IA en marketing y ventas: hasta US$ 1,2 billones (McKinsey)

La investigación más citada sobre IA en marketing es el informe de McKinsey de junio de 2023, que estimó el valor de la IA generativa en 63 casos de uso de 16 funciones y llegó a un potencial de US$ 760.000 millones a US$ 1,2 billones al año en marketing y ventas, el rango más alto entre las funciones analizadas (McKinsey, 2023). El número mide productividad potencial calculada con un modelo, sin costo de implementación. Tres años después, Gartner muestra el presupuesto yendo detrás de la promesa: los CMO destinan en promedio el 15,3% del presupuesto de marketing a iniciativas de IA, y solo el 30% dice tener capacidades maduras para escalarlas (Gartner, 2026). Los experimentos académicos con consumidores y las reglas publicadas por Google completan el cuadro: el lector acepta el texto hecho con IA, desconfía cuando sabe que un mensaje emocional vino de una máquina, y el buscador castiga la escala sin valor, la produzcan personas o software. Para el marketing B2B, mi conclusión es que la IA se paga cuando aumenta el pipeline, y ninguna de estas investigaciones mide eso.

En Iasbeck&Co implementamos CRM y agentes de IA en operaciones B2B, y en las conversaciones con líderes de marketing el número de McKinsey suele aparecer para justificar presupuesto, sin la frase que dice qué mide. Revisé cada número en la fuente original y organicé lo que dice la investigación para el liderazgo de marketing, para ventas y CS y para RR. HH. El uso diario de la IA por el equipo está en IA en el marketing B2B; aquí el tema son los datos.

¿Qué investigaciones sobre IA en marketing vale la pena leer?

Elegí fuentes que publican su método: una estimación económica de una consultora, dos ediciones de la encuesta anual de Gartner a CMO, tres artículos revisados por pares y las declaraciones oficiales de Google. Los artículos académicos tienen muestras menores y diseño experimental, que separa causa de correlación.

Fuente	Año	Muestra y método	Hallazgo principal
McKinsey, The economic potential of generative AI	2023	Modelo económico sobre 63 casos de uso en 16 funciones, con bases de costo por función	US$ 760.000 millones a US$ 1,2 billones al año en marketing y ventas; 5% a 15% del gasto total de marketing
Gartner, CMO Spend Survey 2026	2026	401 CMO de Norteamérica, Reino Unido y Europa, de enero a marzo de 2026, la mayoría en empresas con ingresos superiores a US$ 1.000 millones	El 15,3% del presupuesto de marketing va a IA; solo el 30% tiene capacidades maduras para escalar
Gartner, CMO Spend Survey 2025	2025	402 CMO de las mismas regiones, de febrero a marzo de 2025	Retorno de la IA generativa reportado en eficiencia de tiempo (49%), de costo (40%) y capacidad de producir más contenido (27%)
Zhang y Gosline, Judgment and Decision Making	2023	Experimento con 1.203 participantes que evaluaron anuncios y mensajes de campaña escritos por profesionales, por GPT-4 o en conjunto	Sin conocer el origen, los participantes calificaron mejor el contenido de la IA; saber que lo escribió una persona sube la nota
Kirk y Givi, Journal of Business Research	2025	Siete experimentos prerregistrados con mensajes de marketing emocionales	Quien cree que el mensaje emocional lo escribió una IA recomienda menos la marca y muestra menos lealtad
Reisenbichler y coautores, Marketing Science	2022	Experimentos de campo en dos sectores con textos de SEO generados por máquina y revisados por un editor	Los textos revisados posicionaron mejor en el buscador que los escritos por especialistas, con menor costo
Google Search Central, 2023 y Google, 2024	2023 y 2024	Directriz oficial y balance de la propia empresa sobre la actualización de marzo de 2024	El uso adecuado de IA no infringe las directrices; el contenido de baja calidad y sin originalidad cayó 45% en los resultados

¿Cuánto vale la IA generativa en marketing y ventas, según McKinsey?

