Doxa 2553

Cómo la IA de última generación está transformando las decisiones de compra B2B

Por Amit Joshi, Ivy Buche y Caroline Schwaer

IA generativa

Harvard Business Review

#Doxa #IAenB2B #InteligenciaArtificial #VentasB2B #TomaDeDecisiones #TransformacionDigital #MachineLearning #AutomatizacionB2B #ExperienciaDeCompra #AnalisisPredictivo #EstrategiaB2B #ComercioElectronicoB2B #DatosB2B #InnovacionTecnologica #MarketingB2B #FuturoDelComercio

Resumen. La IA generativa está transformando radicalmente el comportamiento de compra B2B al trasladar el descubrimiento, la evaluación y la recomendación a entornos mediados por IA que las empresas no controlan ni comprenden del todo. En sectores como el farmacéutico, el manufacturero yLos sistemas bancarios, los asistentes de IA y los sistemas de compras determinan cada vez más qué proveedores, productos y reclamaciones se tienen en cuenta durante la toma de decisiones, a menudo anulando las ventajas tradicionales de ventas, marketing y relaciones con el cliente. Para competir eficazmente, las organizaciones deben rediseñar sus estrategias de comercialización en torno a la «preparación generativa», coordinando narrativas interfuncionales, creando contenido legible por máquinas, reforzando las señales de credibilidad y auditando continuamente cómo los sistemas de IA representan sus marcas.

Consideremos este escenario: el nuevo fármaco oncológico de la Compañía A recibe la aprobación de la FDA tras un ensayo de fase 3 que demuestra una mejora de 3,2 meses en la supervivencia libre de progresión. El equipo de asuntos médicos de la compañía publica los resultados del ensayo en una revista de primer nivel, el departamento de comunicación corporativa emite un comunicado de prensa y sus equipos comerciales capacitan a los representantes de ventas sobre los mensajes clave que deben comunicar a los médicos. Sin embargo, el fármaco competidor de la Compañía B, aprobado seis meses antes, ha generado mucha más discusión clínica, evidencia del mundo real en publicaciones y citas en guías de tratamiento.

Cuando un oncólogo consulta a un asistente de IA genérica sobre las opciones de tratamiento para ese cáncer específico, el fármaco de la Compañía B aparece de forma más destacada en la respuesta sintetizada, acompañado de información contextual más completa. La inversión de 2.000 millones de dólares de la Compañía A en el programa de desarrollo del nuevo fármaco y su inversión anual de 200 millones de dólares en la colaboración con los médicos han quedado relegadas a un segundo plano frente a los patrones de recuperación algorítmica, moldeados por contenido público legible por máquina, algo en lo que la Compañía B sobresalió, pero que la Compañía A ni siquiera tuvo en cuenta al diseñar sus materiales.

Este escenario ya no es hipotético. OpenEvidence, un asistente de IA para la toma de decisiones clínicas diseñado para médicos, es utilizado diariamente por más del 40 % de los médicos estadounidenses, según cifras internas de la compañía. En enero de 2026, gestionó más de 20 millones de consultas médicas, frente a los aproximadamente 2,6 millones de diciembre de 2024. Este aumento de siete veces indica una integración duradera en el flujo de trabajo, en lugar de una simple experimentación. Tanto OpenAI como Anthropic redoblaron sus esfuerzos en el sector sanitario a principios de 2026, posicionando eficazmente grandes modelos de lenguaje (LLM, por sus siglas en inglés), como ChatGPT para el sector sanitario y Claude para el sector sanitario y las ciencias de la vida, en el centro de los procesos clínicos.

En todos los sectores B2B, la IA de última generación está reestructurando radicalmente la forma en que las empresas descubren información, evalúan opciones y toman decisiones. Si bien se ha escrito mucho sobre cómo la IA de última generación afecta a las marcas en el ámbito B2C, también está transformando radicalmente los complejos procesos de compra en las categorías B2B. Los compradores B2B modernos utilizan cada vez más herramientas de IA para guiar la búsqueda, comparar proveedores y evaluar la idoneidad mucho antes incluso de contactar con los vendedores. International Data Corporation (IDC) predice que el 62 % de la generación de demanda B2B tradicional estará impulsada por la IA para 2028.

