La IA avanza más rápido que su organización de precios

La inteligencia artificial se está desarrollando a una velocidad que la mayoría de las organizaciones rara vez han experimentado con tecnologías anteriores. Un reciente documento de debate del McKinsey Global Institute, La economía de la IA: fuerzas interconectadas, bucles de retroalimentación y velocidades de cambio, analiza la IA no simplemente como una tecnología, sino como un sistema. Su argumento central es que las capacidades de la IA, la infraestructura, la inversión, la regulación, el cambio organizacional y la adopción humana están interconectados, pero se mueven a velocidades muy diferentes. Esa diferencia de velocidad es importante. Según una medida citada por McKinsey, la complejidad de las tareas que la IA de vanguardia puede manejar de manera fiable (medida por cuánto tiempo le tomaría a un experto humano realizar las mismas tareas) se ha duplicado aproximadamente cada cuatro meses desde 2023. Al mismo tiempo, cambiar los flujos de trabajo organizacionales puede llevar años.

Esto plantea una cuestión importante para la fijación de precios en el sector minorista. ¿Qué sucede cuando la inteligencia disponible para una organización de precios se desarrolla más rápido que la propia organización? La respuesta puede definir la próxima etapa de la fijación de precios impulsada por IA.

La adopción de la IA avanza más rápido que el cambio organizacional

Las cifras de adopción parecen impresionantes al principio. McKinsey cita una encuesta de 2026 a 1719 encuestados en 97 países, en la que casi nueve de cada diez afirmaron que sus organizaciones utilizan regularmente la IA en al menos una función empresarial.

Pero hay otra cifra que puede ser mucho más importante. Fuera de un pequeño grupo de organizaciones de alto rendimiento en IA, que representa solo el 6 % de la encuesta, apenas una cuarta parte de los encuestados afirmó que sus organizaciones estaban rediseñando los flujos de trabajo en torno a la IA en lugar de simplemente insertarla en los procesos existentes.

Esta distinción entre utilizar la IA y cambiar la forma en que funciona la organización debido a la IA es fundamental. Una empresa puede implementar la IA ampliamente sin cambiar fundamentalmente su modelo operativo. Los empleados pueden usar copilotos. Los analistas pueden generar informes más rápido. Los gerentes pueden resumir información en segundos. Los equipos pueden automatizar tareas individuales. Todas estas mejoras pueden crear valor, pero no necesariamente cambian la forma en que se toman las decisiones. Y en la fijación de precios, esa distinción se vuelve particularmente visible.

Considere cómo se toma una decisión de precios hoy en día

Un proceso típico de fijación de precios minoristas implica muchos pasos. Se recopilan datos de ventas, costes, competidores y mercado. Los analistas identifican los productos que requieren atención. Se investigan las oportunidades de precios. Se consideran diferentes escenarios. Se verifican las reglas de negocio y los requisitos de margen. Se preparan recomendaciones. Los gerentes las revisan. Los precios aprobados se envían a otro sistema para su ejecución.

La IA puede acelerar casi todos esos pasos. Puede analizar miles de SKU. Puede identificar anomalías. Puede monitorear a la competencia. Puede estimar el efecto potencial de un cambio de precio. Puede preparar recomendaciones y explicar por qué una acción en particular tiene sentido. Esto ya es valioso.

Pero imagine que la IA reduce un análisis que antes le tomaba dos horas a un gerente de precios a solo diez minutos. El proceso es ahora significativamente más rápido, pero sigue siendo esencialmente el mismo proceso. El sistema produce el análisis, el gerente lo revisa, la recomendación pasa por un proceso de aprobación y, finalmente, alguien o algo lo ejecuta.

Ahora imagine algo diferente. Un sistema de precios basado en IA monitorea continuamente el mercado y detecta un cambio importante en el precio de un competidor. Evalúa si el competidor realmente tiene el producto disponible, verifica la importancia estratégica del SKU, considera la demanda actual, el inventario y el margen, evalúa varias respuestas posibles y las prueba frente a las reglas comerciales del minorista. Si la acción recomendada se encuentra dentro de límites claramente definidos, puede proceder automáticamente. Si la situación es inusual, estratégicamente importante o potencialmente arriesgada, se escala a un gerente de precios junto con el contexto relevante y las acciones recomendadas. La IA ya no ayuda simplemente a alguien a realizar el proceso existente más rápido. El proceso de fijación de precios en sí mismo ha cambiado.

