La mayoría de las empresas sigue tratando la IA como un proyecto del área de producto o de tecnología.
Es comprensible. La IA se ve primero en la funcionalidad: un asistente dentro de la plataforma, una automatización documental, una búsqueda en lenguaje natural, una recomendación inteligente o una demo que permite enseñar algo nuevo al mercado.
Pero esa lectura es demasiado estrecha.
No porque la IA no afecte al producto. Claro que lo afecta. Lo cambia profundamente. Cambia cómo se diseña, cómo se prioriza el roadmap y cómo se decide qué merece pasar de experimento a producción.
El problema es pensar que se queda ahí.
La IA cambia también cómo se relaciona el equipo con el cliente, cómo se forman los nuevos compradores, cómo se protege el criterio profesional, cómo se vende una plataforma, cómo se explica el dato, cómo se construye confianza y qué decisiones estratégicas tienen sentido tomar.
Sin una visión transversal, cada área improvisa por su cuenta.
Producto quiere añadir IA al roadmap.
Marketing quiere hablar de IA porque el mercado la pide.
Ventas quiere usarla como argumento comercial.
Customer Success quiere reducir fricción en soporte.
El equipo técnico quiere experimentar.
El cliente quiere saber qué pasa con sus datos.
El CPO quiere entender qué decide la IA y qué sigue decidiendo una persona.
Y si no existe una postura común, el resultado es una organización que añade IA a su discurso, pero no necesariamente a su realidad.
Por eso, la conversación importante no es solo si una empresa tiene IA. La conversación importante es si sabe incorporarla con criterio.
La IA no es una funcionalidad aislada
Durante los últimos años, muchas empresas han presentado la IA como una nueva capa de producto. Algo que se añade al software para hacerlo más atractivo, más moderno o más vendible.
Pero la IA no funciona como una pestaña más dentro de una plataforma.
Una funcionalidad tradicional tiene límites relativamente claros: hace una tarea, dentro de un flujo, con una lógica previsible.
La IA introduce una dinámica distinta. Interpreta información, genera respuestas, propone acciones, resume documentos, detecta patrones y puede influir en cómo una persona toma decisiones.
Eso la convierte en algo más transversal.
| Área afectada | Cómo impacta la IA | Riesgo si se trata como algo aislado |
|---|---|---|
| Producto | Cambia el roadmap, las prioridades y la forma de diseñar funcionalidades | Construir demos llamativas que no resuelven problemas reales |
| Cliente | Cambia la conversación comercial y la due diligence | Vender promesas sin poder responder preguntas sobre dato, límites y producción |
| Equipo | Cambia cómo se trabaja, aprende y decide | Delegar demasiado y perder criterio profesional |
| Estrategia | Cambia la posición competitiva y las expectativas del mercado | Confundir IA con ventaja competitiva sostenible |
| Seguridad y dato | Cambia el tratamiento de información sensible | No definir dónde queda el dato ni qué puede procesar la IA |
| Cultura | Cambia la relación de la organización con el conocimiento | Normalizar outputs plausibles sin suficiente revisión |
La IA no debe gestionarse solo como una mejora técnica. Debe gestionarse como una decisión organizativa.
Y en Compras, esta diferencia importa especialmente porque no hablamos de tareas neutras. Hablamos de proveedores, contratos, condiciones comerciales, homologaciones, facturas, riesgo, cumplimiento, auditoría y decisiones que pueden afectar directamente a la operación de la empresa.
1. Producto: construir lo que ya funciona, no lo que impresiona
La IA cambia cómo se construye el producto.
También cambia cómo se prioriza el roadmap.
En una plataforma de Compras, las oportunidades parecen evidentes: asistentes inteligentes, lectura de documentos, análisis de contratos, automatización de facturas, recomendaciones de proveedores, alertas de riesgo, scoring, clasificación automática, búsqueda conversacional y generación de informes.
El problema no es la falta de posibilidades. Es justo lo contrario.
Hay demasiadas posibilidades.
Y cuando una tecnología permite imaginar tantos casos de uso, aparece una tentación peligrosa: construir lo que impresiona antes que lo que resuelve.
