Estadísticas de IA en ventas: de dónde sale cada cifra

Buscamos el documento original de doce cifras de IA en ventas que más circulan. Solo cuatro dicen lo que se les atribuye, y aun esas tienen letra chica; cinco se citan viejas, mal atribuidas o al revés; una es el dato de un proveedor sobre su propio producto, y de dos no encontramos el original.

¿Por qué las mismas cifras de IA en ventas aparecen en todos lados?

Casi cualquier artículo sobre IA en ventas repite los mismos números: que responder en cinco minutos multiplica las chances, que el vendedor casi no vende, que los agentes ya están en todas las empresas. Es el problema que contamos en la industria de la IA les miente con los números y en la tasa de apertura de WhatsApp: casi nadie enlaza el documento original.

El circuito suele ser este: un proveedor publica una lista de estadísticas, cita a otro blog que citó un informe, y en cada salto se pierde algo. Primero el año, después el país y la muestra. Al final, un dato sobre llamadas pasa a ser sobre ventas, y una encuesta de Salesforce termina atribuida a Gartner.

Por eso buscamos y leímos el original de cada cifra, y la pusimos en uno de tres grupos: con fuente primaria vigente que dice lo que se le atribuye; vieja, mal atribuida o que dice otra cosa; o dato de un proveedor sobre su propio producto. Cuando no encontramos el original, lo decimos y no la damos por verdadera ni por falsa.

Las estadísticas sobre inteligencia artificial en ventas circulan sin el contexto adecuado, dificultando su correcta interpretación y aplicación en estrategias comerciales.

Las doce cifras, de un vistazo

La tabla resume lo que encontramos; debajo está el detalle de cada una.

Velocidad de respuesta: estudios de 2007 y 2011 que se citan como nuevos

La cifra de las 100 veces sale de un estudio que InsideSales.com, un proveedor de software para responder leads, presentó en 2007 con James Oldroyd, entonces en el MIT (InsideSales.com y MIT (2007)). Usó datos de seis empresas que trabajaban con su sistema y más de 15.000 leads de formularios web. Midió cuándo una llamada lograba hablar con la persona y no estudió el cierre de ventas: llamar a los 5 minutos y no a los 30 multiplicaba por 100 la probabilidad de contacto y por 21 la de calificar el lead.

En el camino la cifra cambió de dueño y de sentido: hoy se la atribuye a Harvard o al MIT y se usa como si midiera ventas. Al presentar su encuesta, un proveedor de chat para sitios web (2017) ya escribía que después de cinco minutos las chances de calificar caen diez veces, una frase que no está en el estudio.

Lo que sí publicó Harvard Business Review (2011) es otro trabajo: en una auditoría a 2.241 empresas de EE. UU., las que respondían un lead de prueba tardaban 42 horas en promedio, y quien intentaba el contacto dentro de la primera hora tenía casi 7 veces más probabilidad de calificarlo que quien lo hacía una hora después. Las "47 horas" que circulan no las encontramos en ningún documento original.

Tampoco encontramos el original del "79% de los leads que nunca compran", que las listas atribuyen a MarketingSherpa sin enlace. Lo único parecido en su sitio es una encuesta de MarketingSherpa (2012) a 1.745 profesionales de marketing, que usa el mismo porcentaje para otra cosa: los que no aplicaban lead scoring.

La conclusión práctica no cambia: responder rápido importa. Lo que no se sostiene es usar estos multiplicadores como promesa de ventas, y menos para un lead que hoy escribe por WhatsApp, un canal que ninguno de estos estudios midió.

Muchas cifras sobre la importancia de la velocidad de respuesta provienen de estudios antiguos, a menudo mal interpretados o aplicados a contextos incorrectos como las ventas directas.

Tiempo de venta, cuota e ingresos: el mismo informe, otros años

Varias cifras salen del State of Sales, la encuesta a vendedores que publica Salesforce, de quien somos partner. La edición vigente (Salesforce (2026)) encuestó a 4.050 profesionales de ventas de 22 países, entre ellos México y Brasil, y dice que el 60% de la semana se va en tareas que no son vender. Es la que usamos en cuánto de su semana pierde un vendedor.

Las listas siguen citando como actuales el 28% de tiempo vendiendo de la edición de Salesforce (2022) o el 30% que se desprende de la de 2024. Las tres son estimaciones de los propios vendedores, no mediciones de su agenda.

De la edición de Salesforce (2024) salen otras dos que circulan mal. La del 67% de vendedores que no llegará a su cuota se atribuye a Gartner, pero es de esa encuesta: el 67% no esperaba cumplirla ese año. Y la del 81% de equipos con IA que venden más mezcla dos números del mismo informe: el 81% usaba o probaba IA, y creció en ingresos el 83% de los equipos con IA contra el 66% de los que no la usaban. Es una correlación, no una prueba de causa.

