IA en empresas de Zapopan: por dónde empezar (y qué hacer antes)

Si diriges una empresa en Zapopan, esta semana te llegó al menos un mensaje ofreciéndote inteligencia artificial. Agentes autónomos, chatbots, automatización inteligente. La pregunta que casi nadie te está ayudando a responder no es si adoptarla, sino en qué momento de la fila estás tú.

Esta guía te da un criterio para ubicarte y un orden de trabajo. Está construida sobre dos fuentes externas verificadas y sobre lo que encontramos revisando empresas de la zona. Datos verificados el 31 de julio de 2026.

El dato incómodo: ni las empresas grandes están demostrando retorno

Empecemos por lo que reportan quienes ya invirtieron.

KPMG publicó el 28 de julio de 2026 su reporte trimestral sobre IA. Los números para México:

Indicador	México
Organizaciones en fase de adopción activa de IA	26% (era 17% el trimestre anterior)
Organizaciones que consolidaron retorno de inversión	7%
Replantearon iniciativas porque los costos superaron el valor esperado	50%
Reconocen dificultades para entender las estructuras de costos	46%

La frase que resume el reporte: "el verdadero reto ya no es implementarla, sino demostrar su rentabilidad".

Y aquí va el matiz que cambia cómo hay que leer esos números: quienes responden esa encuesta son organizaciones con ingresos anuales superiores a 50 millones de dólares. Empresas con presupuesto, con área de sistemas y con consultores. Ese es el grupo que está batallando para demostrar rentabilidad. No es una medición de PyMEs mexicanas, y no debe leerse como tal.

El estudio del MIT que analizamos en otro artículo llegó a una conclusión parecida por otro camino: el 95% de los pilotos de IA generativa en empresas no produjo retorno medible, y la causa no fueron los modelos, sino la falta de integración con los procesos reales.

El otro lado: qué encontramos revisando empresas de Zapopan

Ahora el contraste local.

Revisamos 15 empresas establecidas de Zapopan para un análisis de mercado: manufactura, laboratorios, distribución, empaque, servicios industriales y alimentos. No buscábamos IA. Buscábamos cómo venden.

12 de las 15 no tienen ningún mecanismo de autoservicio. Ni cotizador en línea, ni precios públicos, ni carrito funcional. Cotizar, pedir y dar seguimiento pasa por teléfono o WhatsApp, con una persona atendiendo cada solicitud.

Las tres restantes tienen algo, pero incompleto: una tiene portal de clientes sin cotizador; otra tiene una sola página transaccional que respondió con error de servidor de forma intermitente durante la revisión; la tercera tiene un formulario que responde "enviado" sin que la entrega del correo esté confirmada.

Dos aclaraciones necesarias antes de que alguien cite esto:

• Son 15 empresas de nuestro padrón de prospección, no una muestra estadística de Zapopan. No sirve para afirmar qué porcentaje del municipio está en esta situación.
• Ninguna de esas revisiones midió adopción de IA. No sé cuántas de las 15 usan o no usan inteligencia artificial, y no voy a inventarlo. Lo que sí está completo es el conteo de autoservicio.

Un detalle que da idea del volumen de trabajo manual: una de esas empresas acumula más de 400 reseñas en una sola sucursal, y su catálogo completo es un PDF para descargar. Cada persona que quiere saber un precio, escribe o llama.

Aquí deja de ser una anécdota

Junta las dos mitades: a estas empresas les están ofreciendo agentes autónomos de inteligencia artificial mientras su proceso de cotización vive en la cabeza de dos vendedores.

Y el problema no es que la IA no sirva. Es que no hay dónde enchufarla.

Para producir dinero, una herramienta de IA necesita tres cosas del lado de la empresa: un proceso escrito, datos donde agarrarse y un lugar donde entregar el resultado. Las desglosamos en el artículo sobre el estudio del MIT, junto con lo que cuesta equivocarse.

Aquí basta el resumen: si cotizar significa que un vendedor conteste WhatsApp según su criterio, si el precio depende de a quién le preguntes y si nadie sabe cuántas solicitudes entraron el mes pasado, entonces no tienes un proceso: tienes una costumbre. Y la IA no automatiza costumbres. Las acelera.

La escalera: tres escalones, en este orden

Esta es la parte accionable. En la práctica, los proyectos que sí pagan siguen este orden, y saltarse escalones es la causa más común de piloto fallido.

Escalón 1 — Escribir y medir (costo: cero)

Antes de automatizar nada, necesitas saber qué tan grande es el problema.

• Cuántas solicitudes de cotización entran al mes y por qué canal.
• Cuánto tardas hoy en contestar cada una.
• Qué datos pide siempre quien cotiza.
• Qué pasa cuando una solicitud se pierde: ¿alguien se entera?

Esto cuesta cero pesos y un mes de disciplina. Una columna en una hoja de cálculo basta. Sin estos números no puedes defender ninguna inversión posterior, porque no tienes contra qué comparar.

Si no puedes contestar el primer punto, este es tu proyecto. Y no empieza con inteligencia artificial.

