Society británica, sobre 1,000 líderes empresariales y 250 organizaciones públicas, así que los datos no son sospechosos. Pero conviene leerlo como lo que es: una foto real del mercado mexicano, tomada por alguien que también vende cámaras.

4. El mercado ya empezó a cancelar

La cuarta tendencia es la corrección. Gartner previó que más del 40% de los proyectos de IA agéntica se cancelarán antes de que termine 2027, por costos que se disparan, valor de negocio poco claro o controles de riesgo insuficientes. La misma consultora estima que, de los miles de proveedores que dicen vender agentes, solo unos 130 los venden de verdad: al fenómeno le puso nombre, agent washing.

Eso ya lo desarmamos con detalle en automatización con IA: cuidado, mucho de eso solo es programar, así que no lo repito aquí. Lo que sí vale marcar es cómo encaja con lo demás: el 95% del MIT y el 40% de Gartner no son la misma noticia. El primero es el pasado —pilotos que no llegaron a ningún lado—. El segundo es un pronóstico sobre proyectos que apenas están arrancando. Que las dos cifras convivan significa que el mercado no aprendió todavía, no que la tecnología no sirva.

Qué separa al 13% del resto

La respuesta cómoda sería «presupuesto». Los datos dicen que no. Las startups mexicanas no tienen más dinero ni mejor infraestructura que una empresa mediana consolidada, y aun así van casi al doble de preparación para IA agéntica (39% contra 22%). Lo que tienen son menos capas que atravesar para implementar algo.

De lo que sí se puede accionar, tres cosas se repiten en los tres estudios:

• Define qué cuenta como éxito antes de empezar. Solo una de cada cuatro empresas mexicanas tiene ese marco. Es la diferencia entre saber que funcionó y sentir que funcionó: el 88% reporta mejoras de productividad, pero casi la mitad no puede medirlas.
• Empieza donde el proceso ya está escrito. Si nadie en tu empresa puede dibujar el proceso en una servilleta, automatizarlo solo va a hacer que el desorden ocurra más rápido.
• Combina, no elijas bando. El 47% de las organizaciones usa un enfoque híbrido: herramientas ya hechas donde funcionan, desarrollo propio solo donde da ventaja. Un 21% se queda solo con lo prearmado y un 20% construye todo. El híbrido gana porque ninguna de las otras dos es honesta con el costo real.

Preguntas frecuentes

¿Cuál es la principal tendencia de automatización en 2026?
Que la unidad dejó de ser la tarea y pasó a ser el proceso completo. El 57% de las organizaciones ya despliega agentes de IA en flujos de varias etapas y un 16% en procesos que cruzan varios equipos, según el State of AI Agents Report 2026 de Anthropic y Material.

¿Cuántas empresas mexicanas usan inteligencia artificial en 2026?
El 48%, diez puntos más que el año anterior, según el estudio de AWS y Strand Partners presentado en agosto de 2026. Pero solo el 13% alcanzó adopción avanzada: el 63% sigue en etapa básica y el 24% en intermedia.

¿Por qué fracasan tantos proyectos de automatización con IA?
Rara vez por el modelo. Las barreras que reportan las organizaciones que ya están dentro son integración con sistemas existentes (46%), calidad de los datos (42%) y gestión del cambio (39%). Gartner añade una causa de mercado: proyectos arrancados por moda, sin estrategia ni control de costos, y prevé que más del 40% se cancele antes de terminar 2027.

¿Qué es MCP y por qué importa para mi empresa?
El Model Context Protocol es el estándar abierto para conectar modelos de IA con herramientas y datos. Anthropic lo creó en noviembre de 2024 y lo donó en diciembre de 2025 a la Agentic AI Foundation, bajo la Linux Foundation, con AWS, Google, Microsoft y OpenAI entre sus miembros platino. Importa porque reduce el costo de cambiar de proveedor: las conexiones dejan de ser trabajo a la medida que se pierde si te vas.

¿Conviene automatizar con IA o con programación tradicional?
Depende de si la tarea tiene una sola respuesta correcta que puedas escribir como regla. Si la tiene, no necesitas un modelo, necesitas código, y cuesta una fracción. Un modelo se justifica cuando la entrada es lenguaje libre o desestructurado. Lo explicamos con ejemplos concretos en nuestro artículo sobre qué es y qué no es automatización con IA.

Lo que yo me llevaría de todo esto

2026 no fue el año en que la automatización llegó. Fue el año en que se volvió medible quién la está usando de verdad.

Si tu empresa es de las que ya la adoptó, la pregunta que vale no es cuánta IA tienes, sino si puedes contestar dos cosas: qué proceso concreto mejoró, y con qué número lo estás midiendo. Casi la mitad del mercado mexicano no puede responder ninguna de las dos, y eso —no la falta de tecnología— es lo que va a explicar la mayor parte de las cancelaciones de los próximos dos años.

Y si todavía no arrancas, la buena noticia es que la barrera bajó de precio. La mala es que ya no basta con comprar la herramienta: el 13% que sí está sacando ventaja no la sacó por tener mejor software, sino por tener escrito qué quería que pasara.

Si estás evaluando una cotización de automatización, te sirven también cómo distinguir IA real de código con etiqueta nueva y por qué despedir para meter IA sale más caro.