Por Procure Latam
02 de Noviembre, 2026
La IA ayuda a agilizar el levantamiento del diagnóstico de una categoría y a proponer iniciativas de ahorro. Lo que define el resultado es el criterio de las personas y qué tan preparada está el área para usarla.
Hoy la IA permite levantar la situación actual de una categoría mucho más rápido, cruzando distintas fuentes de información, incluso las entrevistas con las áreas usuarias, y a partir de ese contexto proponer una lista larga, ordenada y bien argumentada de palancas de eficiencia. Hace unos años, lo mismo exigía varios días de análisis manual, benchmark y planillas. En un proceso de Strategic Sourcing, la IA ya puede acompañar casi todas las etapas, desde ordenar y categorizar el gasto hasta armar pliegos, analizar ofertas técnica y económicamente, redactar contratos y preparar los entregables. La ganancia de velocidad es evidente y difícilmente se discute.
Lo interesante viene después de la lista. En general, una parte importante de esas ideas no sobrevive al primer contacto con la realidad. La herramienta desconoce que el cliente tiene una restricción operativa, que cierto proveedor es el único con cobertura en la zona, o que el mercado latinoamericano no siempre ofrece la alternativa que sí existe en otras geografías. La lista es buena, pero genérica, y alguien debe ponderar la factibilidad y el impacto real de cada palanca. Los resultados mejoran rápido, pero hoy esa ponderación sigue requiriendo criterio y conocimiento de la categoría.
En la práctica, el uso de IA en las áreas de compras, incluso en empresas grandes, sigue siendo bastante cotidiano. Un chat para consultas, el procesamiento de un Excel, la construcción de una presentación simple. Es útil, y además la IA ya empieza a absorber parte de la operación de contratos, pedidos, pagos y riesgo de proveedores. Libera tiempo en lo táctico y administrativo, tal como se esperaba. La pregunta es en qué se invierte ese tiempo.
En la apertura de Enade 2026, al referirse a la tecnología y la inteligencia artificial, el presidente de Icare, Renzo Corona, planteó que “sería un error usar la tecnología para hacer algo más barato o hacer más rápido lo mismo de siempre”. No hablaba de Compras, pero la advertencia describe bien el riesgo que enfrenta el área. Corona agregó que el desafío es combinar la potencia de las herramientas digitales con la creatividad y el juicio crítico de las personas.
¿Qué significa “lo mismo de siempre” en Compras? Con frecuencia, salir al mercado a buscar lo que pide el usuario interno, sea operaciones, tecnología, marketing u otra área, sin cuestionar antes la necesidad. Rara vez se revisa si el requerimiento está sobre especificado, si existe otra forma de resolver lo mismo a un menor costo, o si de verdad se requiere con esa frecuencia o ese nivel de servicio. Es una situación más estructural que tecnológica. Y el ahorro suele medirse contra el presupuesto, sin una línea base exigente.
En proyectos de sourcing se repite un patrón. Ir a negociar un mejor precio muchas veces no basta para un ahorro relevante. El proveedor también conoce el mercado, el margen de negociación tiene techo y, cuando la especificación, el volumen y el modelo de servicio vienen dados, lo que queda por negociar es, en gran parte, el margen del proveedor. La mayor parte del valor se define antes de salir al mercado, en qué se compra, cuánto y de qué manera. Por eso, en la metodología de Aquanima Deloitte, la gestión de la demanda se aborda antes que la gestión de la oferta. Si a un modelo que solo negocia precio se le suma IA, el resultado es el mismo ciclo, pero más rápido. Más licitaciones en menos tiempo sobre requerimientos que nadie discutió.
Gartner describe un fenómeno parecido como la paradoja de productividad de la IA. En una encuesta de 2026 a 101 CPOs, las ganancias individuales con IA se diluían a nivel de equipo y de organización. Si el trabajo sigue organizado igual, el tiempo ganado se gasta en más de lo mismo.
Hay además una segunda parte, menos vistosa. La IA por sí sola no implementa nada. Una lista de palancas, por buena que sea, es ahorro identificado, no ahorro capturado. Para que llegue al P&L, alguien tiene que movilizar al área usuaria, cerrar el contrato, cambiar la forma de pedir, hacer seguimiento mes a mes y, cuando aparecen desviaciones, que siempre aparecen, ajustar con planes de acción continuos. Esa parte la hacen las personas. Hay que involucrarse, insistir y volver a sentarse con quien no cumplió. La IA puede ayudar a detectar la desviación temprano, pero no va a llamar al gerente de operaciones.
Del mismo modo, antes de automatizar un proceso conviene preguntarse si debería existir, y antes de licitar más rápido un requerimiento, si corresponde comprarlo así. Es una conversación incómoda, porque obliga a discutir con el área usuaria su propia necesidad. También es donde está la mayor oportunidad, y donde la IA puede aportar bastante, contrastando especificaciones, volúmenes y modelos de servicio contra benchmarks y alternativas. Siempre que después alguien evalúe cuáles tienen sentido y alguien las implemente.
La IA va a hacer más visible la diferencia entre las áreas de compras. Las que ya cuestionan el requerimiento y siguen el ahorro hasta el P&L sacarán mucho más provecho. Las demás harán lo de siempre, pero a mejor ritmo. Un ejercicio simple para partir es revisar la última licitación cerrada. ¿Cuánto del ahorro informado se ve hoy en el P&L? ¿Cuánto se cuestionó del requerimiento original antes de salir al mercado? Las respuestas dicen más sobre el nivel de madurez del área que cualquier herramienta de IA.