La IA generativa es especialmente propensa a esto. Una demo puede parecer brillante en cinco minutos. Puede responder con fluidez, resumir un documento, generar una recomendación o simular una conversación con un comprador. Pero la pregunta importante no es cómo se ve en demo.
La pregunta importante es:
“¿Cómo funciona en producción?”
En producción hay datos incompletos.
En producción hay proveedores duplicados.
En producción hay contratos con versiones distintas.
En producción hay usuarios con distintos niveles de experiencia.
En producción hay excepciones.
En producción hay clientes que preguntan qué dato llega al modelo.
En producción hay auditorías.
En producción hay decisiones que no se pueden dejar en manos de una respuesta plausible.
Por eso, en itbid aplicamos una regla interna sencilla: comunicar solo lo que está en producción, no lo aspiracional.
No porque el roadmap no sea ambicioso. Lo es.
No porque no existan líneas de trabajo futuras. Existen.
No porque la IA no vaya a evolucionar dentro de la plataforma. Lo hará.
La razón es otra: vender capacidades futuras como si ya fueran presentes daña la confianza del cliente cuando llega la implementación y descubre que la realidad no correspondía con la demo.
El riesgo de construir para la demo
Uno de los mayores riesgos de producto en IA es priorizar aquello que se enseña bien, aunque no sea lo que más valor aporta.
Una funcionalidad puede ser muy atractiva en una presentación comercial y poco útil en el día a día de un comprador.
También puede ocurrir lo contrario: una automatización poco espectacular puede ahorrar muchas horas al equipo, reducir errores y mejorar la trazabilidad del proceso.
| Decisión de producto | Parece atractiva porque… | Pregunta que debería hacerse el equipo |
|---|---|---|
| Crear un asistente conversacional genérico | Se enseña bien en demo | ¿Resuelve una fricción concreta del usuario o solo responde de forma elegante? |
| Automatizar tareas documentales | Puede parecer menos llamativo | ¿Cuántas horas reales elimina del proceso? |
| Generar recomendaciones automáticas | Suena avanzado | ¿Qué dato usa y qué ocurre si ese dato no es fiable? |
| Añadir análisis predictivo | Tiene impacto comercial | ¿Existe suficiente histórico limpio para que sea útil? |
| Crear dashboards inteligentes | Visualmente funciona muy bien | ¿Ayudan a decidir o solo reorganizan información? |
La IA útil no siempre es la más vistosa.
En Compras, muchas veces la IA más valiosa es la que reduce fricción en procesos concretos: leer una factura, detectar una inconsistencia, ayudar a interpretar un documento, guiar a un comprador junior o alertar cuando falta información crítica.
El criterio de producto debería ser menos “esto impresiona” y más “esto funciona”.
Producto debe aprender a decir “todavía no”
La madurez de una estrategia de IA no se mide solo por lo que una empresa decide construir.
También se mide por lo que decide no comunicar todavía.
Decir “esto está en desarrollo” es sano.
Decir “esto no está en producción” es sano.
Decir “esto aún no tiene la fiabilidad suficiente” es sano.
Decir “esta decisión no debe automatizarse” es sano.
La transparencia puede parecer menos agresiva comercialmente, pero genera más confianza en clientes que ya han visto demasiadas promesas tecnológicas incumplidas.
Para un CPO, esa transparencia es clave. No quiere comprar una presentación. Quiere incorporar una solución que funcione en su operación real.
2. Cliente: la IA no cierra ventas, las condiciones sí
La IA ha cambiado la conversación comercial.
Hace tres años, hablar de IA en Compras te hacía parecer pionero. Hoy, no hablar de IA puede hacerte parecer desconectado.
Ese cambio ha ocurrido muy rápido.
El mercado ha pasado de la curiosidad al requisito mínimo. Muchos CPOs ya no preguntan por IA porque quieran una demo futurista, sino porque necesitan saber si el proveedor está entendiendo hacia dónde se mueve la función de Compras.
Pero hay algo que no ha cambiado: la IA no cierra ventas por sí sola.
Lo que sigue cerrando una venta es mucho más concreto:
- Resolver un problema real.
- Encajar con los procesos del cliente.
- Tener una implementación viable.
- Ofrecer seguridad sobre el dato.
- Demostrar funcionalidad real.
- Generar confianza en el equipo.
