{"id":19316,"date":"2026-08-06T03:40:00","date_gmt":"2026-08-06T03:40:00","guid":{"rendered":"https:\/\/www.theskyplanner.com\/?p=19316"},"modified":"2026-10-12T19:00:36","modified_gmt":"2026-10-12T19:00:36","slug":"salesforce-listo-para-la-ia","status":"publish","type":"post","link":"https:\/\/www.theskyplanner.com\/es\/salesforce-listo-para-la-ia\/","title":{"rendered":"Salesforce listo para la IA: por qu\u00e9 la base, no el modelo, decide si la IA funciona"},"content":{"rendered":"

<\/p>\n

Tener un Salesforce listo para la IA depende menos del modelo que elijas que de la base que tiene debajo. La mayoría de las iniciativas de IA no fracasan porque la tecnología sea débil; fracasan porque la org nunca se preparó. Así es como pensamos la preparación, y esto es lo que revisamos antes de encender nada.<\/em><\/p>\n

Casi todos los equipos de Salesforce con los que hablamos están en alguna etapa de su camino con la IA. Algunos están evaluando. Otros hicieron un piloto que impresionó a todos en la demo y después, sin que nadie lo dijera en voz alta, no llegó a ninguna parte. Unos pocos tienen algo en producción y están tratando de entender por qué los resultados son tan desiguales.<\/p>\n

La conversación suele empezar con la misma pregunta: “¿qué IA deberíamos usar?”<\/strong> La tecnología ya es buena de verdad. Lo que separa a las empresas que obtienen valor real de las que se quedan atrapadas en pilotos eternos es algo mucho menos emocionante: si su org de Salesforce estaba preparada para sostener la IA desde el principio.<\/p>\n

Es lo más útil que podemos decirle a cualquiera que empiece este camino, así que lo decimos sin rodeos:<\/p>\n

\n

La IA no arregla una org desordenada. La hereda, y después actúa sobre ella a toda velocidad.<\/p>\n<\/div>\n

Eso no es una razón para esperar. Es una razón para empezar por el lugar correcto.<\/p>\n

La brecha entre la ambición y la base<\/h2>\n

No es solo lo que vemos en el trabajo diario; aparece con claridad en la investigación. En el estudio State of Data and Analytics<\/a> de Salesforce, el 84% de los líderes de datos y analítica dice que su estrategia de datos necesita una revisión completa antes de que sus ambiciones de IA puedan tener éxito<\/strong> (Salesforce Newsroom, noviembre de 2025<\/a>). Al mismo tiempo, el 67% siente presión para implementar IA rápidamente.<\/strong> Esas dos fuerzas, tirando en direcciones opuestas, explican buena parte de lo que vemos en orgs reales.<\/p>\n

Las consecuencias ya se pueden medir. Entre las organizaciones con IA en producción, el 89% dice haber recibido resultados de IA inexactos o engañosos<\/strong>, y el 42% no confía plenamente en la exactitud y la pertinencia de lo que produce su IA.<\/strong> Los propios líderes estiman que el 26% de los datos de su organización no es confiable<\/strong>, según el mismo estudio de Salesforce.<\/p>\n

\"Gráfico
Datos: Salesforce, State of Data and Analytics. Cifras reportadas por líderes de datos y analítica.<\/figcaption><\/figure>\n

Si se leen esas cifras juntas, se forma una imagen que coincide con lo que encontramos cuando abrimos una org de Salesforce. La ambición es real, la presión es real, y la base que hay debajo es más frágil de lo que nadie esperaba. Llama la atención que el 89% de esos mismos líderes diga que una base sólida de datos es el factor más importante para que la IA tenga éxito<\/strong>. Así que no es que no lo sepan. Es que lo están haciendo en el orden equivocado.<\/p>\n

Nuestra posición: la IA hereda tu organización<\/h2>\n

Cuando introduces IA en Salesforce no estás sumando a un experto independiente que llega con su propio criterio. Le estás dando a algo rápido y literal acceso al entorno que ya tienes. Adopta tu org tal como está, con sus supuestos y sus huecos.<\/p>\n

Lo pensamos en cuatro partes.<\/p>\n

\"Diagrama:
Cómo planteamos la conversación sobre preparación con nuestros clientes.<\/figcaption><\/figure>\n