Cuando desaparece un cuello de botella, aparece otro

Esto conduce a una de las ideas más útiles del análisis de McKinsey. En un sistema complejo, eliminar una restricción no elimina necesariamente la restricción del sistema en su conjunto. En cambio, el cuello de botella puede simplemente trasladarse a otro lugar. McKinsey ilustra esto a nivel de la economía de la IA. Las restricciones iniciales en torno a los chips avanzados y el empaquetado fueron seguidas por la presión sobre la electricidad, las conexiones a la red y la capacidad de los centros de datos. A medida que se abordan las limitaciones físicas, McKinsey sugiere que es cada vez más probable que las futuras restricciones involucren aplicaciones, habilidades de la fuerza laboral y flujos de trabajo organizacionales.

El mismo fenómeno puede ocurrir dentro de una organización de precios. Supongamos que la IA permite a un minorista analizar 50 000 SKU en minutos en lugar de días. El cuello de botella analítico desaparece. Pero si cada recomendación aún requiere aprobación manual, el cuello de botella simplemente se ha trasladado del análisis a la aprobación. Ahora supongamos que el minorista permite que las recomendaciones rutinarias dentro de límites establecidos se aprueben automáticamente. El cuello de botella de la aprobación comienza a desaparecer. Pero quizás los precios aún tengan que pasar por varios sistemas desconectados antes de llegar a las tiendas y canales digitales. El cuello de botella se ha movido de nuevo, esta vez a la ejecución.

Resuelva ese problema y puede aparecer otro: datos de producto deficientes, reglas comerciales poco claras, propiedad fragmentada o gobernanza insuficiente sobre qué decisiones se le permite tomar a la IA.

La lección importante es que implementar una IA más potente no hace automáticamente que toda la organización de precios sea más rápida. La velocidad de una decisión de precios está limitada, en última instancia, por la parte más lenta e importante del sistema de decisión.

Por lo tanto, la fijación de precios necesita una visión sistémica

McKinsey utiliza una analogía interesante de pensamiento sistémico. Imagine seleccionar el mejor motor, transmisión, frenos y otros componentes de diferentes coches y ensamblarlos en un solo vehículo. El resultado no sería necesariamente el mejor coche del mundo. Es posible que ni siquiera funcione, porque esos componentes, excelentes individualmente, nunca fueron diseñados para funcionar juntos.

La tecnología de precios se enfrenta cada vez más a un problema similar. Un minorista puede tener una excelente solución de monitoreo de la competencia, un motor de optimización independiente, una herramienta de promociones, una plataforma de análisis, reglas de negocio almacenadas en otro lugar y otro sistema responsable de ejecutar los precios. Ahora se puede añadir IA a cada uno de ellos. Individualmente, cada componente puede volverse más inteligente. Pero eso no crea necesariamente un sistema de precios inteligente. Las decisiones de precios están intrínsecamente interconectadas.

Un movimiento de precios de la competencia puede afectar al posicionamiento. El posicionamiento debe considerarse junto con la elasticidad. La elasticidad interactúa con el volumen. El volumen afecta al inventario. El inventario influye en las decisiones de rebajas. Las promociones cambian el comportamiento del cliente. Los objetivos de margen limitan qué respuestas son aceptables. Optimizar una pieza sin entender las demás puede simplemente trasladar el problema a otro lugar.

Por tanto, la oportunidad creada por la IA es mayor que hacer que cada herramienta de precios sea individualmente más inteligente. Consiste en conectar las diferentes etapas de la fijación de precios en un ciclo de decisión coherente.

Del flujo de trabajo de precios al ciclo de decisión de precios

Tradicionalmente, los procesos de fijación de precios se han diseñado a menudo como una secuencia de actividades humanas apoyadas por software: Datos → análisis → recomendación → aprobación → ejecución.

La IA agente abre la posibilidad de algo más dinámico: Pregunta → Decisión → Ejecución → Mejora.