- Tener una relación comercial sólida.
- Presentar condiciones económicas razonables.
- Acompañar bien el cambio interno.
La IA puede abrir una conversación. Puede hacer que un proveedor parezca actualizado. Puede aportar atractivo. Puede reforzar una propuesta.
Pero no compensa un producto débil.
No compensa una mala implementación.
No compensa un precio fuera de mercado.
No compensa una relación comercial poco clara.
No compensa dudas sobre la seguridad del dato.
La due diligence ha cambiado
Aunque la IA no cierre ventas por sí sola, sí ha cambiado la forma en que los clientes evalúan a los proveedores.
La pregunta superficial era:
“¿Tenéis IA?”
La pregunta madura es:
“¿Qué hace exactamente vuestra IA?”
Y después vienen otras:
- ¿Qué decide?
- ¿Qué no decide?
- ¿Dónde queda el dato?
- ¿Qué información llega al modelo?
- ¿Qué ocurre si la IA no tiene contexto suficiente?
- ¿Cómo se evitan alucinaciones?
- ¿Qué parte está en producción?
- ¿Qué parte está en roadmap?
- ¿Cómo se audita lo que ha procesado?
- ¿Qué límites habéis definido?
Estas preguntas cambian la conversación comercial. Ya no basta con enseñar una funcionalidad. Hay que demostrar criterio.
| Pregunta del cliente | Respuesta inmadura | Respuesta madura |
|---|---|---|
| ¿Tenéis IA? | “Sí, somos líderes en IA aplicada a Compras” | “Sí, en estos procesos concretos, con estos límites y esta trazabilidad” |
| ¿Qué hace? | “Automatiza y optimiza procesos” | “Analiza documentos, responde dudas operativas y apoya tareas específicas ya en producción” |
| ¿Qué decide? | “Ayuda a tomar mejores decisiones” | “Propone y contextualiza, pero la decisión sigue siendo humana” |
| ¿Dónde queda el dato? | “Trabajamos con IA segura” | “El dato del cliente permanece bajo control, con protección y sin compartirse entre clientes” |
| ¿Qué no hacéis? | “Estamos evolucionando constantemente” | “No decidimos por el comprador, no compartimos proveedores entre clientes y no comunicamos roadmap como producción” |
La respuesta madura suele ser menos espectacular, pero más útil para quien tiene que firmar una decisión de compra.
El cliente no compra IA. Compra confianza
En Compras, la confianza tiene un peso especial.
Un proveedor tecnológico no solo gestiona pantallas. Puede tocar información de proveedores, contratos, precios, condiciones, datos fiscales, documentación sensible, flujos de aprobación y procesos críticos para la operación.
Por eso, el cliente no compra “IA” en abstracto.
Compra una forma de incorporarla sin perder control.
Compra una respuesta clara sobre el dato.
Compra trazabilidad.
Compra límites.
Compra acompañamiento.
Compra una tecnología que no obligue al equipo a elegir entre innovación y seguridad.
La IA puede ser un argumento comercial. Pero la confianza sigue siendo el verdadero cierre.
3. Equipo: el riesgo de la atrofia cognitiva organizacional
Este es el vector más incómodo de articular.
También es uno de los más importantes.
Cuando un equipo delega demasiado en la IA, no solo gana tiempo. También puede perder algo más difícil de medir: el músculo de cuestionar.
La incomodidad productiva de pensar dos veces.
El reflejo de pedir un dato más antes de decidir.
La capacidad de detectar una respuesta demasiado perfecta.
La costumbre de contrastar.
El hábito de dudar.
Los outputs empiezan a sonar competentes, pero no afilados.
Plausibles, pero no contundentes.
Ordenados, pero no necesariamente verdaderos.
La IA puede generar atrofia cognitiva organizacional. No rápido. No de golpe. De manera sostenida y casi invisible.
Y precisamente por eso es peligrosa.
No porque la IA sea mala. Sino porque es cómoda.
La comodidad también tiene coste
La IA reduce fricción. Esa es una de sus mayores virtudes.
Pero no toda fricción es negativa.
En una organización, hay fricciones que existen porque el proceso es ineficiente. Esas hay que eliminarlas.
Pero también hay fricciones que obligan a pensar mejor. Esas hay que protegerlas.