Tus datos.<\/strong> Para un asistente de IA, una cuenta duplicada no es una molestia menor: son dos verdades que se contradicen. Un campo vacío no significa “desconocido”; simplemente no aparece en la respuesta. Un registro que nadie toca desde hace catorce meses se presenta con la misma seguridad que uno actualizado esta mañana. La investigación de Salesforce le pone número a lo extendido que está esto: los líderes estiman que el 19% de los datos de la empresa está aislado, es inaccesible o no se puede usar por otras razones<\/strong>, y el 70% cree que sus conocimientos de negocio más valiosos están justamente en esa parte inaccesible<\/strong>, según el mismo estudio. Parte de eso es fragmentación a una escala que casi todos subestiman: la gran empresa promedio usa alrededor de 897 aplicaciones, y solo el 29% de ellas están conectadas<\/strong> (MuleSoft Connectivity Benchmark<\/a>).<\/p>\n

Tus procesos.<\/strong> La mayoría de los equipos tiene dos versiones de cada proceso: la documentada y la real. Las personas salvan la distancia entre ambas con criterio y conversaciones de pasillo. El software no puede. Si el proceso real de calificación vive en la cabeza de un vendedor con experiencia, un asistente no tiene nada confiable con que trabajar. Para nosotros, este es el problema de preparación que más se pasa por alto, y existía mucho antes de la IA.<\/p>\n

Tus permisos.<\/strong> Una IA que actúa en nombre de un usuario opera dentro del acceso de ese usuario. Así es como debe ser, y es exactamente la razón por la que unos permisos poco claros se vuelven un riesgo real en el momento en que la IA puede actuar y no solo responder. Decidir a qué puede llegar y qué nunca debe hacer es un ejercicio aparte: detallamos las seis decisiones en nuestro artículo sobre guardrails de IA en Salesforce<\/a>. Solo el 43% de los líderes de datos y analítica tiene marcos y políticas formales de gobierno de datos<\/strong>, mientras que el 88% coincide en que la IA exige enfoques completamente nuevos de gobierno y seguridad<\/strong>, según Salesforce. En esa distancia entre lo que hace falta y lo que existe es donde ocurren los incidentes evitables.<\/p>\n

Tus definiciones.<\/strong> Si “lead calificado”, “cliente activo” o “en riesgo” significan cosas distintas para marketing, ventas y atención al cliente, la IA va a reproducir esa confusión con total fidelidad y a escala. Todos van a concluir que la IA se equivoca, cuando en realidad fue precisa sobre algo que nunca se acordó.<\/p>\n

\n

La parte incómoda: la IA no solo revela estos problemas. Actúa sobre ellos, rápido y delante de los clientes.<\/p>\n<\/div>\n

Por qué esto es una buena noticia<\/h2>\n

Sería fácil leer todo lo anterior como algo desalentador. Nosotros lo leemos al revés, por una razón sencilla: todos estos problemas tienen arreglo, y ninguno exige esperar a que llegue una tecnología mejor.<\/strong><\/p>\n

Calidad de datos, procesos documentados, reglas de acceso claras, definiciones acordadas: es trabajo de Salesforce común y conocido. No tiene glamour y nunca va a ser el tema de un keynote. Pero es el trabajo que decide si la parte emocionante sale bien. Los equipos que lo hacen no solo obtienen mejores resultados con la IA; de paso obtienen un CRM mejor, y eso rinde aunque nunca llegue a salir en vivo un solo agente.<\/p>\n

También cambia la pregunta sobre los tiempos que escuchamos constantemente: “¿llegamos tarde?”<\/strong> No. Las empresas que van adelante no son las que adoptaron primero. Son las que se prepararon bien y después avanzaron con método.<\/p>\n

\n

¿No sabes si tu org está lista para la IA?<\/h3>\n

Nuestros servicios de AI Enablement empiezan con una evaluación de preparación de tu org de Salesforce: un panorama honesto de dónde estás y qué hacer primero.<\/p>\n

Hablemos →<\/a><\/p>\n<\/div>\n

Qué significa realmente estar “listo para la IA”<\/h2>\n

“Preparación” es una palabra que se usa a la ligera, así que esto es lo que significa, en concreto, tener un Salesforce listo para la IA. Cuando evaluamos una org, miramos cinco dimensiones.<\/p>\n

\"Las<\/figure>\n

1. Datos.<\/strong> ¿Están completos, actualizados, sin duplicados y definidos? Lo último es lo que más importa y lo que menos se revisa. Si tu equipo no se pone de acuerdo sobre lo que significa un campo, la IA tampoco va a saberlo.<\/p>\n

2. Proceso.<\/strong> ¿El flujo de trabajo que importa existe de verdad en Salesforce, o solo en los hábitos de la gente? La IA solo puede actuar sobre lo que está representado en el sistema.<\/p>\n