Desde la gestión de canales hasta la ingeniería de respuestas.

Las estrategias tradicionales de comercialización B2B se basaban en canales controlados: representantes de ventas, redes de distribución, ecosistemas de socios y medios propios. El conocimiento de la marca dependía de la opinión de colegas de confianza, expertos del sector y relaciones con proveedores tradicionales, seguido de una rápida evaluación. Sin embargo, esta fase solía ser lenta y requería muchos recursos, ya que los compradores debían comprender las ofertas, explorar casos de uso, comparar precios y lograr la alineación interna.

La IA de última generación ha introducido una dinámica fundamentalmente diferente. Los compradores acceden a un conjunto mucho más amplio de proveedores potenciales, pero también descartan opciones mucho más rápidamente. Entre los compradores de tecnología B2B en EE. UU., por ejemplo, el 75 % ahora completa su proceso de compra en 12 semanas o menos, en comparación con los 11 meses de 2024. El embudo se ensancha en la parte superior y se estrecha antes. Un gerente de compras puede omitir los sitios web de productos y los representantes de ventas, confiando en cambio en las especificaciones sintetizadas por IA. Un comunicado de prensa de bajo impacto puede convertirse en un dato persistente en los conjuntos de entrenamiento de IA. Y el enfoque de un competidor puede convertirse en el predeterminado de la industria si es más fácil de recuperar y destilar para la IA. Sin embargo, el tráfico originado por las herramientas de IA de última generación sigue siendo en gran medida invisible para las empresas (lo hemos llamado el "embudo oscuro"), lo que deja a los vendedores con una visión limitada de cómo, dónde y en qué medida su contenido influye en las decisiones de los compradores.

Las implicaciones son sustanciales. Las estrategias de mensajería, contenido e influencia B2B deben rediseñarse para el descubrimiento impulsado por IA, optimizándose para sugerencias, tareas a realizar y herramientas de apoyo a la toma de decisiones. La optimización para motores de búsqueda (SEO) está siendo reemplazada por la optimización generativa de motores (GEO). De hecho, muchas empresas ahora podrían necesitar replantearse por completo sus estrategias de comercialización, incluyendo cuánto invierten en capacitación de la fuerza de ventas, alianzas de canal y marketing. Sin embargo, los líderes B2B han tardado en responder. Aun así, la encuesta B2B Pulse 2025 de McKinsey revela que solo el 19 % de los encuestados está implementando casos de uso que involucran herramientas de IA generativa para la compra y venta B2B.

Donde la disrupción golpea con más fuerza

La industria farmacéutica ofrece el ejemplo más claro de la sustitución de canales impulsada por la IA. Las principales compañías farmacéuticas invierten anualmente decenas de miles de millones en la colaboración con los médicos a través de enlaces científicos médicos, representantes de ventas, programas de formación médica continua y ponentes. Estas inversiones buscan garantizar que los médicos comprendan la evidencia clínica que respalda los medicamentos recetados y puedan tomar decisiones de tratamiento informadas. Los asistentes clínicos de IA están ahora facilitando esta relación a gran escala.

