La conversación comercial empieza cada vez más tarde.
Antes de hablar con un vendedor, un comprador puede haber investigado el problema que quiere resolver, comparado alternativas, revisado proveedores y construido una primera hipótesis sobre lo que necesita. La diferencia es que una parte creciente de esa investigación ahora puede ocurrir con herramientas de inteligencia artificial generativa.
En B2B, Gartner encontró que 45% de los compradores encuestados había utilizado GenAI durante una compra reciente, principalmente para obtener información sobre proveedores y productos. El mismo estudio encontró que 69% prefería validar con representantes de ventas los insights generados por IA. El estudio encuestó a 645 compradores B2B entre agosto y septiembre de 2025.
El fenómeno también aparece en B2C. Adobe analizó más de un billón de visitas a sitios de retail en Estados Unidos y realizó una encuesta a más de 5,000 consumidores. En agosto de 2025 reportó que 38% de los consumidores encuestados había utilizado GenAI para compras en línea y que 52% planeaba hacerlo. Entre sus usos, 53% señaló la investigación de productos y 40% las recomendaciones. Adobe también registró un crecimiento de 4,700% interanual en el tráfico referido por GenAI hacia sitios de retail durante julio de 2025.
Forrester encontró una adopción todavía más amplia en su Buyers’ Journey Survey 2025: 94% de los compradores empresariales encuestados reportó utilizar IA durante su proceso de compra. La misma investigación señala que los compradores están validando los resultados de IA mediante otras fuentes, entre ellas pares, expertos de producto, analistas de industria y sus redes de compra internas y externas.
El punto relevante para Marketing & Sales no es simplemente que los compradores utilicen IA, es que esa investigación puede llegar a la conversación comercial antes que el vendedor, y cuando una persona llega con información previamente investigada, la conversación ya no comienza necesariamente con la identificación del problema, puede haber comenzado ya con una conclusión en mente.
Una respuesta generada por IA puede ser útil y, al mismo tiempo, contener información incorrecta, imprecisa, incompleta.
NIST define la “confabulation” en su perfil de riesgos de IA generativa como la producción de contenido erróneo o falso presentado de manera confiada. OpenAI también describe las hallucinations como afirmaciones plausibles pero falsas generadas por modelos de lenguaje. Su análisis explica que determinados procesos de entrenamiento y evaluación pueden favorecer que el modelo produzca una respuesta en lugar de reconocer incertidumbre, incluso cuando no dispone de una base suficiente para responder correctamente.
Esto establece una posibilidad concreta para una interacción comercial: un comprador puede utilizar IA para investigar y llegar con una afirmación que requiere validación. Eso no significa que el comprador necesariamente crea todo lo que recibe de la IA; un estudio publicado en Frontiers in Computer Science comparó la confianza y dependencia de participantes frente a recomendaciones provenientes de un LLM y frente a snippets generados por IA. El experimento, con 199 participantes, no encontró una diferencia significativa en la confianza reportada entre ambas fuentes. Cuando los participantes recibieron información de que una recomendación era incorrecta, su confianza disminuyó.
La cuestión comercial, por tanto, no es asumir que el comprador está equivocado porque utilizó IA. Tampoco es asumir que la información que trae es correcta porque proviene de una herramienta que puede presentar sus respuestas de manera estructurada y plausible. La cuestión es determinar qué información debe validarse. Ese cambio es importante porque coloca una nueva tarea dentro de la conversación comercial: cuando el vendedor identifica una premisa incorrecta, incompleta o fuera de contexto, tiene que ser capaz de corregirla sin perder el propósito de la conversación.
La investigación sobre actualización de creencias ayuda a entender por qué esta situación requiere cuidado. Sanna y Lagnado estudiaron cómo las personas actualizan sus creencias cuando reciben información contradictoria o una retractación, considerando también la confiabilidad de la fuente. En cuatro experimentos encontraron que las fuentes consideradas confiables ayudaban a los participantes a descontar con mayor eficacia las afirmaciones iniciales. La confiabilidad de la fuente incorporaba tanto su confiabilidad percibida como elementos relacionados con su confianza y expertise. La implicación para la conversación comercial es concreta: Cuando un comprador llega con una información que necesita corrección, el trabajo del vendedor no termina en presentar un dato diferente, también debe conseguir que esa nueva información sea considerada suficientemente confiable como para modificar la premisa con la que comenzó la conversación.