La diferencia no siempre es evidente.
| Tipo de fricción | Ejemplo | Qué conviene hacer |
|---|---|---|
| Fricción operativa inútil | Copiar datos entre sistemas, buscar documentos, repetir tareas manuales | Reducirla o automatizarla |
| Fricción por mala información | Tener que comprobar datos porque no hay fuente fiable | Resolver con gobierno del dato |
| Fricción cognitiva útil | Preguntar si una recomendación tiene sentido o si falta contexto | Protegerla |
| Fricción de validación | Revisar una decisión crítica antes de aprobarla | Mantenerla |
| Fricción de aprendizaje | Que un junior tenga que entender por qué se toma una decisión | Acompañarla, no eliminarla |
La IA debe eliminar trabajo mecánico. No debería eliminar el pensamiento crítico.
Aplicado a Compras: el trabajo no es teclear
En Compras, el trabajo del comprador no es ejecutar tareas.
Es tomar decisiones bajo restricciones.
Restricciones de presupuesto.
Restricciones de tiempo.
Restricciones de riesgo.
Restricciones regulatorias.
Restricciones internas.
Restricciones de suministro.
Restricciones de relación con proveedores.
Restricciones de mercado.
Muchas veces, además, esas decisiones se toman con información incompleta y en entornos cambiantes.
Si la IA se come la parte de la decisión, lo que queda no es un comprador más estratégico. Lo que queda es un operador que valida outputs.
Y ese no debería ser el futuro de la función de Compras.
La IA debe liberar al comprador de tareas repetitivas para que tenga más tiempo de pensar, negociar, anticipar riesgos y coordinar mejor con el negocio.
No para que deje de cuestionar.
La pregunta correcta para el liderazgo
La pregunta no es:
“¿Usamos IA o no?”
Esa pregunta ya llega tarde.
La pregunta correcta es:
“¿Qué partes del criterio queremos proteger del confort de delegar?”
Esa decisión no puede dejarse solo a cada usuario. Debe formar parte del liderazgo.
Una organización necesita definir:
- Qué tareas puede asistir la IA.
- Qué tareas puede automatizar.
- Qué decisiones debe recomendar, pero no tomar.
- Qué decisiones deben quedar siempre en manos humanas.
- Qué tipo de validación se requiere.
- Qué formación necesita el equipo.
- Qué señales indican dependencia excesiva.
- Qué criterios deben preservarse en perfiles junior.
Esta conversación no es técnica. Es cultural.
Y si no se tiene explícitamente, la organización delega por inercia.
4. Estrategia: la IA es capa funcional, no ventaja competitiva
La IA no es una ventaja competitiva sostenible en Compras.
Puede comprarse.
Puede integrarse.
Puede licenciarse.
Puede aparecer en distintos productos con bastante rapidez.
Los grandes competidores del mercado tienen recursos para incorporarla, mejorarla y comunicarla de forma agresiva. Plataformas globales como Ivalua, Jaggaer o SAP Ariba seguirán invirtiendo en IA con más capacidad financiera, equipos más grandes y más músculo comercial que muchos jugadores mid-market.
Por eso, competir por ser “el número uno en IA” puede ser una trampa.
No porque la IA no importe. Importa mucho.
Pero precisamente porque importa, acabará siendo una expectativa mínima.
Como el cloud.
Como los portales de proveedor.
Como las integraciones.
Como la firma digital.
Como la analítica.
Cuando una capacidad se convierte en estándar, deja de diferenciar por sí sola.
Pero su ausencia sí penaliza.
No tener IA sí será una desventaja
Esta es la paradoja estratégica.
La IA no será suficiente para diferenciarse, pero no tenerla hará que una plataforma parezca incompleta.
El mercado no necesariamente premiará al proveedor que más prometa sobre IA. Pero sí castigará al que no tenga una respuesta clara.
| Escenario | Percepción del mercado |
|---|---|
| No tener IA ni roadmap claro | Desconexión con la evolución del sector |
| Tener IA decorativa | Modernidad superficial, pero poca credibilidad en due diligence |
| Tener IA útil en procesos concretos | Madurez, foco y orientación a valor real |
| Tener IA con límites claros | Confianza y criterio |
| Prometer IA total sin producción real | Riesgo comercial y pérdida de credibilidad |
La estrategia ganadora no es incorporar IA en todas partes.