La fabricación industrial es otro sector que experimenta una disrupción en los canales de distribución impulsada por la IA. Plataformas de aprovisionamiento con IA como Arkestro, Fairmarkit y Keelvar utilizan esta tecnología para analizar especificaciones técnicas, comparar proveedores, evaluar el coste total de propiedad y recomendar estrategias de aprovisionamiento óptimas. Como resultado, las empresas de ingeniería industrial se ven cada vez más obligadas a preguntarse: ¿Cómo pueden posicionarse en el embudo oscuro donde los modelos de negocio y las herramientas de IA específicas del sector dan forma a la toma de decisiones inicial? IMI, una empresa de ingeniería global con sede en el Reino Unido especializada en tecnología de control de fluidos y movimiento, descubrió un cambio significativo en su negocio de construcción residencial. En entrevistas con nosotros, los ejecutivos de IMI explicaron cómo los instaladores de HVAC ya no dependen de la búsqueda de Google; en cambio, han comenzado a investigar productos y buscar recomendaciones en ChatGPT o Gemini. Como nos comentó Marcella Colombino, directora de marketing y excelencia comercial de control climático de IMI: «Los proyectos industriales trabajan con especificaciones. Hoy en día es mucho más fácil encontrar alternativas, comparar características y precios, y prepararse para impulsar la conversación con proveedores B2B incluso sin tener el conocimiento necesario».

La misma dinámica está surgiendo ahora en el sector bancario. Si bien los bancos han sido pioneros en la adopción de la IA de última generación, la mayoría de las implementaciones siguen siendo internas y operativas, en lugar de estar orientadas al cliente. JPMorgan Chase, por ejemplo, informa que la validación de pagos impulsada por IA ha reducido el fraude y disminuido las tasas de rechazo de validación de cuentas en aproximadamente un 20 %, lo que genera ahorros sustanciales. De manera similar, un estudio del Instituto de Investigación Monetaria y Financiera de Hong Kong encontró que el 75 % de las instituciones financieras ven la IA de última generación principalmente como una herramienta para la productividad y la eficiencia operativa. Sin embargo, la oportunidad mucho mayor reside en utilizar la IA de última generación para redefinir la estrategia de comercialización e impulsar el crecimiento de los ingresos al llegar a los clientes adecuados con el mensaje adecuado en el momento adecuado. En la banca comercial y la gestión patrimonial, los clientes utilizan cada vez más herramientas de IA para analizar opciones de gestión de efectivo, comparar estructuras de préstamos y optimizar las decisiones de tesorería, alejándose gradualmente de los modelos de alta interacción y basados ​​en relaciones, anclados en gestores de relaciones y redes de sucursales físicas.

Estas industrias comparten varios aspectos: productos y servicios complejos, extensas negociaciones de compra, gestión de múltiples partes interesadas y estructuras organizativas aisladas. Irónicamente, las mismas características que antes las protegían de las disrupciones ahora las hacen especialmente vulnerables a la disrupción geográfica.

El marco 4C para desarrollar la preparación generativa

Entonces, ¿cómo deberían responder las organizaciones? Proponemos un marco de 4C:

1. Coordinación de la narrativa entre las distintas funciones.

La mayoría de las organizaciones gestionan el contenido a través de silos funcionales. Marketing se encarga de los materiales promocionales; el equipo de investigación, de las comunicaciones científicas; los equipos de producto, de las especificaciones técnicas; el departamento de comunicaciones corporativas, de los comunicados de prensa, las relaciones con los inversores y las declaraciones públicas; y el departamento legal, de las divulgaciones. Estas separaciones existen por razones válidas: proteger la integridad científica, mitigar el riesgo promocional y mantener el cumplimiento normativo. Sin embargo, GEO depende de señales interfuncionales consistentes, como el comportamiento del cliente, los datos del producto, el rendimiento del contenido, los comentarios de ventas y el contexto del mercado, combinados en una sola perspectiva. Las empresas necesitan abandonar los silos para crear una narrativa interfuncional coordinada centrada en tres resultados:

• Precisión: Garantizar que las herramientas de genAI presenten información correcta, coherente y completa del corpus de contenido de la empresa para diferenciar las afirmaciones fácticas de las opiniones.
• Coherencia: Mantener la coherencia en el lenguaje, el enfoque y el énfasis en todos los comunicados de prensa, sitios web, documentación técnica y materiales educativos.
• Gobernanza: Los sistemas de IA dan el mismo peso a las publicaciones médicas, los comunicados de prensa, los sitios web corporativos e incluso los blogs y fuentes como Reddit, por lo que resulta esencial establecer una clara rendición de cuentas cuando los resultados contienen errores o tergiversaciones peligrosas.

