Cuando la IA llega a las compras, la mayor resistencia no está en el software
Hay un patrón que se repite en casi todas las organizaciones que atraviesan una transformación tecnológica de fondo: la parte más difícil no fue elegir la plataforma. Fue descubrir, semanas después del lanzamiento, que el problema de fondo no era tecnológico.
En el caso de la inteligencia artificial aplicada a las áreas de compras y abastecimiento —lo que la industria llama procurement— ese patrón se está volviendo tan común que ya tiene nombre propio. McKinsey lo describe con precisión quirúrgica: las organizaciones que logran escalar la IA en procurement no son las que eligieron mejor el software, sino las que rediseñaron sus flujos de trabajo de punta a punta antes de pedirle a un modelo que los automatice. Las que no lo hicieron descubrieron que la IA no corrige la fragmentación operativa. La amplifica.
Lo que está ocurriendo en el mundo de las adquisiciones corporativas no es una actualización de herramientas. Es un reordenamiento de quién toma decisiones, con qué información, bajo qué velocidad y con qué nivel de intervención humana. Eso no se resuelve comprando una licencia. Eso exige que la organización cambie lo que entiende por valor, por control y por rendición de cuentas.
---
La ilusión del piloto exitoso
Prajkta Waditwar, directora senior de abastecimiento tecnológico en Box y miembro del Forbes Technology Council, describió un escenario que cualquier líder de operaciones reconocerá: una organización global implementó IA para mejorar la visibilidad de proveedores y automatizar la evaluación de riesgos en distintas regiones. Los modelos funcionaban bien en el entorno de prueba. Pero cuando llegó la hora de escalar, el sistema expuso datos de proveedores inconsistentes, flujos de aprobación fragmentados y sistemas de gestión empresarial desconectados que habían sobrevivido durante años gracias a la tolerancia humana a la ambigüedad.
Este tipo de fracaso posterior al piloto tiene una lógica interna que vale la pena nombrar: los pilotos funcionan porque se controlan las variables. Se selecciona una categoría de gasto ordenada, un equipo motivado, un proveedor colaborativo. La IA brilla. Se valida la inversión. Se toma la decisión de escalar. Y entonces el sistema entra en contacto con la realidad operativa completa, con toda su historia acumulada de procesos improvisados, datos mal etiquetados y decisiones que se tomaban por teléfono.
El problema no es que la organización haya hecho algo malo. El problema es que durante años la eficiencia fue sostenida por el juicio humano de personas que conocían los atajos, las excepciones y los proveedores difíciles de clasificar. Ese conocimiento tácito nunca fue documentado, nunca fue estructurado, nunca fue convertido en dato. La IA no puede operar sobre lo que no existe como dato.
Deloitte lo documenta en su encuesta global de directores de compras de 2025: las organizaciones con mayor madurez digital están obteniendo retornos significativamente más altos de sus inversiones en inteligencia artificial generativa. La brecha no está en quién tiene acceso a la tecnología. Está en quién construyó los cimientos debajo de ella.
---
El problema estructural que nadie nombra todavía
Hay algo que las organizaciones tienden a subestimar cuando se embarcan en esta transformación, y que merece ser nombrado con precisión: la fragmentación operativa en compras no es un accidente. Es el resultado de años de decisiones racionales tomadas localmente.
Cada región que negoció sus propios contratos tenía razones para hacerlo. Cada unidad de negocio que construyó su propio proceso de aprobación resolvía un problema real con los recursos que tenía. Cada equipo que mantuvo una hoja de cálculo paralela al sistema corporativo lo hacía porque el sistema corporativo no respondía con la velocidad que necesitaban. La fragmentación es, en muchos casos, la huella digital de una organización que creció más rápido que su capacidad de gobernanza.
El momento en que esa organización introduce inteligencia artificial en sus procesos de compras es exactamente el momento en que esa historia queda expuesta. Y lo que se expone no es solo ineficiencia técnica. Se expone un modelo de gobernanza que dependía del criterio individual de personas específicas para funcionar.
Esto conecta con algo que McKinsey señala al describir la evolución hacia lo que llaman "agentes de IA": sistemas que pueden ingerir contexto, planificar tareas complejas y actuar con cierto grado de autonomía sobre múltiples sistemas al mismo tiempo. Cuando ese agente intenta operar en un entorno donde los datos de proveedores tienen tres versiones distintas según el sistema que consultes, donde las políticas de aprobación varían por región sin una lógica documentada, y donde el contrato maestro está en un servidor local que solo conoce una persona que ya no trabaja en la empresa, el agente no falla por limitaciones tecnológicas. Falla porque el entorno no tiene la arquitectura mínima para sostener decisiones automatizadas.
La pregunta que esto plantea para la alta dirección no es si implementar IA en compras. Es qué tan honestos están siendo sobre el estado real de su infraestructura de datos y gobernanza antes de pedirle al sistema que decida.
---
Cuando la función de compras deja de ser operativa
Zycus, en su guía de inteligencia artificial para procurement de 2026, describe la transición en términos que al principio suenan a marketing pero que, leídos con atención, revelan algo más estructural: la IA no está llegando a las compras para hacer más eficiente lo que ya existe. Está llegando para absorber la mayor parte del trabajo transaccional y liberar capacidad humana hacia algo diferente.