Escalón 2 — Automatización simple, sin IA (costo: bajo)

La mayor parte del dolor de las 12 empresas que revisamos se resuelve aquí, sin inteligencia artificial de por medio:

• Un formulario que pregunte lo que el vendedor pregunta siempre. Metros cuadrados, volumen, frecuencia, fecha de entrega. Un lead que llega calificado ahorra la llamada de descubrimiento.
• Precios o rangos publicados. Si el modelo no lo permite, publica el proceso: qué necesitas para cotizar y en cuánto tiempo entregas.
• Acuse automático de recibido, con el plazo real de respuesta.
• Verificar que los mensajes lleguen. El formulario que dice "enviado" y no entrega nada es más caro que no tener formulario: crees que nadie te escribe.

Nada de esto es IA. Y casi siempre rinde más, más rápido y por menos dinero.

Escalón 3 — Ahí sí, inteligencia artificial

Cuando los escalones 1 y 2 existen, la IA tiene dónde apoyarse. Los casos que sostienen retorno son los aburridos —clasificar lo que entra, leer documentos, responder preguntas repetidas, detectar cotizaciones frías—, y comparten lo que importa: puedes contar cuántas veces ocurrían antes y cuántas después. El listado completo está aquí.

Cómo ubicarte hoy, en veinte minutos

Cuatro preguntas. Contéstalas con datos, no de memoria.

1. ¿Cuántas solicitudes de cotización entraron el mes pasado, y por qué canal? Si no tienes el número, estás en el escalón 1.
2. ¿Cuánto tarda hoy tu empresa en contestar una? Mándate una tú mismo, como cliente, un martes a las 10 de la mañana, desde un correo que tu equipo no reconozca. Cronometra.
3. ¿Qué datos pide siempre quien cotiza? Si son los mismos cinco, eso es un formulario, no un puesto.
4. ¿Cuántas veces por semana tu equipo contesta exactamente la misma pregunta? Ese es tu primer caso de IA, y ya tienes el antes para medirlo.

Cómo leer el resultado:

Lo que encontraste	En qué escalón estás
No tienes el número de la pregunta 1	Escalón 1. Mide un mes antes de comprar nada
Tienes números, pero todo se contesta a mano	Escalón 2. Automatización simple, sin IA
Ya tienes formulario, precios y medición, y el volumen repetitivo duele	Escalón 3. Aquí sí conviene evaluar IA
Contestaste las cuatro con datos	Tienes caso de uso y línea base: ya puedes exigirle métricas a cualquier proveedor

Cómo evaluar una propuesta de IA sin ser técnico

Si decides que estás en el escalón 3, los tres criterios para filtrar propuestas están en el artículo anterior: pide la métrica antes que la demostración, exige un piloto acotado y con fecha, y pregunta de dónde va a leer los datos.

Agrega un cuarto, a la luz del dato de KPMG sobre costos: pregunta cómo se factura. Casi la mitad de las organizaciones encuestadas reconoce no entender bien las estructuras de costos de sus propias iniciativas de IA. Si el cobro es por consumo, pide un escenario de gasto con tu volumen real antes de firmar.

---

En INGEN empezamos por el diagnóstico antes de proponer cualquier herramienta: qué tareas consumen horas, cuáles son medibles y cuál tiene el retorno más corto. A veces el resultado es que sí conviene automatizar. Muchas veces es que el problema no estaba adentro: la empresa no tiene un cuello de botella operativo, tiene uno comercial, y lo que hace falta no es un sistema sino que más gente sepa que existe. Entregamos el reporte con los hallazgos, sin compromiso de contratar nada después.

Si prefieres empezar solo, con las cuatro preguntas de arriba tienes suficiente. Lo importante no es quién haga el diagnóstico. Es que exista antes de la inversión.

Fuentes

• KPMG — Global AI Pulse Q2 2026, resultados para México. Comunicado publicado el 28 de julio de 2026 y verificado el 31 de julio de 2026. De aquí salen el 7% que consolidó ROI, el crecimiento de adopción activa de 17% a 26%, el 50% que replanteó iniciativas por costos y el 46% con dificultades para entender estructuras de costos. Alcance declarado: sondeo a más de 2,000 líderes empresariales en 20 países, entre abril y mayo de 2026, en organizaciones con ingresos anuales superiores a USD 50 millones — es decir, empresas grandes, no PyMEs. Comunicado de prensa KPMG México
• MIT, iniciativa NANDA — "The GenAI Divide: State of AI in Business 2025". Fuente del 95% de pilotos sin retorno medible. Consultado a través de cobertura de prensa especializada, verificado el 30 de julio de 2026. Mismo alcance: empresas grandes. Proyecto NANDA (MIT)
• Padrón propio de prospección de INGEN, consultado el 31 de julio de 2026: 15 empresas con auditoría registrada en el municipio de Zapopan. De aquí sale el conteo de 12 sin mecanismo de autoservicio y 3 con autoservicio parcial o roto. Es un padrón de prospección, no una muestra estadística del universo de empresas de Zapopan. Ninguna de esas auditorías midió adopción de inteligencia artificial, por lo que este artículo no afirma nada al respecto. Las empresas no se identifican, conforme a las reglas de anonimización del proyecto.

Ver también: solo el 5.5% de las empresas mexicanas vende por internet, con datos de los Censos Económicos 2024 del INEGI.