Al proporcionar contenido que se consumirá digitalmente, cada función debe considerar cómo se extraerá desde la perspectiva del aprendizaje automático.

2. Citabilidad del contenido compatible con IA

Tradicionalmente, los investigadores principales de las grandes farmacéuticas priorizaban las revistas revisadas por pares de mayor prestigio, como el New England Journal of Medicine, donde gran parte del contenido está restringido por estrictas barreras de pago. Sin embargo, en el ámbito de la investigación biomédica, la citabilidad exige que los hallazgos farmacéuticos novedosos y actualizados sean accesibles para los sistemas de gestión de la información de código abierto. Esto podría implicar la elaboración del resumen teniendo en cuenta la legibilidad por máquina o la publicación en revistas de menor categoría sin barreras de pago o en revistas especializadas en áreas terapéuticas más pequeñas; ninguna de estas opciones resulta ideal desde la perspectiva de los investigadores. Las grandes farmacéuticas han comenzado a colaborar con las editoriales de revistas médicas para ampliar el acceso, evitando las barreras de pago, pero con un éxito limitado. Stephen Griffiths, director de publicaciones de GSK para medicamentos especializados y generales, nos comentó: «Las editoriales son conscientes del impacto del acceso al contenido impulsado por la IA. Existe una creciente preocupación por el hecho de que se estén eludiendo las plataformas de las editoriales, con implicaciones para la utilización del contenido y los modelos de ingresos, lo que impulsa un mayor debate sobre los vínculos a través de los protocolos de contexto de modelos (MCP) y las licencias de derechos de autor».

De manera similar, IMI ha estado reestructurando activamente el conocimiento de sus productos para un mundo mediado por IA. Se está llevando a cabo un giro estratégico para construir una “autoridad inmediata” de modo que los LLM generen resultados consistentemente alineados con la voz de la marca IMI, los objetivos de marketing y la estrategia de crecimiento. Como nos comentaron, “los sistemas de IA dependen de datos estructurados, confiables y legibles por máquina, por lo que la forma en que publicamos y organizamos la información debe estar diseñada para la ingestión por parte de los LLM, no solo para la lectura humana. En términos sencillos, se trata de controlar la entrada para controlar la salida”. IMI operacionalizó este cambio centrándose en:

• Implementación de marcado de esquema de producto: La incorporación de un esquema rico y estandarizado para productos, aplicaciones, componentes, especificaciones y casos de uso permite a los sistemas de gestión de lógica de negocio (LLM) analizar las relaciones, las características de rendimiento y las aplicaciones previstas sin ambigüedad alguna.
• Desarrollar el contenido del sitio web para que sea comprensible para la IA: Asegúrese de que el contenido técnico refleje las preguntas que los instaladores, consultores y usuarios finales hacen a los LLM; esto implica destacar escenarios de diagnóstico de problemas. Incorpore una biblioteca de microrespuestas precisas y fáciles de comprender para la IA. Utilice listas, tablas comparativas, ventajas y desventajas, y guías paso a paso con una estructura clara.
• Generar señales de confianza: Los sistemas de IA evalúan la credibilidad del contenido utilizando señales externas. Refuerce estas señales aumentando las reseñas verificadas de Google Reviews, Trustpilot y Amazon, la cobertura mediática, las relaciones públicas, los blogs de terceros, los sitios de comparación y los evaluadores de productos independientes.

3. Credibilidad de las respuestas de la IA

En un panorama de programas de Maestría en Derecho (LLM) altamente fragmentado, se está gestando una batalla por la confianza. Con múltiples modelos en competencia, la credibilidad depende de la autoridad de las fuentes que se pueden citar de manera fidedigna. Esto tiene implicaciones significativas en cuanto a quién constituye la autoridad. En todos los sectores, los programas de LLM se basan en diferentes bases de conocimiento y se presentan como fuentes autorizadas.