McKinsey mapeó 63 casos de uso en 16 funciones de negocio y estimó, para el conjunto, entre US$ 2,6 billones y US$ 4,4 billones al año. Cuatro funciones concentran cerca del 75% de ese valor: operaciones de atención al cliente, marketing y ventas, ingeniería de software e investigación y desarrollo. En el gráfico que abre el valor por función, marketing y ventas aparece primero, con un rango de US$ 760.000 millones a US$ 1,2 billones, y la nota al pie aclara que la estimación excluye costos de implementación, como capacitación y licencias.

Función	Impacto anual estimado (US$ miles de millones)
Marketing y ventas	760 a 1.200
Ingeniería de software	580 a 1.200
Operaciones de atención al cliente	340 a 470
Cadena de suministro y operaciones	290 a 550
I+D de producto	230 a 420
Riesgo y legal	180 a 260

Fuente: McKinsey (2023), gráfico de impacto de la IA generativa en la productividad por función.

De dónde sale el número de marketing

El informe separa las dos áreas. En marketing, la consultora estima que la IA generativa puede aumentar la productividad con un valor de entre el 5% y el 15% del gasto total de marketing; en ventas, de alrededor del 3% al 5% del gasto global en ventas. Los ejemplos son mensajes personalizados según el comportamiento del cliente y primeros borradores de anuncios, titulares, eslóganes, publicaciones y descripciones de producto. El informe también advierte sobre riesgo de plagio y de infracción de derechos de autor.

Lo que la estimación no dice

El 5% a 15% describe cuánto del gasto actual de marketing una empresa podría ahorrar o reasignar con la IA haciendo parte del trabajo. La cuenta no promete ingresos nuevos, no descuenta el costo de implementación y se hizo antes de los agentes conectados al CRM que las plataformas lanzaron entre 2025 y 2026. Cuando alguien lleve el billón a la reunión de presupuesto, pregunta cuánto del gasto de marketing de tu empresa está en texto, imagen y personalización, la base sobre la que se aplica el rango de McKinsey. Los informes que miden el uso real, como la encuesta anual de la propia McKinsey, están en estado de la IA en las empresas.

¿Cuánto invierten los CMO en IA, según Gartner?

La encuesta anual de Gartner a CMO muestra el presupuesto de marketing estancado y la porción de la IA creciendo dentro de él. En 2026, el presupuesto de marketing quedó en el 7,8% de los ingresos de las empresas, frente al 7,7% de 2025, y el 56% de los CMO dijo no tener presupuesto suficiente para ejecutar la estrategia del año. Dentro de ese presupuesto estable, el 15,3% va a iniciativas de IA, y Gartner describe el movimiento como una reasignación de recursos de otras líneas.

La edición de 2025 muestra de dónde sale el dinero. En ese momento, el 39% de los CMO planeaba recortar presupuesto de agencias, el 39% quería reducir el gasto en personal, y el 22% dijo que la IA generativa redujo su dependencia de agencias externas para creatividad y estrategia (Gartner, 2025). Cuando Gartner preguntó dónde la IA generativa entregaba retorno, los CMO citaron eficiencia de tiempo (49%), eficiencia de costo (40%) y capacidad de producir más contenido o atender más negocios (27%). Ninguna de las tres respuestas mide ingresos, oportunidades ni conversión.

La distancia entre ambición y preparación

En 2026, el 70% de los CMO dijo que convertirse en referente en IA es una meta crítica del año, y el mismo 70% admitió que sus procesos internos aún no están maduros para implementar y escalar la tecnología. El grupo con capacidades maduras destina el 21,3% del presupuesto a la IA y tiene un presupuesto de marketing del 8,9% de los ingresos, por encima del promedio. La encuesta muestra asociación: las empresas con más presupuesto pueden invertir más en IA y en procesos al mismo tiempo, sin que una cosa cause la otra. Para Gartner, el riesgo está en comprar herramientas más rápido de lo que la empresa construye datos, procesos, gobernanza y personas para usarlas.

