IA y comerciales hacia 2030

Los comerciales no se enfrentan a un único momento de “sustitución por la IA”. Se enfrentan a un rediseño del ciclo de venta. Los sistemas de IA pueden investigar clientes potenciales, preparar fichas de cuentas, sugerir mensajes de prospección, organizar los datos del CRM y resumir llamadas. Esas capacidades pueden reducir el tiempo dedicado a la preparación. No generan automáticamente la confianza del comprador, no entienden por sí solas las dinámicas políticas dentro de una cuenta ni asumen un compromiso comercial defendible.

La pregunta central no es “¿Reemplazará la IA a los comerciales?”, sino “¿Qué partes del proceso de venta pueden delegarse de forma segura y qué nuevas capacidades hacen más valiosos a los vendedores humanos?” Esta guía responde a nivel de tareas y propone evidencias de competencias y un plan de transición de 90 días para equipos de ventas B2B y de pymes.

La normativa sobre prospección, la calidad de los datos de contacto y las expectativas de los compradores cambian sustancialmente la respuesta. Una herramienta capaz de enviar miles de correos personalizados no es necesariamente un flujo de trabajo que una empresa europea pueda desplegar legalmente. La productividad sin confianza ni cumplimiento normativo no es un progreso.

Aplícalo a tu propia organización: Explora la preparación de tu empresa ante la IA con hilighter. Este recurso se puede leer gratuitamente, sin informe restringido ni captación de datos de contacto, y, por ahora, la evaluación solo está disponible en inglés. La experiencia de preparación ante la IA es una ayuda a la planificación, no una calificación individual de empleados ni una certificación regulatoria.

Respuesta rápida: qué cambia, qué importa y qué hacer

Importante: las clasificaciones de este artículo son valoraciones editoriales cualitativas propias. No son probabilidades medidas de sustitución, puntuaciones numéricas de riesgo ni predicciones de reducción de plantilla.

1. Lo que respalda realmente la evidencia

La encuesta State of Sales 2026 de Salesforce, con más de 4000 profesionales de ventas, señala un uso generalizado de la IA y grandes expectativas respecto a los agentes de ventas. El dato principal, según el cual el 87% de las organizaciones de ventas encuestadas usa algún tipo de IA, es el resultado de una encuesta patrocinada por un proveedor, no una medición auditada de la adopción mundial. Los encuestados esperaban que los agentes redujeran el tiempo dedicado a investigar clientes potenciales y a preparar correos, pero las expectativas no son ahorros de tiempo realizados. [1]

La investigación de LinkedIn de 2025 sobre ventas B2B indica que el 56% de los profesionales de su estudio usaban la IA a diario y que algunos vendedores asociaban la IA a una mejor investigación de leads (contactos potenciales) o a mejores tasas de respuesta. Son medidas declarativas y observacionales; un mejor rendimiento entre los usuarios de IA también podría reflejar la madurez del equipo, la calidad del territorio o las prácticas de venta existentes. [2]

La predicción de Gartner de 2025, según la cual el 75% de los compradores B2B preferirían en 2030 experiencias que prioricen la interacción humana, es una previsión, no un resultado medido en 2030. Es una advertencia útil frente a la tentación de tratar toda la conversación de compra como un objetivo de automatización. [3]

El marco ocupacional de la OIT de 2025 evalúa la exposición a nivel de tareas y pone el acento en la transformación, en lugar de equiparar mecánicamente exposición y pérdida de empleo. La estimación del WEF de un cambio del 39% en las competencias de aquí a 2030 es una expectativa de los empleadores para el conjunto de la economía, no una tasa específica de los comerciales. [4][5] El Work Trend Index 2026 de Microsoft también subraya que los sistemas organizativos y el apoyo de los mandos influyen en los resultados, más allá del acceso individual a las herramientas. [9]

La evidencia específica sobre ventas sigue dominada por encuestas, demostraciones y estudios de caso de proveedores. Los equipos deberían pilotar con sus propios segmentos de clientes y medir la calidad de las oportunidades cualificadas, las solicitudes de baja, la satisfacción de los compradores y el margen, no solo el volumen de mensajes o las horas ahorradas.

