El 42% de las pymes argentinas usa IA. En logística, sólo el 6%

El 42% de las pymes argentinas ya usa inteligencia artificial en alguna parte de su operación. Es el resultado de un relevamiento de FUNDAR, la Universidad Torcuato Di Tella, el Observatorio PYME y el BID sobre más de 400 empresas, y es un número alto: la adopción dejó de ser una cuestión de early adopters.

El mismo relevamiento tiene un segundo número, mucho menos comentado. Sólo el 6% aplica IA a sus operaciones logísticas. Más de la mitad de los usos se concentran en marketing y ventas, y un 45% en administración y gestión.

Esa brecha —42% contra 6%— no se explica por el precio de la tecnología. Se explica por lo que cada una necesita para funcionar.

La IA de marketing no necesita conocer tu operación

Un modelo que te escribe descripciones de producto, que arma variantes de un anuncio o que resume reseñas no necesita saber nada verificable sobre tu negocio. Le alcanza con texto. Si se equivoca, publicás otra versión.

Un sistema que decide cuánto reponer, que le dice a un cliente si hay stock o que informa dónde está un envío necesita lo contrario: datos que sean ciertos en el momento exacto en que los lee. Y ahí es donde la mayoría de las operaciones se topa con su propio estado.

Si el stock de una variante vive en una planilla que se actualiza a la noche, ningún modelo lo va a arreglar. Si el mismo producto tiene tres códigos distintos entre tu tienda, tu marketplace y tu depósito, la IA va a ser rapidísima produciendo el error equivocado. La frase incómoda es que automatizar una operación desprolija sólo acelera el desorden.

Por qué esto importa más ahora que hace dos años

El Estudio Anual de CACE sobre 2025 muestra un e-commerce que facturó $35,3 billones y creció 60% nominal, bastante por encima de una inflación del 31%. Se vendieron 645 millones de unidades, un 28% más que el año anterior.

El dato que conviene mirar de cerca es otro: las órdenes de compra crecieron apenas 3%, mientras el ticket promedio subió 55% hasta $143.128. Es decir, casi todo el crecimiento vino de canastas más grandes y precios más altos, no de más gente comprando más veces.

Eso cambia dónde está la palanca. Cuando el crecimiento viene de más órdenes, conviene invertir en atraer tráfico. Cuando viene de canastas más grandes sobre una base de órdenes casi plana, lo que mueve el resultado es no perder las ventas que ya tenés a mano: la consulta que nadie contestó, la unidad que se vendió dos veces, el envío que llegó tarde y se transformó en un reclamo.

Dónde la IA rinde en una operación de e-commerce

Ordenado por qué tan verificable es el resultado, que suele ser el mejor criterio para empezar:

• Estado de los envíos. Alta repetición, respuesta comprobable y costo de error acotado. Es el caso donde primero conviene soltar el volante.
• Consultas de catálogo y disponibilidad. Funciona sólo si el stock por variante es confiable. Cuando lo es, resuelve la mayoría de las conversaciones sin que intervenga nadie.
• Reposición y armado de compras. Los modelos anticipan demanda mejor que una regla fija, pero necesitan historia limpia de ventas y de tiempos de reposición. Sin eso, es una corazonada con más decimales.
• Clasificación de casos. Demora, envío fallido, cambio, devolución, facturación. Etiquetar bien lo que entra vale casi tanto como resolverlo, porque recién ahí se ve qué se repite.

Lo que queda afuera de esa lista es tan importante como lo que entra. Un agente no debería cerrar un reembolso, ni prometer una fecha que no controla, ni cancelar una orden ya pagada. Los límites no son una limitación del producto: son el producto.

Qué hace falta antes de conectar nada

Tres preguntas, y son de operación, no de tecnología:

• ¿El stock de una variante es el mismo en todos los canales donde la vendés, ahora mismo?
• ¿Podés responder en qué estado está un envío sin abrir el sitio de nadie más?
• ¿Cada orden tiene un identificador que sobrevive el salto entre tu tienda, tu depósito y el transporte?

Si alguna respuesta es "más o menos", ese es el proyecto. No es glamoroso y no se anuncia en LinkedIn, pero es la diferencia entre un agente que resuelve y uno que inventa.

Cuando la base está, la conversación se vuelve el canal

Con los datos en orden, un sistema conectado puede sostener una venta de punta a punta dentro del chat: buscar en el catálogo, armar la orden con los precios reales, tomar los datos del destinatario, reservar stock y generar el link de pago. Así funcionan los agentes de IA de Fleeto, que trabajan sobre el catálogo, el stock y las órdenes del comercio y atienden en WhatsApp, Instagram y Mercado Libre.

El 6% de la encuesta no es un techo tecnológico. Es la proporción de operaciones que hoy tienen los datos en condiciones de que algo actúe sobre ellos. Subir ese número es, casi siempre, un trabajo de infraestructura antes que de inteligencia artificial.