La estrategia ganadora es incorporarla donde tenga sentido, con límites, con producción real y con una narrativa honesta.
La diferenciación está en el criterio
Si todos pueden comprar o integrar IA, la diferenciación no está en la tecnología aislada.
Está en el criterio con el que se incorpora.
En Compras, ese criterio se ve en decisiones concretas:
- No automatizar decisiones que deben seguir siendo humanas.
- No comunicar roadmap como si fuera producción.
- No usar datos confidenciales de forma opaca.
- No compartir información de proveedores entre clientes.
- No vender IA como solución a problemas de mala calidad del dato.
- No permitir que el asistente invente cuando no tiene información.
- No sacrificar trazabilidad por velocidad.
- No confundir eficiencia con mejor decisión.
Estas decisiones pueden parecer menos llamativas que una promesa ambiciosa. Pero construyen confianza.
Y la confianza, en plataformas de Compras, es una ventaja mucho más difícil de copiar.
Qué implica una visión transversal de la IA
Tratar la IA como capa transversal significa que no pertenece solo a producto, ni solo a tecnología, ni solo a marketing.
Afecta a todas las áreas.
| Área | Pregunta que debe hacerse |
|---|---|
| Producto | ¿Estamos construyendo funcionalidades útiles en producción o solo demos atractivas? |
| Tecnología | ¿Qué arquitectura, seguridad y trazabilidad necesita cada caso de uso? |
| Marketing | ¿Estamos comunicando capacidades reales o generando expectativas futuras? |
| Ventas | ¿Sabemos responder preguntas de due diligence sobre dato, límites y decisión? |
| Customer Success | ¿Estamos ayudando al cliente a adoptar IA sin perder criterio? |
| Legal / Compliance | ¿Están claros los límites de uso de datos y responsabilidad? |
| Dirección | ¿Qué postura queremos tener sobre IA y qué no estamos dispuestos a hacer? |
| Equipo interno | ¿Estamos usando IA para trabajar mejor o para pensar menos? |
Sin esa visión transversal, la IA se fragmenta.
Cada área la interpreta a su manera.
Y cuando eso ocurre, el cliente recibe mensajes contradictorios.
Producto habla de roadmap.
Ventas habla de capacidades.
Marketing habla de innovación.
Legal habla de cautela.
Soporte habla de límites.
El cliente escucha ruido.
La madurez consiste en alinear todo eso en una postura común.
Cómo debería introducirse la IA en una empresa de Compras
Una forma útil de ordenar la incorporación de IA es pensar en fases.
No todas las empresas están en el mismo punto. Pero el patrón de madurez suele parecerse.
| Fase | Enfoque | Riesgo si se salta |
|---|---|---|
| 1. Postura | Definir qué papel debe tener la IA y qué líneas rojas existen | Cada área comunica algo distinto |
| 2. Casos de uso | Identificar problemas concretos donde la IA aporta valor real | Añadir IA donde impresiona, no donde resuelve |
| 3. Dato | Revisar calidad, acceso, privacidad y trazabilidad | Construir sobre información poco fiable |
| 4. Producción | Pasar de demo a flujo real con usuarios reales | Vender una promesa que no soporta el día a día |
| 5. Adopción | Formar al equipo y definir límites de uso | Crear dependencia o rechazo |
| 6. Medición | Evaluar impacto, errores, excepciones y confianza | No saber si la IA está generando valor |
| 7. Evolución | Ampliar capacidades con criterio | Convertir el roadmap en una lista de promesas |
Este enfoque es menos acelerado que lanzar una gran narrativa de IA.
Pero es más sostenible.
Lo que un CPO debería exigir a un proveedor con IA
Para un Director de Compras, la pregunta no es solo qué IA tiene un proveedor. La pregunta es qué madurez organizativa demuestra al incorporarla.
Algunas preguntas útiles serían:
Sobre producto
- ¿Qué capacidades de IA están hoy en producción?
- ¿Qué capacidades están en roadmap?
- ¿Cómo diferenciáis una demo de una funcionalidad disponible?
- ¿Qué problema concreto resuelve cada caso de uso?
