Episodio #128: Toma de decisiones con Datos y la IA en Automoción

¿Está realmente preparado el sector de la automoción para tomar decisiones basadas en datos como ya hacen banca o retail? ¿Por qué la fragmentación de datos residentes en distintas aplicaciones y sistemas sigue siendo uno de los mayores frenos del sector? ¿Qué cambia (a mejor) cuando una empresa consigue una “fuente única de la verdad” del dato? ¿Cómo pueden los agentes de IA mejorar la experiencia del cliente en venta y postventa? ¿Qué impacto real puede tener el uso correcto de la IA en márgenes, eficiencia y satisfacción del cliente? ¿Cómo evitar proyectos de IA aislados y construir una estrategia de largo plazo basada en datos fiables?

Arrancamos el 2026 en el podcast de Inventario.pro, y lo hacemos tratando como tema central en este episodio el de la toma de decisiones basada en datos y la inteligencia artificial en automoción. Para ello contamos con dos invitados muy cualificados para comentarlo: Manuel de la Guardia, Senior Advisor dentro del Sector de automoción con más de 30 años de experiencia en la industria, y Santiago Ballestero, Director Comercial de Matica Partners.

A lo largo de la conversación analizamos cómo el sector vive una transformación tecnológica sin precedentes, comparable a la que experimentaron industrias como la telefonía o la televisión. Hablamos del impacto de las marcas chinas, de la concentración de grupos de distribución y de cómo los concesionarios están pasando de vender y reparar vehículos a convertirse en proveedores de servicios de movilidad. En ese nuevo escenario, los datos y la IA dejan de ser un “extra” para convertirse en una palanca estratégica.

Entramos en profundidad en los retos reales de la automoción: la fragmentación de datos entre marcas y concesionarios, la dificultad de construir una visión 360 del cliente, la necesidad de ordenar y gobernar la información antes de aplicar inteligencia artificial. También repasamos casos de uso concretos, automatización de citas de taller, agentes de IA, pricing dinámico, previsión de demanda, eficiencia comercial, siempre con una idea clara: la tecnología solo tiene sentido si resuelve problemas reales del negocio y aporta valor medible.

Un episodio clave para entender hacia dónde va la automoción en 2026 y qué decisiones marcarán la diferencia en los próximos años.

Ideas destacadas del episodio:

• La industria automovilística puede transformarse y obtener una ventaja competitiva aprovechando la inteligencia artificial y la toma de decisiones basada en datos para optimizar las operaciones, mejorar la eficiencia y mejorar las experiencias del cliente.
• La industria automovilística en 2026 experimenta una transformación tecnológica sin precedentes comparable a los cambios en telefonía móvil y televisión, liderada por marcas chinas.
• El sector automovilístico transita de vender y reparar vehículos hacia ofrecer servicios de movilidad, requiriendo gestión sofisticada de datos e integración de IA para soportar estos nuevos modelos de negocio.
• El sector automovilístico presenta mayor fragmentación en gestión de datos comparado con banca y retail, industrias que llevan más tiempo integrando datos y desarrollando modelos predictivos.
• La fragmentación de datos en automoción incluye sistemas separados para marcas y concesionarios, con sistemas propietarios y DMS que dificultan el intercambio de información y la visión global de la compañía.
• Construir una vista 360 grados del cliente requiere integrar datos de más de 14 sistemas incluyendo CRM, DMS, encuestas, citas de servicio, finanzas y llamadas, muchos con acceso complejo.
• A diferencia de banca y retail, el sector automovilístico enfrenta desafíos únicos por sistemas propietarios de marcas que impiden la unificación de datos y visión empresarial global.
• La IA, en desarrollo desde los años 1950, ahora rompe barreras tecnológicas permitiendo interacción natural, automatización de procesos y mejor toma de decisiones, pero depende de datos bien gobernados e integrados.
• La base de datos es crítica para el éxito de IA, las empresas deben primero ordenar sus datos antes de construir casos de uso, un proceso lento que requiere tiempo de evangelización.
• La IA generativa acelera el desarrollo de casos de uso al hacer más rápido y fácil construir sobre una base de datos bien estructurados, permitiendo alcanzar un nivel superior más rápidamente.
• Los agentes de IA en automoción pueden automatizar programación de servicios, ofreciendo opciones de citas y recordatorios, considerando historial del vehículo, problemas previos y satisfacción del cliente para servicios personalizados.
• Los modelos de precios dinámicos en automoción optimizan márgenes considerando demanda del vehículo y ubicación, en lugar de aplicar precio uniforme, logrando mejora de 1-2% en margen neto.
• En retail, los modelos de IA mejoraron la precisión del pronóstico de demanda de 80% a 95-96%, un aumento de 10-15 puntos porcentuales que impacta significativamente los resultados financieros.
• Automatizar tareas sin valor agregado como autorizaciones y preparación de vehículos aumenta eficiencia y rentabilidad al liberar vendedores para actividades core, permitiendo hacer más con la misma cantidad o menos personas.
• En concesionarios grandes con cientos de vendedores, se necesitan sistemas objetivos de evaluación de desempeño para identificar talento y futuros líderes, midiendo volumen de ventas, ratio de financiación, márgenes y ventas atípicas.
• La industria enfrenta desafíos en gestión de leads y servicio postventa, con problemas como bajas tasas de respuesta a leads, largos tiempos de espera y retrasos en servicio y entrega de vehículos.
• Las empresas de automoción necesitan una vista unificada del cliente, integrando datos de ventas, servicio y encuestas de satisfacción para segmentar, dirigir y satisfacer efectivamente las necesidades del cliente.
• La adopción tecnológica requiere enfocarse en puntos de dolor reales del negocio y necesidades específicas, no solo preocupaciones del departamento de datos, con soluciones que agreguen valor empresarial lideradas por el negocio desde el día uno.
• Las empresas que ven IA y datos como diferenciadores invierten en estrategias de largo plazo, automatizando procesos críticos para mejora de eficiencia y márgenes, en lugar de hacer proyectos aislados sin hoja de ruta.

