Los agentes de inteligencia artificial comienzan a asumir un papel más activo en marketing, ventas y atención al cliente. Sin embargo, su eficacia se enfrenta a un obstáculo: pueden ser muy avanzados y, al mismo tiempo, desconocer buena parte de la relación que una empresa mantiene con sus clientes. Solo el 39% de los equipos españoles de atención dispone de un historial completo y centralizado de cada usuario.

La inteligencia artificial empresarial está entrando en una nueva fase. Después de dos años marcados por la carrera para incorporar asistentes, copilotos y herramientas generativas, el debate comienza a desplazarse desde qué puede hacer la IA hacia qué necesita saber para hacerlo bien.

La diferencia no es menor.

Una inteligencia artificial puede redactar un correo, preparar una reunión comercial, responder a un cliente o recomendar el siguiente paso en una oportunidad de venta. Pero si desconoce las conversaciones anteriores, las compras realizadas, las incidencias abiertas o la situación actual de esa relación comercial, su capacidad para tomar decisiones útiles se reduce considerablemente.

Es precisamente ahí donde aparece uno de los próximos grandes desafíos para las empresas: dotar de contexto a la IA.

Mucha inteligencia artificial, pero información fragmentada

Los datos de HubSpot reflejan esta contradicción en las compañías españolas. El 93% de los equipos de atención al cliente ya está valorando incorporar inteligencia artificial, pero únicamente un 39% dispone de un historial centralizado y completo de cada cliente.

Además, cerca de uno de cada cuatro reconoce que ni siquiera tiene acceso de manera consistente a toda esa información.

La situación plantea una paradoja: las empresas están preparando agentes capaces de asumir cada vez más responsabilidades mientras la información que necesitan para actuar correctamente continúa repartida entre diferentes sistemas, departamentos y aplicaciones.

El resultado puede ser una IA capaz de producir mucho, pero no necesariamente de producir mejor.

El problema no siempre es el modelo

Cuando una herramienta de inteligencia artificial ofrece una respuesta genérica, incorrecta o poco útil, resulta fácil atribuir el fallo al modelo. Sin embargo, a medida que estas tecnologías maduran, la calidad de la información empresarial que reciben está ganando tanta importancia como las propias capacidades de la IA.

Un modelo puede disponer de enormes cantidades de conocimiento general y, aun así, desconocer prácticamente todo lo relevante sobre un cliente concreto.

¿Qué compró? ¿Qué conversaciones ha mantenido con la compañía? ¿Qué problema tuvo hace seis meses? ¿Está negociando actualmente una renovación? ¿Ha mostrado interés por otro servicio? ¿Qué compañero habló con él por última vez?

Sin ese contexto, incluso una IA muy avanzada puede ofrecer una experiencia desconectada de la realidad.

La preocupación ya aparece entre los propios responsables empresariales. Una encuesta realizada por KPMG entre líderes de Estados Unidos situó la calidad de los datos organizativos como el principal desafío para las estrategias de inteligencia artificial, señalado por el 85% de los participantes.

Gartner, por su parte, había advertido de que durante 2026 un 60% de los proyectos de IA sin datos adecuadamente preparados terminarían siendo abandonados.

De almacenar datos a conseguir que la IA los entienda

Durante años, una de las prioridades de las compañías fue acumular información.

CRM, plataformas de marketing, herramientas de atención al cliente, sistemas comerciales y aplicaciones internas permitieron registrar cantidades cada vez mayores de datos. El problema es que tener información no significa necesariamente tener contexto.

La nueva etapa de la inteligencia artificial obliga a conectar esas piezas.

Para que un agente pueda participar de forma efectiva en un proceso comercial o de atención, necesita acceder a una visión coherente y actualizada del cliente, pero también comprender determinados elementos del propio negocio.

Esto está impulsando también la evolución de los CRM tradicionales.

HubSpot utiliza el concepto de “Plataformas Agénticas de Clientes” para describir una nueva generación de ecosistemas en los que los datos del cliente, la información empresarial y los procesos están conectados y pueden ser utilizados simultáneamente por profesionales y agentes de inteligencia artificial.

El cambio de filosofía es importante: el CRM deja de funcionar únicamente como un lugar donde las personas consultan información para convertirse también en una fuente de contexto desde la que pueden actuar sistemas autónomos.

El siguiente reto: agentes que hablen entre ellos

Existe además otro desafío.

Las compañías no tendrán únicamente un agente de inteligencia artificial. Marketing puede utilizar uno para crear y optimizar campañas; ventas, otro para preparar reuniones y cualificar oportunidades; atención al cliente puede desplegar sistemas diferentes para gestionar consultas o incidencias.

Si cada uno trabaja con información diferente, las empresas corren el riesgo de trasladar a la inteligencia artificial un problema que llevan años intentando solucionar entre sus propios departamentos: los silos.

La siguiente evolución pasa, por tanto, de desplegar agentes independientes a construir sistemas capaces de compartir una misma visión del cliente y coordinar sus acciones.

“Cuando la IA comprende el historial del cliente, conoce el estado real del negocio y comparte información con el resto de los equipos, deja de ser una herramienta aislada para convertirse en un auténtico acelerador del crecimiento”, señala Diego Santos, Head de Marketing de HubSpot para España y Latinoamérica.

El contexto puede convertirse en la próxima ventaja competitiva

El avance de los agentes de IA introduce una idea que puede marcar la próxima etapa de la transformación empresarial: cuanto mayor sea la autonomía de la tecnología, más importante será la calidad del contexto sobre el que toma sus decisiones.

Las capacidades de los grandes modelos continuarán evolucionando y muchas de ellas estarán disponibles para miles de compañías simultáneamente. Lo verdaderamente diferencial podría estar entonces en otro lugar: los datos propios de cada organización, su conocimiento acumulado y su capacidad para convertir información dispersa en un contexto útil y accesible.

La pregunta para las empresas empieza así a cambiar.

Ya no se trata únicamente de cuánta inteligencia artificial pueden incorporar, sino de cuánto sabe esa inteligencia artificial sobre su negocio y sus clientes.

Porque un agente puede ser extraordinariamente inteligente. Pero si no conoce el contexto, seguirá trabajando a ciegas.