IA agéntica y pricing: ¿cómo salir de la inacción ante la transformación que se avecina?

A recordar

• El advenimiento de la IA agéntica, el fin del «black box syndrome»: La revolución ya no reside en la potencia de cálculo (ya adquirida), sino en la explicabilidad y la autonomía. Dejamos atrás la era del algoritmo opaco para entrar en la de los agentes autónomos: asistentes capaces no solo de justificar un precio en lenguaje natural, sino también de ejecutar flujos de trabajo completos. El «pricer» ya no sufre a la máquina, dialoga con ella.
• El «muro de los datos», el verdadero juez: Es la paradoja que frena la adopción: la tecnología está lista, pero los datos de las empresas no lo están. El artículo recuerda una verdad cruda pero necesaria: la IA nunca será más eficiente que la limpieza de tus datos. Querer IA sin haber saneado su gobernanza y sus fundamentales (el famoso Pricing Waterfall), es asegurarse formar parte del 85 % de los proyectos que fracasan.
• Probar para no sufrir, la urgencia del pragmatismo: Frente a la velocidad del progreso, la espera es la estrategia más arriesgada. El futuro no está en el reemplazo del humano, sino en el «Pricer Aumentado» que delega la detección de las señales débiles (fugas de margen, arbitraje) a la máquina. ¿La consigna? Lanzar PoC (Pruebas de Concepto) imperfectas desde ahora mismo en lugar de esperar un escenario ideal que nunca llegará.

Se habla tanto de IA en este momento que casi olvidaríamos que ya estaba en el corazón de las estrategias de pricing, mucho antes de la aparición de ChatGPT. Previsiones, pricing dinámico, cálculo de elasticidad: la IA «tradicional» lleva ahí mucho tiempo. Y ya ha demostrado su valor: las empresas que la utilizan generan de media 1,2 puntos de crecimiento adicional*.

«Utilizamos la IA desde hace mucho tiempo para el pricing, simplemente aún no la llamábamos así», – Nick Boyer, Senior Director en PROS.

Si la IA no es nueva, hoy cambiamos de dimensión. El progreso tecnológico acelera y reparte de nuevo las cartas desde ahora mismo.

El fin de la «caja negra» y la llegada de los agentes

La primera ruptura es la IA generativa que comprende y produce lenguaje natural. Progresivamente integrada en las herramientas de pricing, rompe por fin el «síndrome de la caja negra», esa frustración de ver impuesto un precio sin comprender el cálculo. A partir de ahora, la IA explica y justifica sus decisiones. Esta transparencia es el motor de la adopción ya que «el rendimiento bruto de un algoritmo no basta; es necesario que el usuario comprenda el resultado para apropiárselo» como subraya Guillaume Tujague, cofundador de PricingHub.

Pero la IA agéntica cruza un nuevo umbral. Ya no hablamos de herramientas de cálculo, sino de agentes autónomos que pueden colaborar, decidir y ejecutar flujos de trabajo completos. La tecnología es aún joven pero, impulsada por inversiones masivas, se prepara para redefinir en profundidad el ecosistema de pricing. La ambición es borrar la complejidad técnica del software en beneficio de una interfaz conversacional donde se podrá «calcular los precios y gestionar toda su aplicación simplemente a partir de prompts» anticipa Idrissa Diop, Solution Strategist en Pricefx

Inercia frente a la IA: ¿por qué todo empuja al inmovilismo?

La promesa es atractiva, sin embargo la adopción real de la IA se estanca entre el 27 % y el 45 % incluso en los sectores más avanzados. ¿A qué se debe esta paradoja?

La confusión generalizada. Los términos se multiplican – NextGenBI, Copilotos, Agentes, Aprendizaje profundo – y su uso en marketing enturbia la comprensión.
Sin experiencia interna para tomar realmente las riendas del tema, los presupuestos son difíciles de encuadrar y defender. Ahora bien, pocas empresas tienen una gobernanza clara y roles bien definidos en torno a la IA.

El muro de los datos. Lanzar un proyecto de IA obliga a mirar de frente la gran tarea de la preparación de los datos. Este tema asusta porque exige esfuerzos importantes sin beneficio inmediato visible. Sin embargo es el fundamento de todo éxito futuro: «los datos son la primera limitación para el uso de la IA» confirma Idrissa Diop, Pricefx.

El miedo al riesgo. Con un 85 % de los proyectos que fracasan a la hora de entregar el valor esperado, el inmovilismo parece ser la opción de seguridad. Y el pricing, en el corazón del rendimiento, es un dominio poco propice a la experimentación.

«Uno de los problemas a los que nos enfrentamos es que numerosos clientes y prospectos ya han intentado llevar a cabo iniciativas de IA en el pasado —no necesariamente en el ámbito del pricing— y han fracasado» – Nick Bros, PROS.