La de las 3,7 veces sí es de Gartner (2024), pero es más acotada. En una encuesta a 1.026 vendedores B2B, los que se asocian con eficacia con herramientas de IA tenían 3,7 veces más probabilidad de cumplir la cuota: habla de una competencia del vendedor, no de equipos que usan IA. En la misma encuesta, la mitad de los vendedores se sentía abrumada por la cantidad de tecnología que debía usar.

Agentes de IA: una encuesta leída al revés y predicciones a medias

La peor citada es la encuesta de Gartner (2025) a 413 líderes de tecnología de marketing. Se repite que el 89% esperaba un beneficio importante de los agentes y solo el 45% lo recibió. El comunicado dice que el 89% de quienes tienen iniciativas con agentes espera beneficios importantes y que el 45% dice que los agentes de sus proveedores no cumplen lo prometido. Es casi lo contrario, y además mide marketing, no ventas.

La predicción de que en 2028 un tercio del software empresarial incluirá IA agéntica es real (Gartner (2025)), pero viaja sin la otra mitad del comunicado: Gartner anticipa que más del 40% de los proyectos de IA agéntica se cancelará antes de fines de 2027. Qué suele pasar con esos pilotos lo contamos en su piloto de IA va a morir en silencio.

Algo parecido pasa con el 10% que ya usa agentes y el 82% que los sumará. Es de Capgemini (2024), sobre empresas de más de USD 1.000 millones de facturación en 14 países, ninguno de América Latina. Al año siguiente, el mismo instituto (Capgemini (2025)) midió que el 14% había implementado agentes, apenas el 2% a escala completa, y que el 23% estaba en piloto. Un plan no es una adopción.

Tamaño del mercado y costo contra un vendedor: estimaciones y datos de proveedor

Las cifras de mercado son estimaciones de informes de pago sobre los agentes que hacen el trabajo de un representante de desarrollo de ventas. MarketsandMarkets (2025) calcula 4.120 millones de dólares en 2025 y 15.010 millones en 2030; Grand View Research (2025), 3.800 millones en 2024 y 32.200 millones en 2033. Se las pone juntas como si se contradijeran, pero son de años distintos y cada una define el mercado a su manera.

La comparación de costo es el caso típico de un dato de proveedor. Circula que un agente de prospección cuesta 83% menos que un vendedor, con enlace al blog de un proveedor. En el artículo de ese blog que leímos (proveedor de agentes de prospección (2025)) no está el 83%: hay un costo por lead 85% menor, sin metodología publicada y contra un vendedor de EE. UU. con un sueldo base de USD 45.000 al año.

¿Por qué los costos en dólares de EE. UU. no sirven para comparar en LATAM?

Ese sueldo es el problema de fondo. Las comparaciones entre un agente y una persona se arman con sueldos, comisiones y costo por hora de EE. UU., y en México, Colombia o Argentina cambian todos los términos: el sueldo, las cargas que paga el empleador, la comisión, la rotación y el tipo de cambio con que se paga el software. El porcentaje de ahorro no se traslada.

Cambia también el trabajo. Esas comparaciones piensan en prospección en frío por email, LinkedIn o teléfono. En América Latina buena parte de los leads llega por WhatsApp, muchas veces desde un anuncio que abre la conversación, y la tarea es responder a quien ya escribió, no salir a buscarlo. Ese canal suma un costo que las cuentas de EE. UU. no tienen: Meta cobra cada mensaje entregado según su categoría y el país del destinatario (Meta (2026)).

Y están las muestras: el estudio de 2007 y la auditoría de 2011 se hicieron con empresas de EE. UU., y la encuesta de Capgemini, en 14 países sin ninguno latinoamericano. La edición más nueva del State of Sales sí incluye a México y Brasil, mezclados con otros 20 países.

Qué hacer en cambio: medir su propia línea de base

La cifra que sirve para decidir es la de su operación. Antes de comparar un agente con su equipo, midan durante unas semanas:

• Primera respuesta: el tiempo real, también fuera de horario, no el que el equipo cree.

• Volumen: conversaciones por mes y minutos que lleva atender cada una.

• Costo por persona: sueldo, cargas, comisiones y herramientas, en su moneda.

• Lo que se pierde: leads sin respuesta y presupuestos sin seguimiento.

Con esos datos, la calculadora de vendedores o agente de IA dimensiona cuántas personas necesitan para responder a tiempo y desde qué costo conviene un agente, en pesos mexicanos, colombianos o argentinos. La calculadora de ventas perdidas por WhatsApp estima lo que cuesta responder tarde, y los KPIs para medir un agente de IA dicen qué seguir después.

Las cifras de terceros que usamos en el sitio están en transparencia de datos, con su fuente, su año y si son un benchmark independiente o un dato de proveedor. Si quieren armar la cuenta con sus números, agenden una demo y la revisamos juntos.