Indicador	2025	2026
Presupuesto de marketing como % de los ingresos	7,7%	7,8%
CMO sin presupuesto suficiente para la estrategia	59%	56%
Porción del presupuesto de marketing destinada a IA	No informada	15,3%
CMO con capacidades maduras para escalar IA	No informada	30%

Fuente: Gartner, CMO Spend Survey 2025 y 2026.

¿El consumidor rechaza el contenido generado por IA?

Los experimentos dicen que depende de lo que el consumidor sabe y del tipo de mensaje. Yunhao Zhang y Renée Gosline, del MIT Sloan, pidieron a profesionales de contenido de una gran consultora y a GPT-4 que escribieran anuncios de productos y mensajes de campaña en cuatro esquemas: solo humano, solo IA, humano finalizando a partir del borrador de la IA e IA finalizando a partir del texto humano (Zhang y Gosline, 2023). Entre los 1.203 participantes, quienes evaluaron el material sin conocer el origen dieron mejor nota al contenido que la IA escribió sola o finalizó. Revelar el origen redujo la diferencia sin invertirla, y el efecto vino del lado humano: saber que lo escribió un especialista subió la nota, y saber que la IA participó no la bajó.

Colleen Kirk y Julian Givi llegaron a un resultado que parece contrario y mide otra cosa. En siete experimentos prerregistrados, quienes creían que un mensaje de marketing emocional lo había escrito una IA mostraron menos disposición a recomendar la marca y menos lealtad (Kirk y Givi, 2025). El efecto pasa por la percepción de autenticidad y por un sentimiento que los autores llaman repulsión moral. Se debilita cuando el mensaje es factual, cuando la IA solo edita el texto, cuando la propia IA firma y cuando el consumidor cree que casi todo el marketing ya sale de máquinas.

Leídos juntos, los dos estudios separan lo que la IA escribe bien de lo que no debe firmar. Anuncios, descripciones de producto y textos informativos pasan la prueba, y un mensaje que vende cercanía, como el agradecimiento del fundador, pierde valor cuando el cliente descubre que nadie lo escribió.

¿Google penaliza el contenido hecho con IA?

Google evalúa calidad y propósito sin mirar cómo se produjo el texto. En febrero de 2023, el equipo de calidad de búsqueda de Google publicó que sus sistemas de clasificación premian el contenido original y de calidad, sin importar cómo se produzca, y que el uso adecuado de IA o de automatización no infringe sus directrices (Google Search Central, 2023). La infracción está en generar contenido con el objetivo principal de manipular la clasificación. En marzo de 2024, Google amplió su política contra el abuso de contenido a escala para cubrir textos producidos para subir en la clasificación por automatización, por personas o por una combinación de ambas, e informó en abril que la actualización redujo un 45% el contenido de baja calidad y sin originalidad en los resultados, por encima del 40% esperado (Google, 2024).

El estudio de campo más citado sobre el tema es anterior a ChatGPT. Martin Reisenbichler y coautores usaron generación de lenguaje natural para redactar textos de landing pages orientados a SEO, con un editor humano revisando cada pieza, y probaron el resultado en experimentos de campo en dos sectores (Reisenbichler y coautores, 2022). Los textos revisados resultaron casi indistinguibles de los escritos por especialistas en SEO en las dimensiones de percepción evaluadas, superaron a los textos humanos en la clasificación del buscador y costaron menos. Los autores registran que el papel del editor humano siguió siendo esencial. Sumado a la política de Google, el estudio indica que la revisión humana decide si la página hecha con IA llega a ser útil.

¿Qué significan estos números para el marketing B2B?

La investigación habla de grandes empresas, en buena parte de consumo, y de mercados fuera de Brasil. Aun así, cuatro lecturas valen para las operaciones B2B que acompaño.