Esto importa especialmente porque la investigación previa puede haber formado parte de una secuencia más amplia, el comprador no necesariamente consultó una sola fuente, Gartner encontró que los compradores B2B utilizaban, en promedio, siete fuentes de información durante el proceso de compra. Por eso, la información generada por IA no necesariamente reemplaza las demás fuentes, puede incorporarse a ellas, el comprador puede llegar con una interpretación construida a partir de varias fuentes, entre ellas una herramienta de IA. Si una de sus premisas necesita corrección, el vendedor debe identificarla y trabajar sobre ella antes de continuar construyendo una recomendación comercial.
Gartner aporta aquí un dato particularmente relevante: aunque 67% de los compradores B2B encuestados prefería una experiencia sin participación de vendedores y 70% prefería un proceso completamente digital o de autoservicio, 69% también señaló que prefería validar con representantes de ventas los insights generados por IA. Las cifras no describen una contradicción que haya que resolver. Describen dos necesidades que pueden coexistir: el comprador puede querer investigar y avanzar digitalmente por su cuenta y, al mismo tiempo, recurrir a ventas cuando necesita validar lo que encontró, y ahí aparece una función específica para la interacción comercial.
Una corrección efectiva no consiste simplemente en sustituir una afirmación por otra, la investigación sobre corrección de información muestra que las correcciones pueden mejorar la precisión de las creencias, aunque sus efectos no siempre son permanentes y no necesariamente producen cambios equivalentes en actitudes o comportamientos. La revisión de Porter y Wood concluye que las correcciones factuales mejoran la precisión de las creencias en distintos países, creencias y grupos demográficos, y que los efectos de backfire son poco frecuentes. La revisión de Prike y colaboradores también identifica condiciones que pueden favorecer una corrección efectiva, incluyendo correcciones detalladas y explicaciones alternativas.
Dentro de una conversación comercial, esto significa que detectar una afirmación incorrecta es solamente el comienzo. El propósito de ventas sigue siendo avanzar en la comprensión del problema y determinar si existe una solución adecuada. La corrección tiene valor porque permite que esa conversación continúe sobre una base más precisa.
Si el vendedor detecta que el comprador parte de una premisa incorrecta y simplemente la contradice, puede convertir la interacción en una discusión sobre la fuente de información. Si, en cambio, identifica qué necesita validación, explica la diferencia y establece la información pertinente para el caso del comprador, la conversación puede regresar al problema que originalmente se busca resolver.
La evidencia no permite afirmar que esta práctica incremente una tasa de conversión determinada, reduzca el ciclo de ventas o produzca automáticamente mayor confianza. Lo que sí permite establecer es que la actualización de creencias depende, entre otros elementos, de la confiabilidad atribuida a la fuente y que las correcciones pueden mejorar la precisión de las creencias. Ese límite es importante.
El reto para Marketing & Sales no consiste en demostrar que la IA está equivocada. Consiste en estar preparado para una situación en la que una información generada por IA necesita ser validada o corregida dentro de una interacción comercial.
En B2B, el cambio tiene una consecuencia particularmente visible: El comprador puede utilizar GenAI para investigar proveedores y productos antes de involucrar a ventas. Gartner encontró que, entre los compradores B2B que utilizaron GenAI en una compra reciente, su uso principal estaba relacionado con obtener información sobre proveedores y productos.
La conversación comercial, entonces, puede comenzar después de una etapa de investigación que el vendedor no presenció, y eso cambia el punto de partida, porque el vendedor puede recibir preguntas, objeciones o afirmaciones cuya procedencia no está dentro de los materiales comerciales tradicionales. El comprador puede estar buscando confirmar una conclusión que ya formó durante su investigación.