Cómo interpretar la evidencia

Las grandes encuestas del sector describen la adopción, las expectativas y las percepciones de los encuestados. Los experimentos controlados ofrecen una evidencia causal más sólida, pero a menudo prueban una sola herramienta en un solo flujo de trabajo. Los estudios de exposición por tareas identifican un posible solapamiento técnico, no la adopción, la seguridad, el valor de negocio ni el desplazamiento real de empleos. hilighter no convierte ninguno de ellos en un porcentaje único de una profesión “en riesgo”.

2. Define la profesión antes de evaluarla

Un título de puesto es un indicador imperfecto de lo que hacen los empleados. La importancia relativa de cada tarea cambia con el tamaño de la empresa, el modelo de negocio, la ubicación geográfica, el segmento de clientes, las herramientas tecnológicas y la antigüedad. Analiza tus propias tareas antes de elegir formación o software.

• Representante de desarrollo de ventas (SDR/BDR, encargado de generar las primeras oportunidades): se centra en las cuentas objetivo, la investigación inicial y las reuniones; la búsqueda de leads y los primeros borradores de mensajes pueden cambiar rápidamente, pero el consentimiento y la reputación de la marca son centrales.
• Ejecutivo de cuentas (AE): dirige el descubrimiento, las demostraciones complejas, las propuestas y las oportunidades con varias partes interesadas. La IA puede ayudar en la preparación, pero no debe inventar hechos comerciales ni sustituir los compromisos.
• Gestor de cuentas / especialista en renovaciones: mantiene relaciones a largo plazo, la continuidad del servicio y las negociaciones comerciales; la confianza, el contexto de la cuenta y la calidad del escalado son centrales.
• Ventas internas / ventas transaccionales: pueden gestionar muchas consultas estandarizadas y configuraciones de producto; la IA puede ayudar con el enrutamiento y los borradores de propuestas cuando los datos de catálogo y de existencias están gobernados.
• Ventas a grandes cuentas / estratégicas: suelen implicar una gran incertidumbre y una complejidad de compras y jurídica; la navegación entre partes interesadas y la negociación son difíciles de estandarizar.
• Ventas de campo / gestor de socios de canal: combina visitas, conocimiento del mercado local y capacitación de socios; la asistencia de la IA puede mejorar la administración, pero no las interacciones presenciales ni el contexto local.

3. Mapa del impacto de la IA, tarea por tarea, en el trabajo comercial

Cómo leer el mapa: cada tarea tiene dos valoraciones independientes. Potencial de cambio: Alto cambio en el trabajo significa actividades relativamente repetibles que pueden asistirse o automatizarse parcialmente con buenos datos y revisión; Medio / condicional significa que una ayuda útil de la IA depende mucho del contexto y de los sistemas; Liderado por personas / de alto impacto significa que las herramientas pueden preparar la información, pero el control humano responsable sigue siendo central. Riesgo y confianza es una dimensión aparte (Bajo, Medio, Alto, Crítico): se refiere a la privacidad, la exactitud, los derechos, la equidad y el coste de un error. Ninguna de las dos valoraciones es una probabilidad.

Cinco flujos de trabajo que conviene examinar primero

La prospección pasa de la búsqueda a la verificación. Los asistentes de investigación pueden reunir datos de una empresa en minutos, pero la actualidad de las fuentes importa. Un comercial debería aprender a rechazar señales atractivas pero sin respaldo, como expansiones inventadas, directivos inexistentes o datos personales obtenidos mediante scraping. El cambio de competencias va de montar listas a mano a validar la adecuación, el momento y los métodos de contacto permitidos.

El volumen de prospección es un objetivo de optimización peligroso. Un prompt puede producir cientos de correos verosímiles. Eso no significa que la empresa tenga permiso para enviarlos, ni que los destinatarios vayan a valorarlos. El mejor flujo de trabajo pone a prueba la pertinencia, la reputación del remitente, la gestión de las bajas, la calidad de las respuestas y el avance de las cuentas.

El descubrimiento se vuelve más analítico, no menos humano. Las herramientas de conversación pueden resumir llamadas y proponer preguntas de seguimiento, pero pueden pasar por alto la ironía, las contradicciones y el contexto político. El vendedor sigue teniendo que poner a prueba las hipótesis, hacer preguntas incómodas y obtener el consentimiento cuando se usan grabaciones.

Las propuestas se convierten en un problema de gobernanza de la evidencia. Los borradores generativos reducen el trabajo repetitivo solo si las listas de precios, las afirmaciones aprobadas y las limitaciones de los productos son fiables. Establece enlaces con las fuentes de referencia y una aprobación humana, sobre todo cuando las propuestas crean obligaciones jurídicas.