Segmentos destacados del episodio:

• 00:00 Expertos discuten el impacto de la IA en la toma de decisiones en la industria automovilística, prediciendo una perspectiva prometedora para 2026.
  • El podcast analiza cómo la inteligencia artificial y los datos ayudarán a la toma de decisiones en la industria automovilística en 2026, con expertos que comparten sus perspectivas sobre el panorama prometedor para el sector.
  • El podcast analiza el impacto de la inteligencia artificial en el sector automovilístico, con dos invitados, Manuel de la Guardia, asesor senior en negocios de automoción, y Santiago Ballestero, director comercial de Matica Partners, experto en inteligencia artificial.
• 04:50 La industria automovilística se transformará en proveedores de servicios de movilidad impulsados por la inteligencia artificial, los avances tecnológicos y la concentración en los próximos 3-4 años.
  • La industria automovilística está experimentando una transformación sin precedentes, y las empresas europeas enfrentan desafíos importantes de marcas chinas que han tomado la delantera tecnológica, lo que hace que su recuperación sea incierta.
  • A medida que las empresas del sector automovilístico crecen y se profesionalizan, el uso de datos e inteligencia artificial será cada vez más importante para la toma de decisiones informadas.
• 11:40 Las empresas de automoción deben priorizar la optimización de las operaciones básicas y la unificación de los datos de los clientes antes de aprovechar la IA para la toma de decisiones, para extraer valor de los datos de manera efectiva y mantenerse competitivas.
  • Se cree que mientras las compañías de automoción se centran en la toma de decisiones sofisticada impulsada por datos y en la inteligencia artificial, deberían optimizar primero sus operaciones comerciales básicas, como responder rápidamente a las consultas de los clientes y minimizar los tiempos de espera para reparaciones y servicios.
  • Mática Partners es una empresa multisectorial que ayuda a resolver problemas complejos en diversas industrias, incluyendo la automovilística, extrayendo valor de los datos a través del uso responsable de los datos y la inteligencia artificial.
  • El cambio de la industria automovilística hacia motores diversificados, incluidos los eléctricos e hidrógeno, requiere datos confiables para impulsar la inteligencia artificial y la toma de decisiones informada.
  • Los datos unificados de los clientes son cruciales en la industria automovilística para brindar servicios personalizados, ya que los sistemas de información aislados actuales dificultan una visión única y completa del cliente.
• 19:08 La industria automovilística lucha con la fragmentación de datos y la información aislada, pero una capa de datos unificada con una única fuente de verdad puede permitir una toma de decisiones eficiente con IA.
  • El modelo de distribución, incluida su estructura y propiedad, impacta la gestión de datos, como lo ilustra el ejemplo de un banco con múltiples sucursales frente a un modelo descentralizado.
  • La industria automovilística enfrenta desafíos únicos de fragmentación de datos debido a su complejo ecosistema, que involucra tanto a los fabricantes de automóviles con sus propios sistemas de datos como a los concesionarios con diferentes necesidades y herramientas.
  • El sector automovilístico lucha con información aislada y sistemas propietarios que dificultan el intercambio de datos y una visión unificada, lo que hace que sea difícil tomar decisiones estratégicas y mejorar las empresas.
  • Los concesionarios de automóviles enfrentan dificultades para integrar y acceder a los sistemas de datos, lo que hace que sea difícil implementar soluciones que requieren interactuar con estos sistemas.
  • Tener una capa de datos unificada con una única fuente de verdad permite una toma de decisiones eficiente con IA, lo que permite a los grupos de automoción aprovechar datos integrados de alta calidad para obtener mejores resultados.
• 24:42 La industria automovilística está aprovechando los datos y la inteligencia artificial para optimizar la producción, automatizar microdecisiones y tomar decisiones informadas, transformando las operaciones comerciales y las interacciones con los clientes.
  • La integración de datos y IA en la industria automovilística permite la creación de sistemas que permiten la simulación, la acción directa y la automatización de microdecisiones repetitivas, lo que conduce a una producción y optimización aceleradas.
  • Las empresas están empezando a integrar datos para generar fuentes de información fiables, lo que les permite tomar decisiones informadas y potencialmente automatizar procesos con la ayuda de la inteligencia artificial.
  • El uso de agentes de inteligencia artificial en la industria automovilística permite realizar tareas como programar citas en talleres y gestionar interacciones con clientes en una conversación de lenguaje fluido y natural.