Escala de contenido sin perder la voz

El experimento de Zhang y Gosline muestra que el texto hecho con IA suele pasar la prueba de redacción. En B2B, el riesgo aparece cuando todo el equipo pide al mismo modelo los mismos temas y publica piezas correctas y parecidas a las del competidor, algo que los experimentos de productividad también registran, como explico en IA generativa y productividad. La ganancia del 5% al 15% sobre el gasto de marketing que estima McKinsey solo aparece si el tiempo liberado va a lo que la máquina no hace sola, como entrevistas con clientes, datos propios y el punto de vista de la empresa.

Revisión proporcional al riesgo

El estudio de SEO y la política de Google dicen que la revisión es la parte del proceso que separa el contenido útil del contenido a escala. Kirk y Givi agregan una regla para el liderazgo: los mensajes de relación que dependen de la autenticidad, como los que salen a nombre del director o del ejecutivo de cuentas, necesitan un autor de verdad, aunque la IA ayude en la edición.

Datos del CRM para personalizar

La personalización es el primer ejemplo que cita McKinsey, y depende de lo que la empresa sabe del contacto. Sin historial de interacción, cargo actualizado y etapa de la cuenta en el CRM, la IA personaliza con el nombre y la empresa, algo que el comprador reconoce de lejos. Los números que miden el efecto de la personalización están en personalización en datos.

Medir en pipeline en lugar de volumen

Los CMO de Gartner reportan el retorno de la IA en tiempo, costo y volumen de contenido. Son las tres medidas más fáciles de inflar con IA y las tres más lejanas de los ingresos. En el marketing B2B, pido al liderazgo que siga las oportunidades generadas e influidas, la conversión de MQL a SQL y los ingresos por canal en el CRM, con la atribución que describo en atribución de marketing, y que sume el costo de la IA a esa cuenta, como en ROI de IA.

Lo que estos datos no dicen

La estimación de McKinsey es una proyección de 2023, hecha con un modelo, sobre el gasto global de cada función. Mide productividad potencial, excluye el costo de implementación y no abre el valor de marketing por país ni por tamaño de empresa.

Las dos encuestas de Gartner escuchan a CMO de Norteamérica, Reino Unido y Europa, casi todos de empresas con ingresos superiores a US$ 1.000 millones, que responden sobre su propio trabajo. El comunicado no detalla qué entra en “iniciativas de IA”, y el grupo de alta madurez muestra correlación entre presupuesto y preparación, sin probar que más inversión en IA genere resultados.

Los experimentos académicos usan participantes de paneles en línea que evalúan piezas de consumo, y ninguno probó a un comprador B2B leyendo una propuesta o un correo de nurturing dentro de un proceso de compra de meses. El estudio de SEO usó generación de texto anterior a los modelos actuales y cubre dos sectores. El 45% de Google viene de la evaluación interna de la propia empresa, sin auditoría independiente, y la publicación no informa cuánto del contenido eliminado se produjo con IA.

Ninguna de las fuentes mide el efecto de la IA en el pipeline de una operación B2B. Ese número lo produce tu empresa, con línea de base antes del piloto.

Qué hace el liderazgo con estos números

Esta es la hoja de ruta que propongo para el liderazgo de marketing que va a discutir el presupuesto de IA con esta investigación sobre la mesa.

1. Calcula la base sobre la que se aplica el rango de McKinsey. Suma el gasto de marketing en producción de texto, imagen, variaciones de anuncios y personalización, incluidas las agencias. El rango del 5% al 15% vale sobre esa base, y el resultado suele quedar muy por debajo de la diapositiva del billón.
2. Compara tu porción de IA con el 15,3% de Gartner. Lista licencias, créditos, consumo de agentes y horas de implementación. Si tu porción está cerca del promedio y el proceso no está listo, la próxima inversión va a datos y formación.
3. Cambia eficiencia por pipeline en el panel de IA. El tiempo y el costo de producción quedan como indicadores de operación, y las oportunidades generadas, la conversión de MQL a SQL y los ingresos por canal pasan a ser los de resultado.
4. Separa lo que la IA escribe de lo que no firma. Libera la IA para contenido informativo, variaciones y descripciones, con revisión por muestra, y mantén un autor humano en los mensajes de relación enviados a nombre de personas.
5. Audita el contenido publicado frente a la política de Google. Revisa las páginas creadas en volumen en los últimos 12 meses y retira las que no responden a una pregunta real del comprador.
6. Escribe la política de divulgación. Decide con el área legal cuándo la empresa informa el uso de IA, recordando que, en el experimento de Kirk y Givi, el efecto negativo disminuyó cuando el mensaje venía firmado por la propia IA.