Las señales del mercado pueden monitorearse de forma continua en lugar de periódica. Los agentes de IA pueden detectar situaciones que requieren atención en lugar de esperar a que los analistas las busquen. Diferentes agentes pueden aportar capacidades especializadas a la misma decisión: análisis de la competencia, verificación de límites, simulación, optimización o ejecución operativa. Las decisiones rutinarias pueden fluir a través del sistema con una intervención humana limitada cuando se mantienen dentro de los límites establecidos. Las decisiones de mayor riesgo pueden ser escaladas. Y los resultados de decisiones anteriores pueden retroalimentar las futuras.

Este es un cambio importante porque desplaza a la IA de ser principalmente una capa analítica a convertirse en parte del propio modelo operativo de precios.

La experiencia humana se vuelve más importante, pero de otra manera

Esto no implica eliminar a los gerentes de precios de la fijación de precios. Todo lo contrario. A medida que la IA se vuelve capaz de manejar más trabajo analítico y operativo repetitivo, el valor de la experiencia humana se desplaza cada vez más hacia las áreas donde el juicio es lo más importante. Alguien todavía tiene que decidir qué intenta lograr el negocio. ¿Debería ser la prioridad el margen, la cuota de mercado, el tráfico, la reducción de inventario o la percepción de precio del cliente? Alguien necesita determinar con qué agresividad debe responder el minorista a la competencia. Alguien necesita definir los límites de margen aceptables. Alguien necesita decidir qué productos son estratégicamente importantes. Y alguien necesita intervenir cuando las condiciones del mercado caen fuera de lo que el sistema ha sido diseñado para manejar.

Por lo tanto, el rol cambia de revisar cada decisión a diseñar y supervisar el entorno de decisión. En lugar de pedir a un gerente de precios que inspeccione manualmente miles de recomendaciones rutinarias, la organización puede pedirle que defina dónde puede operar la IA de forma autónoma, qué reglas debe respetar y qué situaciones requieren juicio humano. Ese es un uso mucho mejor de la escasa experiencia en precios.

La gobernanza debe moverse a la misma velocidad

Una mayor autonomía, sin embargo, hace que la gobernanza sea más importante, no menos. McKinsey identifica la gobernanza como otra área que se está desarrollando más lentamente que las capacidades de IA. En una encuesta separada citada en el documento, solo alrededor del 30% de las organizaciones habían alcanzado el nivel tres o superior en una escala de madurez de confianza y gobernanza de IA de cuatro niveles. El informe también señala un problema básico que aparece a medida que la IA se vuelve más autónoma: las organizaciones necesitan claridad sobre qué acciones puede tomar la IA, qué decisiones requieren aprobación humana y quién es responsable cuando algo sale mal.

Estas preguntas son muy relevantes para los precios. A un sistema de IA no se le debe dar simplemente la instrucción de "maximizar el margen". Necesita límites comerciales. ¿Qué tan grande puede ser un cambio de precio? ¿Con qué frecuencia puede cambiar un precio? ¿Qué SKU requieren aprobación? ¿Qué niveles de margen no se pueden cruzar? ¿Qué competidores importan? ¿Qué sucede con los KVI? ¿Cuándo debería escalarse automáticamente una recomendación inusual? Estos límites no son obstáculos para la autonomía de la IA. Son lo que hace posible una autonomía responsable. Cuantas más decisiones de precios pueda tomar la IA, más importante será definir claramente el entorno en el que se permite que ocurran esas decisiones.

De herramientas de IA individuales a Agentes de Precios con IA

Esta perspectiva de sistemas es fundamental para nuestra forma de pensar sobre Pricerium. Es poco probable que el futuro de los precios sea un enorme modelo de IA que tome cada decisión comercial de forma independiente. Tampoco es probable que sean docenas de herramientas de IA desconectadas, cada una optimizando una pequeña parte del proceso de precios.

