El ROI de los Growth Agents 2026
Lo que realmente devuelve la agentificación del growth y cómo probarlo
Agentifying growth significa poner todo el ciclo bajo los agentes: leer la señal, formar la hipótesis, elegir la acción, ejecutar el experimento y leer el resultado. El retorno de eso no es el uplift que reporta. Es el uplift que sobrevive a un holdout aleatorizado, neto del margen cedido para producirlo. Casi nadie mide ese número, por lo que casi nadie puede defender su presupuesto de growth dos veces.
Método
Cada uno basado en investigación independiente y nombrada en lugar de nuestra propia telemetría.
Economía revisada por pares, investigación de consultoras, datos del sector y estadísticas gubernamentales.
Ventana de publicación de la evidencia revisada, ponderada hacia 2025 y 2026.
No publicamos ninguna cifra de uplift a nivel de la industria, porque no pudimos encontrar una que pudiéramos defender.
Lo que este informe no afirma
- Que el growth agentic es inevitable, o que cada base tiene el mismo potencial de expansión.
- Cualquier benchmark de uplift promediado en la industria. El número creíble es el que produce tu propio holdout.
- Que los estudios de ROI encargados por proveedores son evidencia de incrementality. Son evidencia de potencial de valor, y los etiquetamos.
La única cifra de uplift que citamos sobre nosotros mismos es un rango medido en cohortes tratadas frente a un holdout aleatorizado: +17–35% ARPU against holdout. No es una previsión, y no es el número que debes poner en tu propio caso de negocio. Tu propio holdout sí lo es.
Contenidos
- 01El gasto aumenta, el retorno no está probado
- 02La atribución no puede ver la incrementality
- 03La personalización se abandona por el ROI
- 04Los líderes en medición crecen más rápido
- 05La base es la última reserva de growth
- 06El rendimiento de las decisiones es la restricción
- 07La ecuación del ROI
- 08Tres bases, un modelo honesto
- 09El protocolo holdout
- 10La lista de verificación de diligencia
- 11Conclusión
El gasto en IA empresarial ha escalado. El retorno demostrado, no.
La brecha entre la adopción y el impacto medible es ahora el hecho definitorio de la IA empresarial, y el growth es donde es más visible.
Dos lecturas independientes del panorama empresarial de 2025 coinciden en la forma del problema. La implementación es casi universal, la captura de valor se concentra en una pequeña minoría y la mayoría de los programas no pueden producir una cifra que su propia función financiera acepte. Esto no es un fallo tecnológico. Nada en la stack impide que un equipo de growth mida el margen incremental. Lo que lo impide es que nadie diseñó el programa para ser medible antes de su lanzamiento.
La growth es el caso agudo porque el contrafactual es costoso de preservar. Mantener un holdout del cinco por ciento de una base parece dejar ingresos sobre la mesa, por lo que es lo primero que se recorta cuando se retrasa una fecha de lanzamiento. Doce meses después, el programa ha producido mucha actividad, un panel de control que va hacia arriba y hacia la derecha, y ninguna respuesta defendible a la única pregunta que importa.
Consideración del ROI
Antes de la próxima aprobación, anota el único número por el que se juzgará el programa en doce meses, y el mecanismo que lo producirá. Si ese mecanismo es una comparación de tablero en lugar de un grupo de control, el número aún no existe. Decídelo ahora, mientras el diseño todavía es barato de cambiar.
La medición estándar no puede separar el uplift de la canibalización.
Esto no es un matiz para los analistas. Es la razón por la que los presupuestos de growth son descontados por finanzas, y el descuento es racional.
La atribución responde a una pregunta que nadie hizo: qué punto de contacto estuvo más cerca de la conversión. No puede distinguir a un cliente que actuó debido al mensaje de un cliente que iba a actuar de todos modos y casualmente recibió uno. En una gran base instalada, el segundo grupo es la mayoría, por lo que los ingresos atribuidos superan rutinariamente los ingresos totales una vez que se suman los canales.
El registro académico al respecto es inusualmente contundente. En veinticinco grandes experimentos de campo, el intervalo de confianza mediano en el ROI publicitario fue de más de cien puntos porcentuales: incluso con millones de sujetos y dinero real en juego, el retorno medido fue frecuentemente indistinguible de cero. Un experimento a gran escala separado encontró que desactivar la búsqueda pagada de términos de marca no tuvo un efecto estadísticamente significativo en los compradores nuevos o infrecuentes, cuyo comportamiento la atribución había estado acreditando al canal durante años.