Lo que RR. HH. y T&D deben sacar de esta investigación

Gartner señala la falta de procesos, gobernanza y talento como lo que separa al 30% preparado del otro 70%, y McKinsey deja la capacitación fuera del cálculo del potencial, lo que deja ese costo para que la empresa lo sume. Para RR. HH., la necesidad de formación aparece cuando marketing produce más piezas y la conversión en oportunidades no sube. La ruta que funciona reúne al liderazgo de marketing, a los analistas y a representantes de ventas, porque la definición de lead y la métrica de pipeline son compartidas. El efecto de la formación se mide en el comportamiento de las semanas siguientes, como el porcentaje de piezas aprobadas sin reescritura y la evolución de los MQL aceptados por ventas.

La investigación muestra un potencial grande, presupuestos en aumento y poca gente preparada para llevar la ganancia de producción hasta el pipeline. Ese es el trabajo del entrenamiento in company de IA aplicada, construido sobre el proceso y el CRM de la empresa, con grupos de marketing, ventas y CS. Entrega la biblioteca de prompts por área y la arquitectura de agentes, con lo que cada agente lee, lo que ejecuta solo y quién aprueba el resto.

Preguntas frecuentes

¿Cuánto puede generar la IA generativa en marketing y ventas?

McKinsey estimó en 2023 un potencial de US$ 760.000 millones a US$ 1,2 billones al año en marketing y ventas, el rango más alto entre las 16 funciones analizadas. En marketing, eso equivale al 5% a 15% del gasto total de la función. Es una proyección de productividad, sin costo de implementación, y no un resultado medido.

¿Cuánto invierten los CMO en IA en 2026?

En la encuesta de Gartner a 401 CMO de Norteamérica, Reino Unido y Europa, el promedio fue del 15,3% del presupuesto de marketing destinado a iniciativas de IA. El presupuesto total quedó en el 7,8% de los ingresos, y solo el 30% de los CMO dijo tener capacidades maduras para escalar la IA.

¿El consumidor confía en el contenido generado por IA?

En un experimento con 1.203 participantes, los anuncios escritos por IA recibieron mejor nota cuando no se revelaba el origen, y saber que la IA participó no bajó la nota. Otro conjunto de siete experimentos mostró una caída en recomendación y lealtad cuando el consumidor cree que un mensaje emocional lo escribió una IA.

¿Google penaliza los textos escritos con IA?

Google declara que el uso adecuado de IA no infringe sus directrices y que sus sistemas premian el contenido útil, sin importar cómo se produzca. La penalización recae sobre el contenido producido a escala para manipular la clasificación, por máquinas o por personas, y la actualización de 2024 redujo un 45% el contenido de baja calidad y sin originalidad en los resultados, según la propia empresa.

¿Cómo medir el resultado de la IA en el marketing B2B?

Usa el tiempo y el costo de producción como indicadores de operación y mide el resultado en el CRM, con oportunidades generadas, conversión de MQL a SQL e ingresos por canal, frente a una línea de base registrada antes del piloto. Suma licencias, créditos e implementación al costo.

¿Cómo preparar al equipo de marketing para usar IA?

Empieza por el liderazgo, que define los usos, quién revisa cada tipo de pieza y los indicadores de pipeline. Después capacita a los analistas con el contexto de la empresa y el historial del CRM, con ventas presente en las sesiones de criterios de lead, y sigue el comportamiento en las semanas siguientes.