La negociación gana apoyo informativo. La IA puede modelizar escenarios de concesiones o ensayar objeciones, pero no debería comprometer a la empresa con descuentos no aprobados ni tergiversar la posición negociadora del cliente. Forma a los vendedores para que vean las sugerencias de la IA como hipótesis.

4. Competencias y hábitos de trabajo que podrían perder valor relativo

Una distinción importante: que disminuya la necesidad de una actividad rutinaria no hace obsoletos ni al empleado ni a la profesión subyacente. Muchas competencias básicas siguen siendo necesarias para detectar los errores de la IA. Se trata de actividades cuyo valor de mercado como actividad independiente podría disminuir, no de competencias que las personas deban dejar de aprender por completo.

• Recopilación manual de datos de empresas: copiar fragmentos públicos en presentaciones informativas es cada vez más automatizable, aunque la verificación sigue siendo valiosa.
• Pasar a limpio notas desestructuradas: los resúmenes rutinarios y el formateo en el CRM pueden asistirse; la revisión de la exactitud y la gestión de los permisos siguen siendo importantes.
• Retocar plantillas genéricas de correo: las variaciones básicas son fáciles de generar; el valor está en la segmentación, una visión propia y una prospección conforme a la ley.
• Informes de volumen de actividad: contar llamadas y correos sin evaluar los resultados con los compradores pierde utilidad cuando la IA puede multiplicar la actividad.
• Guiones de objeciones estáticos: los guiones rígidos son menos eficaces que las preguntas adaptativas y la resolución de problemas en contexto; la información sobre el producto debe seguir verificada.
• Programación manual del seguimiento etapa por etapa: los recordatorios pueden automatizarse, mientras que el vendedor sigue siendo responsable de las promesas y del ritmo de la relación.

5. Ocho competencias prioritarias que desarrollar

El criterio útil no es si alguien ha asistido a un webinar sobre IA, sino si puede demostrar un resultado seguro y repetible en un trabajo pertinente. Las evidencias sugeridas a continuación son ilustrativas y los empleados y los mandos deberían adaptarlas.

1. Inteligencia de cuentas basada en evidencias

Verificar la fuente, la actualidad y el grado de confianza de cada dato comercialmente relevante, en lugar de repetir resúmenes fluidos de la IA. Evidencia de la competencia: una ficha de cuenta con fuentes citadas, falsos positivos corregidos y observaciones útiles para la decisión. Primera práctica: comparar una ficha de cuenta producida por IA con tres fuentes originales.

2. Orquestación de flujos de venta entre personas e IA

Delegar tareas de investigación, notas y redacción de alcance limitado manteniendo puntos de aprobación y una pista de auditoría. Evidencia de la competencia: un flujo de trabajo documentado que muestre permisos, desencadenantes, revisión y marcha atrás. Primera práctica: diseñar un circuito de seguimiento posterior a una reunión con una aprobación humana obligatoria.

3. Prospección respetuosa con la privacidad y conforme a la normativa

Entender la diferencia entre la información pública de una empresa y los datos de contacto personales, y entre la capacidad técnica de contactar y el permiso legal para hacerlo. Evidencia de la competencia: una revisión documentada de canales y datos de contacto con reglas de exclusión y de escalado. Primera práctica: revisar diez leads de ejemplo en cuanto a su procedencia y al permiso de canal.

4. Descubrimiento consultivo y diagnóstico de negocio

Hacer preguntas que saquen a la luz las limitaciones reales, las partes interesadas con intereses opuestos y el coste de no actuar. Evidencia de la competencia: una conversación de descubrimiento grabada o simulada, con las preguntas y la calidad de la escucha evaluadas de forma independiente. Primera práctica: hacer un juego de rol de una llamada de descubrimiento sin leer palabra por palabra las preguntas generadas.

5. Validación de productos, precios y afirmaciones

Detectar cifras inventadas, capacidades de producto y compromisos de precio antes de que lleguen a un comprador. Evidencia de la competencia: una lista de verificación de propuestas aprobada, con referencias a las fuentes y validación del margen. Primera práctica: auditar una propuesta sintética de IA en la que se han introducido cinco afirmaciones incorrectas.

6. Razonamiento comercial y comprensión de las previsiones

Cuestionar las probabilidades del pipeline y la calidad de los datos en lugar de aceptar una cifra predictiva bien presentada. Evidencia de la competencia: una revisión de previsiones que muestre hipótesis, escenarios alternativos y notas de calibración. Primera práctica: comparar los cambios de previsión con los resultados de cierre reales de una cohorte.