En la industria farmacéutica, las revistas especializadas y las guías médicas de alto nivel se han consolidado como la autoridad. Christof B. Wyss, director médico global de atención especializada en GSK, nos comentó: «Sabemos cómo es una publicación de alta calidad para los lectores humanos. Ahora necesitamos comprender cómo es una buena publicación para el API y el LLM. ¿Cuáles son los aspectos básicos que debemos garantizar? ¿Qué metadatos faltan? ¿Y qué documentos de preguntas y respuestas potenciales deberíamos elaborar?». GSK se ha asociado con OpenEvidence para comprender qué podrían hacer las compañías farmacéuticas de forma conjunta para mejorar la calidad y la fiabilidad de la información proporcionada por los sistemas de IA. El objetivo no era influir en la producción, sino aprender cómo deben evolucionar los estándares de publicación de manera que cumplan con la normativa.

Un estudio piloto realizado por Digitas UK, filial de Publicis Groupe, analizó las soluciones de pago fintech B2B en los mercados del Reino Unido y Estados Unidos. Los resultados revelaron que más del 80 % de las fuentes utilizadas por los LLM provenían directamente de las propias marcas, como Stripe, Adyen, PayPal y Visa. Caitriona Gallagher, socia estratégica de Digitas, nos comentó: «Esto tiene sentido, ya que estas marcas cuentan con una gran cantidad de contenido en sus sitios web para facilitar el proceso de compra B2B, incluyendo comparaciones de productos y contenido específico para cada sector y público objetivo. Pero, aún más importante, estas marcas también son líderes en sus respectivas categorías en términos de I+D y progreso tecnológico». Para el propietario de un pequeño negocio de hostelería que busca una solución de pago, una recomendación de este tipo por parte de un LLM se consideraría creíble.

Para los fabricantes industriales, la credibilidad implica garantizar que las especificaciones del producto aparezcan en las bases de datos del sector, que las certificaciones estén registradas en los organismos de normalización pertinentes y que los estudios de caso incluyan referencias verificables de clientes. Esto permite que la información técnica legítima sea accesible mediante herramientas de adquisición basadas en IA sin manipulación artificial. Además, investigaciones recientes sugieren que plataformas como Reddit y YouTube podrían tener una influencia desproporcionada en las respuestas de los LLM. Históricamente, IMI no había considerado YouTube como un canal serio para comunicar información sobre productos o rendimiento. La empresa se movilizó rápidamente para centrarse en el contenido de YouTube, especialmente en formatos breves y con autoridad, como la explicación de los resultados trimestrales por parte del director financiero o la descripción de las prioridades de innovación por parte de los líderes de I+D. Este tipo de contenido tenía muchas más probabilidades de aparecer en los resultados de la IA que los informes corporativos tradicionales. Las empresas pueden crear mucho contenido, pero es necesario determinar cuál será el que realmente marque la diferencia.

4. Calibración mediante sistemas de escucha generativos

Los sistemas de escucha generativa monitorizan cómo y con qué frecuencia aparece el contenido de la empresa en las respuestas sintetizadas por IA en casos de uso relevantes. La auditoría de GSK de una de sus marcas de tratamiento para la enfermedad pulmonar obstructiva crónica (EPOC) en 2025-2026 es un buen ejemplo. La auditoría analizó 6000 preguntas en nueve nodos del proceso de toma de decisiones del profesional sanitario. Para una pregunta general («¿Qué farmacoterapia disponible en EE. UU. es la mejor para el tratamiento de pacientes con EPOC moderada?»), la marca X de GSK (anonimizada por motivos de confidencialidad) ocupó el primer lugar en varios modelos de aprendizaje automático (LLM). Sin embargo, para una pregunta específica centrada en pacientes sin tratamiento previo para la EPOC, la marca descendió al cuarto puesto. Esto tiene consecuencias. La marca X se posiciona como la mejor opción para el tratamiento de mantenimiento inicial, y los pacientes sin tratamiento farmacológico previo deberían ser su segmento más fuerte. Sin embargo, es precisamente aquí donde la marca tiene un rendimiento inferior en las respuestas de IA, lo que revela una clara desconexión entre el posicionamiento de la marca y la visibilidad en la IA.