En este contexto, el dato de Gartner sobre validación adquiere especial relevancia: 69% de los compradores B2B encuestados prefiere validar los insights generados por IA con representantes de ventas. Sales puede convertirse así en una fuente de validación dentro de un proceso que ya comenzó antes del contacto comercial. Pero la necesidad de validación no es exclusiva de la IA. Forrester señala que los compradores empresariales están validando los resultados de IA mediante otras fuentes, incluyendo pares, expertos de producto, analistas y redes de compra. Por eso, la oportunidad para ventas no consiste en convertirse en el único árbitro de la información, consiste en poder participar con credibilidad cuando el comprador necesita determinar qué información es aplicable a su situación.
En B2C, la dinámica aparece en otra escala y con otro tipo de proceso de compra. Adobe reportó que 38% de los consumidores encuestados había utilizado GenAI para comprar en línea y que 53% planeaba hacerlo. La investigación de productos fue el uso más mencionado, con 53%, seguida por recomendaciones de productos, con 40%. En marzo de 2025, Adobe ya había reportado que 39% de los consumidores encuestados había utilizado GenAI para compras en línea y que 53% planeaba hacerlo durante ese año. En esa investigación, 55% señaló que utilizaba GenAI para investigar productos y 47% para recibir recomendaciones.
Deloitte también encontró crecimiento en el uso de GenAI como herramienta de compra: en una encuesta a 4,000 consumidores estadounidenses realizada para la temporada navideña de 2025, 33% indicó que planeaba utilizar GenAI para sus compras, más del doble que el año anterior. Entre los usos reportados estaban encontrar precios, resumir reseñas y crear listas personalizadas de compras.
La consecuencia para Marketing & Sales es similar en principio: parte del proceso de evaluación puede ocurrir antes de que la persona interactúe directamente con la marca.Si la información generada por IA resulta incompleta o incorrecta en un caso determinado, la organización comercial puede encontrarse con un consumidor que ya tiene una expectativa, comparación o interpretación previa.
La diferencia frente a B2B está en la naturaleza de la interacción. En muchos procesos B2C no existe un vendedor individual que pueda participar en cada decisión. La responsabilidad de Marketing & Sales puede recaer, por tanto, en los distintos puntos de contacto que permiten al consumidor validar información y avanzar en su decisión.
La evidencia disponible no permite convertir esto en una metodología específica de corrección para B2C. Sí permite identificar el cambio de contexto: GenAI ya participa en la investigación de compra y puede influir en la información con la que el consumidor llega a una interacción con la marca.
El fenómeno no exige asumir que la IA está reemplazando a ventas ni que los compradores están abandonando otras fuentes de información, los datos disponibles muestran algo más específico: Los compradores ya utilizan la IA en su proceso de compra. En B2B, Gartner encontró que 45% de los compradores encuestados la había utilizado en una compra reciente y que 69% prefería validar sus insights con ventas. En B2C, Adobe encontró un uso significativo de GenAI para investigación y recomendaciones de productos. Forrester reportó que 94% de los compradores empresariales utilizaba IA durante el proceso de compra y que esos resultados se contrastaban con otras fuentes. Al mismo tiempo, los modelos pueden generar información falsa o errónea presentada de forma plausible. NIST y OpenAI documentan esa posibilidad. Y la investigación sobre actualización de creencias indica que la confiabilidad de la fuente importa cuando una persona recibe información que contradice una creencia previa.
Por eso, la pregunta relevante para Marketing & Sales no es si la IA es buena o mala para las ventas, sino “¿Qué debe hacer la organización comercial cuando un comprador llega con información generada por IA y una parte de esa información necesita ser validada, corregida o contextualizada?”
La respuesta comienza antes de la corrección. Marketing y Sales necesitan reconocer que el proceso de investigación puede haber comenzado fuera de sus canales y que el comprador puede llegar con una interpretación formada antes de la conversación. Cuando esa interpretación es correcta, la conversación puede avanzar. Cuando necesita revisión, el vendedor o el punto de contacto correspondiente debe poder identificarlo.
La corrección tampoco debería convertirse en el objetivo final, su función es permitir que la conversación continúe con información adecuada para el problema concreto del comprador. Ese es el cambio principal: la organización comercial ya no participa necesariamente en la primera construcción de la información que utiliza el comprador, en determinados casos, participa en su validación, y cuando esa información necesita ser corregida, la capacidad de Marketing & Sales para hacerlo pasa a formar parte de la calidad de la interacción comercial.