Los marketers saben que la IA está tomando decisiones con datos malos

MarTech publicó el 28 de agosto de 2026 un análisis del State of CRM Data Report 2026 de Validity, con una conclusión incómoda: los equipos de marketing están entregando cada vez más autoridad a la inteligencia artificial sobre sus campañas, mientras la alimentan con datos de CRM que ellos mismos saben que no están listos para el trabajo.

Casi el 91% de los marketers dice que la preparación de datos es crítica para adoptar IA. Pero solo el 21% considera que sus datos de CRM están muy bien preparados para las herramientas de IA que usan o planean usar. Mientras tanto, el 45% ya usa IA agéntica capaz de actuar sin revisión humana, y dos tercios de las organizaciones aumentaron durante el último año la cantidad de decisiones de marketing delegadas a agentes autónomos.

El cambio de fondo es de naturaleza, no de grado. Antes, un dato malo en el CRM significaba limpieza manual y reportes inexactos. Ahora un agente de IA puede actuar sobre ese error automáticamente: enviar una campaña, puntuar un lead, personalizar una oferta o reasignar presupuesto antes de que alguien revise la decisión.

¿Qué tan malos son los datos de CRM que alimentan a la IA?

Solo el 26% de los encuestados dijo que más de tres cuartas partes de sus datos de CRM son precisos y completos. Casi la mitad reconoce que su organización tiene problemas con la calidad de los datos de CRM.

Las consecuencias ya llegaron a la línea de ingresos. El 62% dijo que los datos deficientes de CRM probablemente o definitivamente le costaron ingresos a su organización, por problemas como renovaciones perdidas, pronósticos inexactos, negocios caídos y campañas mal dirigidas. Al mismo tiempo, solo el 28% está muy confiado en que su CRM entrega una visión precisa del desempeño de campañas y del impacto en ingresos.

La combinación es reveladora: las organizaciones creen que los datos malos les están costando dinero, pero tienen poca confianza en los datos que usarían para determinar cuánto.

¿Cuántas veces se cae un número de pipeline en una reunión?

Casi el 69% dijo que un número de ingresos, pipeline o desempeño que ellos o su equipo presentaron fue cuestionado o retirado porque los datos de base estaban mal. Entre ejecutivos de la alta dirección, vicepresidentes, jefes de área y directores, la cifra sube a casi el 75%.

Ninguna mejora de atribución o de reportería resuelve eso si los datos de cliente, campaña e ingresos que están debajo siguen siendo cuestionables.

¿La IA convierte errores de datos en decisiones comerciales?

Sí, y el estudio lo cuantifica. Cerca del 19% de los encuestados dijo que presentó o actuó frecuentemente sobre una recomendación generada por IA que después sospechó equivocada por datos deficientes. Otro 43% dijo que le pasó ocasionalmente.

Lo notable es que el problema crece con la jerarquía, no al revés. Cerca del 78% de los ejecutivos de alta dirección y el 92% de los vicepresidentes dijeron haber actuado sobre una recomendación de IA que luego sospecharon errónea, frente al 41% de los colaboradores individuales. Mientras más alto el cargo, más decisiones se toman sobre salidas de IA que nadie verificó contra la fuente.

¿De quién es la culpa cuando los datos de CRM no sirven?

De nadie en particular, y ese es el problema. Solo el 39% de los ejecutivos senior dice que marketing e IT o RevOps colaboran muy bien para mantener los datos utilizables para campañas. Entre gerentes y colaboradores individuales esa cifra cae al 27%.

La propiedad tampoco está resuelta: solo el 41% dice que su organización tiene un equipo o dueño dedicado de gobierno de datos. Los encuestados también citaron la mala alineación entre marketing, ventas y RevOps, y la falta de propiedad interna clara, como barreras que impiden que los datos de CRM sostengan de forma confiable el marketing.

Consultados sobre qué aumentaría más su confianza en los datos de CRM, el 39% eligió monitoreo automatizado continuo que detecte y corrija problemas en tiempo real. Una plataforma unificada quedó segunda, seguida de validación o enriquecimiento con datos de terceros.

El estudio encuestó a 500 profesionales de marketing B2B y B2C en julio de 2026, en organizaciones de al menos 100 empleados, en Estados Unidos, Reino Unido, Brasil, Australia y Nueva Zelanda. La inclusión de Brasil lo hace uno de los pocos estudios recientes de calidad de datos de CRM con representación latinoamericana.

Análisis de Revenue Hub

Este estudio confirma un patrón que vemos de forma consistente en Chile y Latinoamérica: las empresas compran capacidades de IA antes de arreglar el sustrato sobre el que esa IA opera. La secuencia correcta es al revés. Un agente que puntúa leads sobre un CRM con 30% de registros incompletos no está automatizando una decisión, está industrializando un error.

El dato más accionable del reporte no es el 62% que perdió ingresos, sino el 92% de vicepresidentes que actuó sobre recomendaciones de IA que después sospechó equivocadas. Eso significa que el riesgo se concentra justo donde las decisiones son más caras. Si tu comité comercial revisa forecast generado por IA sobre datos que nadie audita, el costo del error no se mide en campañas mal segmentadas sino en decisiones de contratación, de inversión y de metas.

La recomendación es concreta y ordenada: antes de habilitar cualquier agente con permiso de actuar sin revisión, define el dueño del gobierno de datos, porque solo el 41% lo tiene y sin ese rol nadie puede aprobar ni bloquear nada. Luego instrumenta monitoreo continuo sobre los tres campos que efectivamente mueven ingresos, típicamente etapa del negocio, monto y fecha de cierre, en vez de intentar una limpieza total del CRM que nunca termina. Y recién ahí sueltas al agente, empezando por decisiones reversibles. En nuestra sección de CRM y datos seguimos los estudios y cambios de producto que afectan la calidad del dato comercial, y en el blog de Revenue Hub documentamos cómo estructuramos gobierno de datos en operaciones de ingresos.