Ese "algo diferente" es lo que Waditwar describe con claridad a partir de su experiencia directa: los equipos de compras están siendo convocados cada vez más temprano en las conversaciones estratégicas, no para negociar precios, sino para evaluar las implicaciones operativas de largo plazo de una decisión de proveedor. Cuánta dependencia genera una integración profunda con un proveedor de software. Qué tan complejo sería salir de ese contrato en tres años. Si la arquitectura tecnológica que se está comprando aumenta o reduce la flexibilidad futura.
Esas no son preguntas que históricamente le correspondían a una función de compras. Son preguntas de gestión de riesgos estratégicos. Y el hecho de que ahora sean parte de la agenda del área revela algo importante sobre lo que está cambiando: la automatización del trabajo transaccional no solo libera tiempo, redistribuye autoridad.
HFS Research lo formula en términos más directos: las plataformas de IA están permitiendo que el liderazgo de compras se mueva desde la ejecución operativa hacia la habilitación estratégica. Eso significa que el perfil de competencias que se necesita en el área está cambiando, que los indicadores con los que se mide su éxito tendrán que cambiar, y que la relación entre compras, finanzas, legal y operaciones tendrá que rediseñarse porque los límites entre esas funciones se vuelven más porosos cuando hay un sistema de inteligencia conectado que atraviesa todas ellas.
McKinsey estima que una función de compras que completa esta transformación puede ser entre un 25% y un 40% más eficiente que los modelos actuales. Pero esa cifra no debe leerse como un recorte de headcount proyectado. Debe leerse como una reasignación de capacidad: menos personas procesando transacciones, más personas tomando decisiones que los sistemas todavía no pueden tomar solos.
---
El liderazgo que este cambio necesita y el que suele encontrar
Aquí es donde la transformación se vuelve más interesante de analizar desde una perspectiva organizacional, porque el perfil de liderazgo que históricamente dominó las funciones de compras fue construido alrededor de competencias muy específicas: la negociación dura, el conocimiento profundo de proveedores, la capacidad de mover contratos bajo presión, la memoria institucional de qué proveedor falló en qué contexto hace diez años.
Ese perfil tiene valor. Pero no es el mismo perfil que necesita una función de compras cuya mayor contribución al negocio es la calidad de sus análisis de riesgo, la velocidad con que puede integrar señales del mercado en decisiones de abastecimiento y la capacidad de trabajar con sistemas que generan recomendaciones que hay que saber cuestionar cuando el contexto lo exige.
La transición no es cómoda, y sería ingenuo describírla como si fuera simplemente una oportunidad de crecimiento para todos. Hay personas con veinte años de experiencia en procurement cuyo valor central estuvo en hacer bien cosas que un sistema ahora puede hacer más rápido y con más consistencia. Eso genera resistencia real, y esa resistencia no es irracional. Es una respuesta comprensible de alguien que ve que las reglas del juego cambiaron sin que nadie lo consultara.
Deloitte señala algo que merece atención: las organizaciones que invierten en preparación de sus equipos junto con la modernización tecnológica consistentemente superan a las que se enfocan exclusivamente en el despliegue de la tecnología. Eso no es un hallazgo sorprendente. Pero la forma en que se traduce en práctica organizacional sí importa. No se trata de ofrecer cursos de IA a equipos que en paralelo ven cómo sus tareas principales están siendo automatizadas. Se trata de rediseñar roles de manera que las personas entiendan qué tipo de juicio humano sigue siendo irreemplazable y en qué punto del proceso ese juicio es más valioso.
El riesgo que enfrentan muchas organizaciones no es que sus equipos de compras rechacen la IA. Es que la adopten superficialmente, que la usen para acelerar lo que ya hacían sin cambiar la lógica de fondo, y que en el proceso pierdan la oportunidad de construir una función que realmente opere como una capa de inteligencia estratégica dentro del negocio.
---
La madurez estructural no se improvisa después del despliegue
Lo que está ocurriendo en procurement es, en el fondo, una versión muy específica de algo que las organizaciones enfrentan en casi todas sus transformaciones tecnológicas de fondo: la brecha entre la arquitectura que tienen y la arquitectura que necesitan para sostener lo que quieren construir.
La IA en compras no es la excepción. Es el caso de uso donde esa brecha se vuelve más visible más rápido, porque las consecuencias de una decisión de abastecimiento mal automatizada son concretas y costosas. Un proveedor seleccionado por un algoritmo que operó sobre datos desactualizados. Un contrato renovado automáticamente porque el sistema no tenía acceso a la señal de riesgo que ya existía en otro sistema. Una aprobación que se procesó sola porque nadie había definido con claridad qué nivel de gasto requería supervisión humana.
Esos no son errores de la IA. Son errores de diseño organizacional que la IA ejecuta con precisión perfecta.
El argumento que merece más atención en todo este debate no es si la inteligencia artificial va a transformar las compras corporativas. Ese resultado parece suficientemente respaldado por la evidencia disponible. El argumento que merece más atención es cuántas organizaciones van a llegar a esa transformación con la arquitectura de datos, los procesos de gobernanza y el rediseño de roles que se necesitan para que el sistema funcione como fue prometido, y cuántas van a descubrir que instalaron tecnología sofisticada sobre una base que todavía no estaba lista para sostenerla.
La respuesta a eso no depende del proveedor de software que elijan. Depende de cuánta honestidad institucional están dispuestas a aplicar antes del despliegue, no después.