- ¿Qué indicadores usáis para medir si aporta valor?
Sobre cliente y dato
- ¿Qué datos necesita la IA?
- ¿Dónde queda la información del cliente?
- ¿Qué datos no salen del entorno del cliente?
- ¿Se usan datos del cliente para entrenar modelos públicos?
- ¿Se comparten datos entre clientes?
- ¿Qué trazabilidad queda de cada interacción?
Sobre decisión
- ¿Qué recomienda la IA?
- ¿Qué puede ejecutar?
- ¿Qué decisiones quedan siempre en manos humanas?
- ¿Cómo se gestionan excepciones?
- ¿Qué ocurre si la IA no sabe?
- ¿Cómo se evita que genere respuestas plausibles pero incorrectas?
Sobre estrategia
- ¿Cuál es vuestra postura sobre IA?
- ¿Qué no vais a hacer con IA?
- ¿Cómo protegéis el criterio profesional del comprador?
- ¿Cómo ayudáis a formar a usuarios junior?
- ¿Cómo evitáis que la IA sea solo una capa comercial?
Las respuestas a estas preguntas dicen mucho sobre el proveedor.
No solo sobre su tecnología.
También sobre su criterio.
El riesgo de hablar más rápido de lo que se construye
La IA ha acelerado la comunicación de muchas empresas más que su producto.
Esto genera un problema de confianza.
Cuando el mercado premia el discurso, las compañías sienten presión por parecer más avanzadas de lo que realmente son. Aparecen términos vagos, promesas difíciles de verificar y demos que mezclan producción con futuro.
Pero los clientes no tardan en detectar la diferencia.
La implementación revela lo que la presentación ocultaba.
El soporte revela lo que la demo simplificaba.
La due diligence revela lo que el eslogan no respondía.
El dato revela lo que la IA no puede corregir sola.
Por eso, hablar de IA exige más prudencia que otros mensajes comerciales.
La IA toca confianza, responsabilidad y criterio.
Y cuando esos elementos se prometen mal, el daño no es solo comercial. Es reputacional.
Una postura más honesta sobre IA
La postura más honesta no es decir que la IA no importa.
Importa.
Tampoco es decir que la IA lo cambiará todo sin matices.
Eso tampoco ayuda.
La postura más útil para el mercado de Compras es otra:
La IA es una capa necesaria, pero no suficiente.
Debe incorporarse donde resuelve problemas concretos.
Debe comunicarse desde lo que funciona.
Debe proteger el dato del cliente.
Debe respetar la decisión humana.
Debe evitar la dependencia acrítica.
Debe ayudar al comprador a pensar mejor, no a pensar menos.
Debe diferenciar claramente producción y roadmap.
Debe tener líneas rojas.
Y debe formar parte de una estrategia transversal, no de una campaña aislada.
La diferenciación no está en la IA
La IA será cada vez más común en las plataformas de Compras.
Habrá más asistentes.
Más automatizaciones.
Más análisis documental.
Más recomendaciones.
Más búsqueda en lenguaje natural.
Más promesas de eficiencia.
Eso no significa que todas las soluciones sean iguales.
La diferencia no estará en tener IA.
Estará en cómo se incorpora.
En qué se decide automatizar.
En qué se decide no automatizar.
En cómo se protege el dato.
En cómo se comunica al cliente.
En cómo se forma al equipo.
En cómo se preserva el criterio.
En cómo se reconoce el límite.
En cómo se pasa de demo a producción.
La IA no sustituye la estrategia.
La obliga a ser más clara.
Cierre
La mayoría de las empresas empezó hablando de IA desde producto o tecnología porque era el lugar más evidente.
Pero la IA no se queda ahí.
Afecta al roadmap, a la relación con el cliente, a la formación del equipo, al criterio profesional, a la seguridad del dato y a la posición estratégica de la empresa.
Tratarla como una funcionalidad aislada es quedarse corto.
La IA en Compras debe entenderse como una capa transversal. Una capa que puede aportar valor real si se incorpora con foco, límites y honestidad.
La diferenciación no está en decir que tienes IA.
Está en demostrar que sabes dónde usarla, dónde no usarla y qué criterio quieres proteger mientras la incorporas.