3. Acceso.<\/strong> ¿Decidieron de forma explícita qué puede leer la IA, qué puede escribir y qué necesita la aprobación de una persona? Decidirlo antes del despliegue es mucho más fácil que corregirlo después de una sorpresa incómoda. Desde que los servidores MCP alojados llegaron a disponibilidad general, estas decisiones aparecen el primer día y no después de seis meses de proyecto de integración, y explicamos aparte con cuánto detalle se puede decidir esa exposición<\/a>.<\/p>\n

4. Caso de uso.<\/strong> ¿Eligieron un número pequeño de tareas de alto valor, o esperan aplicar IA en todas partes y ver qué funciona? “IA en todo” es la forma más segura que conocemos de no lograr nada en particular.<\/p>\n

5. Responsable.<\/strong> ¿Hay alguien que responda por el resultado después de la salida en vivo, que vigile la calidad, ajuste y amplíe lo que funciona? Los despliegues sin responsable se van deteriorando en silencio hasta que alguien nota que ya nadie confía en lo que producen.<\/p>\n

La mayoría de las orgs son fuertes en dos o tres de estas dimensiones y más débiles en el resto. Es normal. Saber cuál es cuál es justamente el punto: convierte una “estrategia de IA” intimidante y abierta en una lista corta y concreta de cosas por arreglar.<\/p>\n

Cómo llevamos una org de estar lista a estar funcionando<\/h2>\n

Nuestro enfoque sigue el orden en que creemos que el trabajo tiene que ocurrir. No es complicado, y en eso está la gracia.<\/p>\n

\"El<\/figure>\n

Conectar<\/strong> es donde se establece la preparación: evaluamos la org según las cinco dimensiones anteriores, mapeamos las brechas de datos y de procesos, definimos las reglas de acceso e identificamos los dos o tres casos de uso que de verdad vale la pena hacer. El resultado es un panorama claro de dónde estás y qué hacer primero, útil decidas lo que decidas construir después.<\/p>\n

Activar<\/strong> es donde la IA entra en flujos de trabajo reales, configurada según cómo trabaja tu equipo en la práctica, con guardrails y pruebas contra casos límite reales, y con personas capacitadas para usar y cuestionar lo que produce en lugar de simplemente creerle.<\/p>\n

Operar<\/strong> es la parte que la mayoría de los planes se salta. La IA no es un proyecto que termina; necesita monitoreo, gobierno, ajustes y una expansión gradual. Aquí es donde el valor se acumula en lugar de estancarse, y es la fase que decide si la IA pasa a ser parte de cómo funciona la empresa o una anécdota sobre aquello que probaron una vez.<\/p>\n

Cómo se ve cuando funciona<\/h2>\n

El día a día de la IA en una org bien preparada es más discreto de lo que sugiere el marketing, y bastante más útil. Un gerente hace una pregunta en lenguaje natural y obtiene una respuesta con datos vivos del CRM en lugar de esperar un reporte. Un vendedor entra a una llamada ya informado. Una cola de soporte llega clasificada. Nadie lo describe como transformador en el momento; simplemente la gente deja de perder horas en trabajo que nunca necesitó a una persona.<\/p>\n

Hay un interés real por exactamente esto. En la misma investigación de Salesforce, el 93% de los líderes de negocio dice que rendiría mejor si pudiera hacerles preguntas a sus datos en lenguaje natural<\/strong>, mientras que el 63% de los líderes de datos y analítica dice que traducir preguntas de negocio a consultas técnicas es propenso a errores<\/strong>. Esa brecha, entre las preguntas que tiene la gente y las respuestas que en la práctica puede obtener, es en la que más tiempo hemos invertido.<\/p>\n

También es la razón por la que construimos PilotIQ<\/a>, nuestro asistente que vive dentro de Salesforce para que los equipos hagan preguntas y obtengan respuestas donde ya trabajan. Construirlo nos hizo ver el punto de forma muy concreta. Un asistente solo puede ser tan bueno como los datos a los que llega y las definiciones que recibe: donde los campos son inconsistentes o un término significa tres cosas distintas para tres equipos, la respuesta sale fluida, pero poco confiable. Eso no es un defecto del asistente; es la org, reflejada. Es buena parte de la razón por la que empezamos por la preparación y no por el despliegue.<\/p>\n

Por dónde empezar esta semana<\/h2>\n

Si quieres avanzar sin comprometerte a nada, estas acciones valen la pena por sí solas:<\/p>\n