7. Negociación y mapa de partes interesadas

Construir opciones y concesiones a partir de necesidades verificadas del comprador y de las dinámicas de la relación. Evidencia de la competencia: un mapa de partes interesadas y un plan de negociación revisados frente a los límites comerciales acordados. Primera práctica: simular objeciones del departamento de compras y preparar dos concesiones recíprocas éticas.

8. Práctica de roles y retroalimentación asistidas por IA

Usar simulaciones de IA para practicar, pero juzgar el progreso por comportamientos observables ante el cliente. Evidencia de la competencia: una rúbrica de juego de rol antes/después con ejemplos de mejor escucha y mejor gestión de objeciones. Primera práctica: pedir a un mando que evalúe dos simulaciones con independencia de la retroalimentación de la IA.

6. Responsabilidades emergentes que ya resultan plausibles

Son responsabilidades de trabajo, no necesariamente puestos establecidos de forma universal. En una pequeña empresa, un mismo empleado puede combinar varias de ellas.

1. Responsable de los flujos de trabajo con agentes de IA en ventas. Define las automatizaciones aprobadas, vigila los fallos, gestiona los traspasos y evita acciones no previstas en el CRM o de contacto con clientes. Madurez: responsabilidad emergente, no una ocupación estandarizada.
2. Especialista en verificación de señales de compra. Audita las señales de intención y los datos de enriquecimiento antes de que influyan en la prospección o en la asignación de oportunidades. Madurez: responsabilidad emergente, no una ocupación estandarizada.
3. Responsable del conocimiento comercial y de las afirmaciones. Mantiene para los asistentes de ventas la información aprobada sobre los productos, las actualizaciones de políticas, los precios y la atribución de las fuentes. Madurez: responsabilidad emergente, no una ocupación estandarizada.
4. Coach de capacitación comercial entre personas e IA. Crea simulaciones responsables y comprueba que la retroalimentación de las herramientas mejora realmente el descubrimiento y la cualificación. Madurez: responsabilidad emergente, no una ocupación estandarizada.
5. Responsable de la confianza en la prospección asistida por IA. Sigue el riesgo de contactos no solicitados, la confusión de los clientes y las prácticas de información y consentimiento en todos los canales. Madurez: responsabilidad emergente, no una ocupación estandarizada.

7. Competencias futuras que podrían aparecer hacia 2028–2030 (hipótesis, no hechos)

Las siguientes son hipótesis de escenario. Sus denominaciones, su calendario y su grado de confianza cualitativo son valoraciones editoriales de hilighter. No se han observado de forma independiente a gran escala y no deben usarse para prometer una trayectoria profesional.

1. Gobernanza de flujos de negociación con varios agentes. Confianza media (condicional, 2028–2030). Coordinar agentes especializados en investigación, propuestas y seguimiento sin perder la responsabilidad frente al cliente. Qué la validaría: despliegues reales con rendición de cuentas documentada, salvaguardas y un beneficio medible para el comprador.
2. Dominio de los protocolos de negociación con IA entre comprador y vendedor. Confianza baja a media (condicional, 2028–2030). Entender la negociación en la que agentes de compras y de proveedores intercambian requisitos estructurados. Qué la validaría: despliegues repetibles por parte de los compradores y límites contractuales transparentes.
3. Personalización que conserva la procedencia. Confianza media (condicional, 2028–2030). Adjuntar la fuente y la evidencia de uso lícito a cada afirmación comercial personalizada. Qué la validaría: que las herramientas de los proveedores y las revisiones de cumplimiento exijan cada vez más una procedencia verificable.
4. Aseguramiento de las simulaciones sintéticas de negociación. Confianza baja a media (condicional, 2028–2030). Evaluar si las simulaciones de objeciones de compradores reflejan la realidad y no un relato sesgado del modelo. Qué la validaría: estudios comparativos independientes que relacionen las simulaciones con resultados reales.
5. Trazabilidad de las decisiones comerciales con IA. Confianza media (condicional, 2028–2030). Explicar por qué se aceptó o se rechazó una recomendación, una previsión o una acción de un agente. Qué la validaría: que los clientes y los departamentos de compras de las grandes empresas exijan registros de decisiones reproducibles.