La consecuencia práctica es grave y específica. Un programa optimizado en atribución se desplaza hacia los clientes que son más fáciles de alcanzar en el momento de la compra, que es precisamente la población donde la intervención era menos necesaria. El margen gastado allí no es una inversión de growth. Es un descuento.
Consideración del ROI
Toma la última cifra de uplift que tu equipo reportó y hazle tres preguntas: ¿el grupo de control fue aleatorizado antes del lanzamiento?, ¿la ventana fue de al menos ocho semanas?, y ¿se descontó el margen del incentivo? Si alguna respuesta es no, la cifra es una descripción de actividad, no una medición de retorno.
Los programas de personalización se abandonan por falta de pruebas, no por falta de tecnología.
La previsión de que el ochenta por ciento de los marketers que invierten se retirarían para 2025 no se refería a las herramientas. Se refería a la incapacidad de demostrar un retorno.
La predicción de Gartner ha envejecido hasta convertirse en una descripción. Los equipos que se retiraron no carecían de una plataforma: la mayoría había comprado dos. Lo que les faltaba era una manera de demostrar que el programa producía ingresos que la empresa no habría obtenido de otro modo, y sin esa demostración, la partida presupuestaria pierde cualquier argumento que se le presente.
La contrapartida es que el valor es real donde se captura. Los clientes esperan relevancia y castigan su ausencia, y las empresas que la operacionalizan crecen más rápido que sus pares. Ambas cosas son ciertas a la vez: el pool de valor existe, y la mayoría de los intentos de alcanzarlo fallan en la medición en lugar de en el modelado.
La lectura honesta es que la personalización se vendió como una compra de tecnología cuando es un cambio de modelo operativo. La tecnología llegó a tiempo. La disciplina de medición, las reglas de supresión y la voluntad de retirar un programa perdedor no lo hicieron.
Consideración del ROI
Audita tu propia pila en busca del patrón de abandono antes de que te afecte: cuenta los casos de uso de personalización activos hoy, luego cuenta los que tienen un grupo de control. Si el segundo número es cero, al programa le queda un ciclo de presupuesto antes de ser cancelado, independientemente de lo bien que funcione.
Los equipos que miden con más rigor son los equipos que crecen más rápido.
El rigor no es un impuesto sobre el growth. En la investigación disponible, es el correlato observable más fuerte del mismo.
El trabajo de medición de BCG encuentra que las organizaciones con una práctica de incrementality madura experimentan un crecimiento de ingresos materialmente mayor que sus pares. La historia causal no es misteriosa. Un equipo que puede distinguir un efecto real de una coincidencia deja de financiar las coincidencias, y el presupuesto liberado se acumula en los programas que funcionan.
La misma investigación advierte sobre los modos de fallo que hacen que una medición débil parezca fuerte: efectos de novedad que inflan las primeras semanas de cualquier programa nuevo, efectos halo y de adelanto que toman ingresos del próximo trimestre, y contaminación entre experimentos superpuestos. Cada uno de ellos sesga en la misma dirección, por lo que los programas no auditados casi nunca se revisan a la baja.
Este es el argumento que debes llevar a una reunión de presupuesto. No que el techo sea más alto de lo que las finanzas creen, sino que el suelo es conocible y que conocerlo es lo que convierte un piloto en un modelo operativo.
Consideración del ROI
Institucionaliza un número en lugar de un cuadro de mando: margen bruto incremental por cliente contactado, frente a holdout, leído mensualmente. Cualquier otra métrica de growth es diagnóstica. Esta es la que decide si el programa continúa.
La adquisición ha dejado de cubrir la fuga. La base instalada es donde se encuentra el growth.
Dos de las categorías de suscripción más grandes del mundo cruzaron el mismo umbral en 2025: el coste de un nuevo cliente ahora excede lo que la base pierde sin intervención.
El growth de suscriptores premium de SVOD se redujo a la mitad en un solo año, y el comentario del propio sector ha pasado de la adquisición a la arquitectura de retención y la economía unitaria. Las telecomunicaciones muestran la misma presión desde la otra dirección: aproximadamente un tercio de los clientes a nivel global están considerando activamente un cambio, una tasa que ningún presupuesto de adquisición puede superar.
Cuando la adquisición deja de ser la palanca, la economía de la base se convierte en todo el juego, y está gobernada por cuatro preguntas hechas millones de veces al mes. Quién merece ser contactado, sobre qué, cuándo y a qué coste. Ese es un problema de decisioning, no un problema de campaña, y su resolución es de donde proviene el ARPU incremental.