  • Al implementar datos y IA en la industria automovilística, es esencial identificar primero los puntos débiles y las necesidades reales del negocio, y luego aplicar la tecnología para abordarlas, en lugar de implementarla solo por tener sistemas avanzados.
  • Un grupo de concesionarios de automóviles puede modelar sus inversiones en marketing y publicidad en función de su cartera pendiente, las tasas de ventas y otros factores para tomar decisiones basadas en datos sobre dónde enfocar sus esfuerzos.
• 29:56 La industria automovilística puede impulsar la toma de decisiones y los márgenes mediante la integración de la inteligencia artificial y los datos, automatizando tareas de bajo valor y aprovechando la fijación de precios dinámica para adaptarse a la demanda local.
  • La clave para la toma de decisiones eficaz basada en datos en la industria automovilística radica en la integración efectiva de las nuevas tecnologías, específicamente en la colocación correcta de agentes autónomos que puedan procesar datos y realizar tareas, y aprovechar esta información para transformar las interacciones con los clientes y optimizar los procesos.
  • El objetivo final es automatizar tareas con poco valor agregado, liberando a los vendedores para que se centren en tareas de alto valor que requieren creatividad, intuición y empatía personal con los clientes.
  • Implementar tecnología con sentido común para agregar valor empresarial, comenzando con información específica y necesaria e integrando gradualmente más datos.
  • La empresa utiliza la metodología OKRs para medir el éxito de los proyectos, logrando mejoras significativas en la previsión de la demanda y la planificación financiera, como aumentar la precisión de las predicciones del 80% al 95-96% para los clientes minoristas.
  • Las empresas pueden optimizar los precios y las tasas de conversión adaptándose a la demanda local y las necesidades de los clientes, lo que conduce a una mayor satisfacción y márgenes.
  • La fijación dinámica de precios en la industria automovilística puede aumentar los márgenes hasta un 2% en comparación con la fijación de precios fija, al tiempo que mejora la eficiencia.
• 37:57 Las empresas de automoción están aprovechando los datos y la inteligencia artificial para impulsar el valor empresarial, mejorar la eficiencia de las ventas y tomar decisiones objetivas, comenzando con la construcción de una base de datos sólida.
  • Mejorar la eficiencia de las ventas y evaluar objetivamente el rendimiento de las ventas es crucial en la industria automovilística, especialmente con grandes grupos de concesionarios, para identificar a los mejores trabajadores y optimizar la asignación de recursos.
  • Las empresas que adoptan la IA en el sector automovilístico están reevaluando y ajustando sus solicitudes, lo que indica si su interés en la IA es una tendencia pasajera o un compromiso a largo plazo.
  • Las empresas están pasando de implementar proyectos de inteligencia artificial solo para cumplir con un requisito a aprovechar los datos y la inteligencia artificial para impulsar un valor comercial específico y obtener una ventaja competitiva.
  • Las empresas deben centrarse en crear gradualmente una estrategia basada en datos, comenzando por organizar sus datos, ya que esta base es crucial para aprovechar de manera eficiente la inteligencia artificial y crear casos de uso exitosos.
  • Implementar la toma de decisiones basada en datos con IA en la industria automovilística es un desafío debido a la complejidad de integrar múltiples sistemas y garantizar el acceso a datos oportunos y en tiempo real.
  • Los sistemas cerrados, a diferencia de los abiertos, no permiten a los usuarios descargar datos fácilmente en un formato simple como CSV.
• 46:22 Implementar datos y IA en la industria automovilística requiere identificar los puntos débiles del negocio, los cambios culturales y la aceptación de las partes interesadas para aumentar la eficiencia y mejorar las tareas, no reemplazar al personal.
  • Para implementar con éxito los datos y la IA en la industria automovilística, es crucial identificar puntos críticos específicos del negocio, diseñar soluciones tecnológicas personalizadas y garantizar que las partes interesadas del negocio estén involucradas y apoyen activamente los proyectos desde el principio.
  • La adopción de la toma de decisiones basada en datos y la inteligencia artificial en la industria automovilística requerirá cambios significativos, no solo tecnológicamente sino también culturalmente, ya que puede enfrentar resistencia por parte de las partes interesadas, particularmente aquellas enfocadas en ganancias a corto plazo.
  • La incorporación de tecnología e IA en la industria automovilística conlleva una mayor eficiencia, pero también genera preocupación entre los empleados que temen ser reemplazados; sin embargo, el objetivo es utilizar estas herramientas para aumentar y liberar tiempo para tareas más importantes, no necesariamente para reducir personal.