La Era de los Resultados ya está aquí: con mal contexto, la IA entrega 28% menos MQL que no usar IA

Yamini Rangan, CEO de HubSpot, publicó el 30 de septiembre de 2026 un artículo en el newsroom de la compañía donde declara el inicio de lo que llama la Era de los Resultados. El texto trae un dato propio que hasta ahora no circulaba: qué pasa cuando una empresa conecta IA a un CRM con datos malos.

Rangan parte describiendo el ciclo de inversión de los últimos tres años y medio, con billones de dólares puestos en semiconductores, hiperescaladores y modelos fundacionales. Su argumento es que ese gasto construyó la base, pero que el valor nunca viene de la infraestructura sola, sino de lo que se construye encima. Y que el foco de los líderes comerciales con los que conversa ya se corrió: dejó de estar en qué puede hacer la IA y pasó a estar en qué entrega realmente.

¿Qué encontró HubSpot al analizar 300.000 empresas?

La compañía revisó datos de su base de más de 300.000 empresas clientes. El primer hallazgo confirma lo esperable: el buen contexto entrega buenos resultados.

• MQL generados: mejoraron 264%
• Negocios cerrados ganados: mejoraron 197%
• Reuniones con clientes agendadas: subieron 200%

El segundo hallazgo es el que Rangan califica de «verdaderamente sorprendente». Cuando los mismos modelos de IA se emparejaron con mal contexto, los resultados no solo no mejoraron, sino que quedaron peores que no usar IA en absoluto.

• MQL generados: cayeron 28%
• Negocios cerrados ganados: cayeron 27%
• Reuniones con clientes agendadas: cayeron 49%

¿Por qué la IA con datos malos rinde peor que no tener IA?

La explicación que da Rangan es de comportamiento, no de tecnología. Los humanos corrigen el mal contexto de forma intuitiva: un vendedor que conoce el negocio detecta un dato raro y lo filtra antes de que llegue al cliente. La IA no tiene esa intuición. «Actuará con confianza con lo que tenga», escribe.

Los ejemplos que entrega son concretos: la IA puede recomendar un producto que ya no está en el catálogo, o enrutar una aprobación a un gerente que cambió de rol. Sin un humano que frene la salida, cada error se propaga aguas abajo del proceso comercial.

De ahí su tesis central, que enuncia en una línea: «La inteligencia es necesaria. Pero no es suficiente». Un modelo frontera, por inteligente que sea, aprende de información pública y nunca va a saber qué campañas están funcionando, qué negocios necesitan atención, qué clientes están en riesgo, qué se le prometió a un cliente o cómo se mueve el trabajo entre equipos.

¿Qué es el buen contexto según HubSpot?

Rangan lo define como el conocimiento dinámico sobre el negocio, los clientes y el equipo, y lo descompone en tres ingredientes:

• Contexto de negocio: qué haces. Objetivos de la compañía, productos, posicionamiento y voz de marca.
• Contexto de cliente: a quién sirves. El historial completo de cada relación, conversaciones, detalles de contrato e ingresos, perfil de cliente ideal, necesidades y sentimiento.
• Contexto de equipo: quién eres. Flujos de trabajo y traspasos, roles y permisos, reglas de aprobación y disparadores de escalamiento.

Sobre los tres, agrega una condición: el contexto tiene que ser preciso, actual y relevante para la tarea. Datos obsoletos, un registro faltante o información excesiva pueden desviar la salida. Esa es la justificación que la compañía da para haber reconstruido su CRM como un sistema que se actualiza solo.

¿Qué significa este hallazgo para una empresa en Chile?

El dato aterriza de forma distinta en Chile y Latinoamérica que en el mercado estadounidense. En la región, la brecha no suele estar en el acceso a la IA: está en el estado del CRM. Pipelines con etapas que nadie actualiza, contactos duplicados, propietarios desactualizados, productos descontinuados que siguen en el catálogo, aprobaciones que viven en WhatsApp y no en el sistema.

Sobre ese sustrato, activar agentes de IA no es neutro. Según los datos de HubSpot, es activamente peor que no hacer nada. Una empresa chilena que enchufa un agente de prospección a una base sucia no obtiene un resultado mediocre: obtiene menos reuniones que antes de encenderlo.

Análisis de Revenue Hub

Este es el dato más útil que HubSpot ha publicado este trimestre, y conviene leerlo con una advertencia: viene del proveedor, y el proveedor tiene un interés directo en que la conclusión sea «compra mi capa de contexto». Dicho eso, el hallazgo coincide con lo que vemos en la práctica, y la cifra negativa es demasiado incómoda para ser marketing. Ningún vendedor de software publica por gusto que su producto puede empeorar los resultados de un cliente.

La decisión que esto obliga a tomar a un líder comercial en Chile o Latinoamérica es de secuencia, no de presupuesto. La pregunta no es «¿adoptamos agentes de IA?», es «¿nuestro CRM está en condiciones de que un agente actúe sobre él?». Si la respuesta es no, el orden correcto es higiene de datos y gobierno del modelo de datos primero, agentes después. Invertir en lo segundo sin resolver lo primero es pagar por acelerar en la dirección equivocada, y los números de HubSpot ponen magnitud a ese costo: entre 27% y 49% de deterioro en los indicadores que le importan al negocio.

El riesgo estructural que esto expone es que la mayoría de las empresas no sabe en cuál de los dos grupos está. No existe un panel que diga «tu contexto es malo». Se descubre después, cuando las reuniones bajan y nadie conecta la caída con el agente que se activó hace dos meses. Por eso vale tratar el diagnóstico del modelo de datos como un paso explícito y medible antes de cualquier despliegue de IA, que es exactamente el punto de partida de nuestro diagnóstico de HubSpot. El resto de los movimientos de la plataforma los seguimos en nuestra cobertura de HubSpot.