El efecto compuesto importa más que cualquier palanca individual. Un cliente activado alimenta el cross-sell; un cliente retenido de alto ARPU sigue alimentando ambos durante años; un descuento innecesario suprimido devuelve margen sin enviar un solo mensaje adicional. Los business cases construidos sobre una sola palanca son frágiles precisamente porque estos efectos son multiplicativos.
Consideración del ROI
Divide tu plan de growth en adquisición y economía de base, y valora ambos bajo el mismo criterio: coste totalmente cargado por euro incremental de margen bruto. En la mayoría de las grandes bases B2C, la segunda columna gana por una distancia que nadie se ha molestado en cuantificar.
La restricción no es el volumen de la campaña. Es cuántas decisiones puede defender un equipo.
La capacidad real de un equipo de growth es el número de hipótesis que puede generar, probar honestamente y retirar por año. Ese número es pequeño y costoso.
Valora la restricción correctamente. Un senior data scientist cuesta bastante más de seis cifras con todos los gastos incluidos, y la tasa de mercado para las habilidades de inferencia causal que requiere este trabajo se sitúa por encima de la mediana publicada. El resultado de esa persona no son dashboards: es un número limitado de experimentos bien diseñados por año, la mayoría de los cuales fallarán, porque la mayoría de las ideas fallan dondequiera que se midan correctamente.
La literatura sobre experimentación es clara en que una alta tasa de fracasos es el estado normal de un programa saludable, no un síntoma de uno débil. La implicación es aritmética. Si la mayoría de las hipótesis fallan, el valor de la función lo establece la cantidad que puede pasar por el ciclo y lo barato que puede eliminar a los perdedores. Un equipo que realiza doce A/B test al año está haciendo doce apuestas. Un sistema que ejecuta el mismo diseño en miles de segmentos de forma continua está realizando un tipo de inversión completamente diferente.
Esta es la parte del caso que usualmente se redacta como un ahorro de personal, y ese enfoque es incorrecto y débil. Nada se elimina. Lo que cambia es a dónde van las escasas horas: lejos de reconstruir el mismo informe de lift cada mes, y hacia la decisión de qué vale la pena probar a continuación.
Consideración del ROI
Cuenta las hipótesis que tu equipo sometió a una prueba controlada el año pasado, y divide el coste total de la función por ese número. Ese es tu coste actual por decisión. Es la única base de referencia contra la que se debe comparar cualquier inversión en growth agentic.
La ecuación, y cómo ejecutarla en tu propia base
Retorno anual neto
( base × contactable % × ARPU × estimated incremental lift % × gross margin % ) − incentive margin − programme cost
El incremental lift es el lift reportado después del recorte. El margen de incentivo es lo que cediste para producir el lift. Ambos suelen faltar en los modelos de los proveedores, y ambos son las primeras cosas que pedirá un director financiero.
La base direccionable es la proporción que puedes alcanzar legal, técnica y tolerablemente en un mes determinado. Los límites de fatiga deben estar dentro del modelo, no en una nota al pie debajo de él.
Un ingreso incremental con un margen bruto del 62 % no es un ingreso incremental. Cada escenario de este informe se expresa en margen, porque esa es la moneda en la que se juzga el caso.
Aplica el recorte dentro del modelo, de antemano. La banda de BCG implica descontar el lift reportado entre el 20 % y el 40 % antes de que cualquier otra persona lo haga por ti.
Los descuentos, créditos y ofertas de ahorro son el coste de producir el lift. Restarlos es la diferencia entre un caso de negocio y un comunicado de prensa.
Tres bases, un modelo honesto
Cada fila es el mismo modelo aplicado a una escala diferente, con el recorte central del 30 % ya deducido y todo expresado en margen bruto en lugar de ingresos. El objetivo de la tabla no es el tamaño del número. Es que el número sigue siendo positivo después de las deducciones que la mayoría de los casos omiten.
| Base | Ingresos direccionables | Uplift informado | Margen incremental estimado | Neto del coste del programa | Se necesita holdout |
|---|---|---|---|---|---|
| 1M customers | $129.6M | $3.9M | $1.7M | $787K | 8.9% · 8 weeks |
| 5M customers | $648.0M | $19.4M | $8.4M | $7.5M | 1.8% · 8 weeks |
| 20M customers | $2.59B | $77.8M | $33.7M | $32.8M | 0.4% · 8 weeks |
Supuestos: ARPU $24/month · 45% contactable · 62% gross margin · 3% reported lift on addressable revenue · programme cost $900K/year. El mismo modelo, con tus propias entradas, se ejecuta en la calculadora de ROI.
El protocolo holdout
Cinco pasos. Ninguno de ellos es técnicamente difícil, y saltarse cualquiera de ellos es lo que convierte un resultado en una anécdota.