La aproximación para pasar a la acción

No existe una receta milagrosa. Tu transformación de pricing seguirá un camino único cuya trayectoria depende de tu madurez tecnológica y de datos, tu apetito por el riesgo, tu política interna, etc. Calcar la estrategia de un competidor, o saltarse etapas, es el error más frecuente. «No hay que ir demasiado rápido, no todo el mundo está listo para esta transición a día de hoy» preconiza Guillaume Tujague, PricingHub.

Si una estrategia a medida es indispensable, debe apoyarse en etapas estructurales ineludibles para lograr el éxito de tu transformación:

• Desmitificar la IA y fomentar la cultura: el valor existe, hace falta que la organización comprenda dónde y cómo se materializa. Para ello, libera las iniciativas: permite a tus talentos explorar y experimentar libremente dentro de un marco seguro.

• Preparar sus datos : es el punto crucial. La IA nunca será más eficiente que la limpieza de tus datos.
• Lanzar una PoC estratégica : no esperes al escenario perfecto. El objetivo aquí no es acertar a la primera, sino de confrontar tu proyecto con la realidad del terreno para identificar los obstáculos que deberás superar.
• Involucrar a la alta dirección : sin patrocinadores fuertes, los obstáculos presupuestarios y organizativos serán insalvables.
• Elegir las herramientas adecuadas y los socios adecuados : aquellos que cubren los usos fundamentales del pricing, ofreciendo al mismo tiempo un camino creíble hacia la IA.
  

Casos de clientes: dos trayectorias concretas

El error más frecuente no es tecnológico, es estratégico: es el desfase entre la ambición mostrada y la realidad del terreno. Para ilustrar esta necesidad de pragmatismo, he aquí dos trayectorias de acompañamiento recientes llevadas a cabo por Converteo.

Armonizar la gobernanza del pricing en un líder de la distribución B2B.

El primer caso concierne a un actor mayor de la distribución B2B (sector Cuidado de Mascotas) en plena expansión vía una estrategia de buy-and-build. ¿El desafío? Un crecimiento rápido que se adelantaba a la estructuración. Con adquisiciones múltiples, la empresa se encontraba frente a una gestión de precios dispar según los mercados y una falta de alineación estratégica. La ambición era asegurar la competitividad, pero los «cimientos» tarifarios no eran aún lo bastante estables para soportar una automatización masiva.

• Nuestro diagnóstico: En lugar de aplicar una IA compleja sobre procesos heterogéneos, constatamos que el valor inmediato residía en la armonización y la transparencia (el «Pricing Waterfall»).
• La acción: Trabajamos en la gobernanza: definición de un playbook tarifario (reglas de oro), armonización de los descuentos por segmento de cliente y lanzamiento de un «piloto» en una filial clave.
• El impacto: La empresa pasó de una gestión artesanal a una excelencia tarifaria codificada. Dispone ahora de un modelo escalable para integrar sus futuras adquisiciones y de un cuadro de mando unificado para pilotar su margen. Los datos están limpios, el método es claro: el terreno está por fin listo para la aceleración.

Agentes de IA para detectar las señales débiles y las oportunidades ocultas

En el otro extremo, trabajamos con un líder mundial de la industria manufacturera, cuya madurez de datos ya está muy avanzada. Aquí, los fundamentales están presentes. El reto ya no es estructurar, sino gestionar una complejidad extrema (volatilidad de las materias primas, miles de referencias, multicanalidad). La ambición es ir a buscar rendimiento allí donde el ojo humano ya no puede verlo.

• Nuestra aproximación: Acompañamos el despliegue de una IA agéntica. No se trata de reemplazar a los equipos, sino de aumentarlos.
• El resultado: Agentes autónomos están configurados para escanear los flujos en continuo y detectar «señales débiles»: fugas de margen, incoherencias de posicionamiento u oportunidades de arbitraje.
• El impacto: El objetivo es asegurar la rentabilidad sobre volúmenes masivos, donde incluso una optimización del 0,5 % del margen representa ganancias financieras considerables. En unos meses, el rol de ciertos Pricer «aumentados» habrá evolucionado: menos tiempo para construir el dato y más tiempo para validar escenarios estratégicos propuestos por la herramienta.

Una cosa es segura: nada está decidido para nadie en la carrera hacia la IA. Incluso las empresas más avanzadas permanecen, en realidad, en los primeros pasos. No es demasiado tarde para las otras, a condición de respetar su propia lógica de evolución y de aceptar «asumir algunos tropiezos». En lugar de eso, muchos esperan. Pero ¿esperar qué, exactamente?

Colaboradores:

• Emilien Chollet, Senior Data Scientist – Pricing & Sales Excellence
• Dimitri Chatzis, Consultant – Pricing & Sales Excellence