Una arquitectura más práctica es una red de Agentes de Precios con IA especializados, cada uno responsable de decisiones o tareas particulares mientras opera dentro del mismo entorno de precios más amplio. Un Agente de Competencia puede monitorear los movimientos del mercado. Un Agente de Límites puede evaluar las acciones propuestas frente a las restricciones comerciales. Un Analista de Precios puede investigar el rendimiento y las anomalías. Un Agente de Optimización puede evaluar posibles puntos de precio. Un Asesor Estratégico puede aportar una perspectiva comercial más amplia. Los agentes operativos pueden ayudar a mover las decisiones hacia la ejecución. Y los expertos humanos pueden seguir involucrados siempre que la importancia comercial, la incertidumbre o el riesgo requieran juicio.

La innovación importante no es simplemente que cada agente utilice IA. Es que estas capacidades pueden participar en el mismo proceso de decisión. Esto crea la posibilidad de pasar de un software de precios fragmentado a un sistema operativo de precios inteligente en el que la información, los modelos, los agentes de IA, las reglas de negocio y la experiencia humana trabajan juntos.

El objetivo seguirá moviéndose

Hay otra razón por la que las organizaciones deberían evitar diseñar la transformación de la IA basándose únicamente en las capacidades actuales.

La propia IA se está convirtiendo en parte del ciclo de retroalimentación que acelera el desarrollo de la IA.

McKinsey señala que los modelos actuales ya pueden contribuir con código, generación de datos y evaluaciones utilizadas para desarrollar las siguientes generaciones de modelos. Unos modelos mejores pueden impulsar una mayor adopción; la adopción atrae inversión; la inversión expande la infraestructura y la I+D; y estas inversiones pueden contribuir a nuevas mejoras en los modelos.

Para los minoristas, la implicación es importante. Una arquitectura de precios diseñada bajo la premisa de que las capacidades actuales de la IA son fijas puede quedar obsoleta sorprendentemente rápido. Por lo tanto, el objetivo no debería ser predecir exactamente qué podrá hacer la IA dentro de tres años, sino construir un entorno de precios capaz de absorber nuevas capacidades a medida que surjan. Eso significa una arquitectura modular, derechos de decisión claros, datos conectados, salvaguardas explícitas, rutas de escalamiento humano y flujos de trabajo en los que el grado de autonomía pueda aumentar a medida que maduren la tecnología, la confianza y la gobernanza.

La próxima ventaja competitiva podría ser organizacional

Durante los últimos años, gran parte del debate sobre la IA se ha centrado en los modelos. ¿Qué modelo es el más inteligente? ¿Cuál es el más rápido? ¿Cuál puede procesar más contexto? ¿Cuál produce el mejor resultado? Esas preguntas son importantes, pero podrían volverse gradualmente menos relevantes para las empresas a medida que las potentes capacidades de la IA se vuelvan ampliamente accesibles.

Entonces surge una pregunta competitiva diferente: ¿Con qué rapidez puede una organización convertir la mejora de las capacidades de la IA en mejores decisiones de negocio?

En la fijación de precios minoristas, la respuesta dependerá de mucho más que del modelo. Dependerá de la calidad de los datos, los flujos de trabajo, los derechos de decisión, la integración, las salvaguardas, la capacidad de ejecución y la relación entre los agentes de IA y los expertos humanos.

El argumento sistémico más amplio de McKinsey es, por tanto, especialmente relevante para los precios: la capacidad tecnológica por sí sola no determina el impacto económico. El valor aparece cuando el sistema que la rodea evoluciona con ella.

Los minoristas no necesitan necesariamente transformarlo todo a la vez. Mejorar un proceso de precios existente con IA puede ser un punto de partida sensato y puede generar valor inmediato. Pero las organizaciones deben tener cuidado de no confundir la primera mejora de productividad con el destino final. Porque la pregunta más importante está cambiando. Ya no es simplemente: "¿Qué puede hacer la IA por nuestro equipo de precios?". Cada vez más, es: "¿Cómo diseñaríamos los precios si empezáramos con lo que la IA puede hacer ahora y lo que podría hacer después?". Esa es una pregunta mucho más grande. Y responderla puede, en última instancia, crear mucho más valor que simplemente hacer que el proceso de precios actual sea más rápido.

‍Fuente: McKinsey Global Institute. La economía de la IA: fuerzas interconectadas, ciclos de retroalimentación y velocidades de cambio. McKinsey & Company, 2026.