Un hallazgo tranquilizador, sin embargo, fue que todos los LLM basaron con precisión sus respuestas en la Iniciativa Global para la Enfermedad Pulmonar Obstructiva Crónica (GOLD), la principal guía clínica mundial. No obstante, GSK descubrió que citaba sistemáticamente la versión de 2024, a pesar de que GOLD actualiza sus recomendaciones anualmente. Este fue un hallazgo crucial y un problema significativo para GSK, dado que las últimas actualizaciones incluían cambios importantes para su cartera de productos. Una investigación posterior reveló que el sitio web de GOLD había modificado la forma en que se publicaban sus guías: en lugar de abrirse como archivos PDF integrados en la página web, los archivos se descargaban al hacer clic, lo que significaba que ya no eran legibles por máquina. Con miles de guías clínicas locales, regionales y mundiales que rigen cientos de afecciones en todo el mundo, incluso pequeños cambios en la estructura de la información autorizada pueden propagar guías médicas obsoletas o incompletas a gran escala, aumentando el riesgo para la seguridad del paciente.

La escucha activa de IMI reveló una conclusión más sutil y preocupante: los usuarios tendían a aceptar la respuesta de GEO como precisa. Emma Fox, directora de comunicaciones y participación de IMI, nos comentó: «Los clientes no analizan las respuestas en profundidad. Mediante esta auditoría de LLM, IMI busca salvaguardar la visibilidad de la marca, fortalecer el impulso comercial a lo largo del tiempo, reducir el riesgo de desinformación y construir una influencia a largo plazo al ser pionera en definir cómo los LLM comprenden la categoría». IMI identificó imperativos clave: 1) Asegurar que sus productos aparecieran en los resultados de GEO; 2) Mejorar la calidad y el enfoque de la recomendación de GEO; y 3) Asegurar que su influencia de marca proviniera de fuentes externas a la propia marca. La auditoría de LLM de IMI ayudó a salvaguardar la visibilidad de su marca, aumentó el impulso comercial, redujo el riesgo de desinformación y construyó una sólida influencia a largo plazo al ser la primera en definir cómo los LLM comprenden la categoría.

...

Las estrategias de comercialización B2B están entrando en una nueva fase. Gran parte de este proceso se desarrolla ahora en un embudo opaco, fuera del alcance y control directo de las empresas. Los ejecutivos deben plantearse cuatro preguntas clave: ¿Sabemos cómo es nuestra presencia mediada por IA hoy en día? ¿Contamos con la estructura organizativa adecuada? ¿Estamos reasignando los recursos para que coincidan con el lugar donde se toman las decisiones? ¿Y estamos preparados para una crisis legal?

En este ámbito, la visión estratégica, más que la pericia técnica, será lo que distinga a los ganadores de los perdedores.

Lea más sobre IA generativa o temas relacionados: Ventas, Marketing, Ventas y marketing, IA y aprendizaje automático, y Tecnología y análisis.

Amit Joshi es profesor de IA, análisis de datos y estrategia de marketing en IMD. Asesora a organizaciones globales sobre la aplicación estratégica de la IA y dirige varios programas ejecutivos sobre IA y estrategia digital.

Ivy Buche es investigadora asociada y profesora interina de investigación en el IMD.

Caroline Schwaer es la directora global de marketing de GSK, la empresa biofarmacéutica y biotecnológica con sede en Londres.