Un grupo de control aleatorio extraído de la misma población, en el mismo momento, bajo las mismas reglas de elegibilidad. Un grupo de control formado a posteriori es una muestra emparejada, y una muestra emparejada hereda todos los sesgos que hicieron que el grupo tratado fuera diferente.
Los ingresos por usuario tienen una asimetría positiva significativa, por lo que detectar un pequeño uplift relativo requiere muchas más exposiciones que una prueba de conversión del mismo efecto. Calcula el tamaño antes de ejecutarla o leerás ruido con confianza.
Ocho semanas como mínimo, doce cuando el ciclo de compra es largo. Cualquier lectura en la segunda semana mide la novedad, y la novedad decae en cada serie publicada.
Resta cada descuento, crédito y oferta de ahorro del ingresos incremental antes de que alguien lo llame un resultado. Este único paso invierte el signo de más programas de retención que cualquier otro.
Un pequeño control permanente es el único instrumento que te dice, un año después, si el programa sigue produciendo uplift o meramente actividad. Presupuéstalo como infraestructura, no como una prueba.
La lista de verificación de diligencia
Seis preguntas que hacer a cada proveedor de esta categoría, incluyéndonos a nosotros. Un proveedor que no pueda responder la primera está vendiendo actividad.
- 01¿Puedes mostrar una cifra de uplift medida contra un holdout aleatorizado, con el período y la población divulgados?
- 02¿Qué parte de las acciones que propone el sistema se suprimen y bajo qué regla económica?
- 03¿Cómo se netea el margen de incentivo del uplift reportado?
- 04¿Qué pasa con el número si mantenemos un holdout permanente del 5 % durante doce meses?
- 05¿Cuál de los cinco grupos de valor aborda esto, y cuáles deja sin tocar?
- 06¿Quién toma la decisión cuando el modelo y el calendario de la campaña no están de acuerdo?
Conclusión
El patrón en la evidencia es consistente e incómodo. Las empresas están gastando a gran escala en inteligencia de growth, una minoría puede demostrar un retorno, y la diferencia entre los dos grupos casi nunca es la sofisticación del modelo. Es si existía un grupo de control antes de la fecha de lanzamiento.
Esto es una buena noticia para cualquiera que esté dispuesto a ser riguroso, porque la disciplina es barata en relación con el presupuesto que protege. Un holdout del cinco por ciento, una ventana de ocho semanas y una compensación honesta del margen de incentivo cuestan un error de redondeo y producen el único número que sobrevive a un segundo ciclo presupuestario.
Markin se construye contra este estándar en lugar de a su alrededor. No publicamos ningún benchmark de uplift de la industria, reportamos nuestros propios resultados como un rango medido contra holdout, y consideramos que la lista de verificación anterior es un juego justo para usarse con nosotros.
Fuentes
- 01MIT Project NANDA, The GenAI Divide: State of AI in Business (2025)
- 02McKinsey, The State of AI in 2025 (2025)
- 03Lewis and Rao, The Unfavorable Economics of Measuring the Returns to Advertising, Quarterly Journal of Economics (2015)
- 04Blake, Nosko and Tadelis, Consumer Heterogeneity and Paid Search Effectiveness, Econometrica (2015)
- 05BCG, How Measurement Is Evolving in Next-Best Action (2026)
- 06Gartner, Predicts 2020: Marketers, They Are Just Not That Into You (2019)
- 07McKinsey, The Value of Getting Personalization Right or Wrong Is Multiplying (2021)
- 08Forrester Consulting, Total Economic Impact of Pega Customer Decision Hub (2025), commissioned by Pega
- 09BCG, Six Steps to More Effective Marketing Measurement (2025)
- 10Antenna, State of Subscriptions: Premium SVOD 2025 Year in Review (2026)
- 11Simon-Kucher, Global Telecommunications Study (2026)
- 12US Bureau of Labor Statistics, Occupational Outlook Handbook: Data Scientists (2024)
- 13Kohavi and Longbotham, Online Controlled Experiments and A/B Tests (2023)
Continuar leyendo
Lee el resto del informe en esta página.
Sin descargas, sin esperar un correo electrónico. Dinos quién eres y el resto de los resultados se abrirán aquí mismo. También te enviaremos una copia para que puedas compartirla internamente.
- Hallazgos del 03 al 06, con cada cifra citada y fechada.
- La ecuación de ROI, con el recorte aplicado dentro del modelo.
- Una tabla de escenarios de tres bases expresada en margen bruto, neto del coste del programa.
- El protocolo holdout de cinco pasos y la lista de verificación de diligencia.