8. Un flujo de trabajo real: antes y después de una adopción meditada de la IA

Este ejemplo es una ilustración de diseño de procesos, no un resultado real de un cliente de hilighter ni una promesa de ahorro de costes. Los equipos deberían compararlo con su línea de base y proteger la calidad, no limitarse a reducir el tiempo de gestión.

De la detección de clientes potenciales a una primera reunión cualificada

El proceso rediseñado solo tiene éxito si mejoran las reuniones pertinentes y las oportunidades fiables. Un spam más rápido, una personalización inventada o una recogida de datos no autorizada son fracasos, aunque aumenten los mensajes por hora.

9. Cómo podría evolucionar la profesión en 2026, 2028 y 2030

Un escenario para 2030 no es una previsión. Algunos sectores adoptarán la IA lentamente por sus sistemas heredados, las expectativas de los clientes, la regulación, el acceso a los datos o la economía; otros rediseñarán rápidamente sus flujos de trabajo. Un empleador prudente debería prepararse para varias trayectorias en lugar de un único futuro previsto.

10. Gobernanza, confianza y salvaguardas para los empleados

1. Consentimiento y contacto lícito: las normas de marketing de la UE implican el RGPD, la normativa ePrivacy y su aplicación nacional; una dirección de correo pública o un perfil de LinkedIn obtenido mediante scraping no constituye un permiso universal para la prospección en frío. [7][8]
2. Procedencia de los datos de cuentas y contactos: registrar los orígenes y los derechos de uso; evitar las fuentes de enriquecimiento con permisos no verificables o datos personales innecesarios.
3. Autonomía de los agentes: empezar con borradores y recomendaciones; prohibir el envío automatizado, los descuentos, las promesas contractuales y el borrado de datos del CRM sin una autorización explícita y acotada.
4. Afirmaciones veraces: aprobar las funcionalidades de los productos, las pruebas aportadas por clientes, los precios y los argumentos de prueba; señalar cuándo el modelo no puede verificar una afirmación.
5. Grabación de llamadas y privacidad de los clientes: evaluar los avisos, las normas locales, el acceso, la conservación de las transcripciones y el uso de los datos por parte del proveedor antes de activar la IA en las reuniones.
6. Asignación equitativa: auditar cómo prioriza la IA las cuentas o los leads para que los patrones históricos de cobertura no determinen en silencio las oportunidades futuras.
7. Transparencia hacia el comprador: evaluar si un agente automatizado interactúa directamente con clientes potenciales y qué obligaciones de información del Reglamento de IA son aplicables. [6]
8. Resultados humanos y de negocio: hacer seguimiento de las reclamaciones, las bajas, la calidad de la conversión, la confianza y las oportunidades perdidas, no solo de la velocidad de la actividad.

Nota jurídica (contexto de la UE): el artículo 50 del Reglamento de IA incluye normas de transparencia para determinadas interacciones directas con la IA y para ciertos supuestos de contenido sintético, con excepciones y obligaciones que dependen del contexto [6]. El RGPD y las normas nacionales siguen aplicándose al tratamiento de datos personales; en ventas y marketing, la normativa ePrivacy y las leyes locales de marketing directo pueden restringir la prospección de forma independiente [7]. Un artículo de un sitio web no es asesoramiento jurídico. Verifica las normas aplicables a tu flujo de trabajo concreto y a tu jurisdicción.

11. Un plan de acción práctico de 90 días para los equipos

Cuadro de mando organizativo sencillo

Revisa los resultados por tipo de caso, idioma, grupo de clientes y nivel de antigüedad en lugar de tratar un único promedio como prueba de mejora. Incluye una línea de base, comprobaciones independientes por muestreo, la calidad del escalado y un plan explícito de marcha atrás.

12. Preguntas frecuentes

¿Reemplazará la IA a los comerciales de aquí a 2030?

No existe un porcentaje universal de sustitución que sea defendible. Las tareas repetibles de investigación y redacción están más expuestas que la negociación basada en la confianza y la gestión de cuentas complejas. El diseño de los flujos de trabajo de cada empresa importa más que el título del puesto. [4]

¿Qué tareas comerciales son las más fáciles de automatizar?

Los resúmenes de cuentas, las sugerencias rutinarias de registro en el CRM, los resúmenes de reuniones, las preguntas y respuestas estandarizadas sobre productos y los borradores de correos son puntos de partida prácticos cuando los datos y las aprobaciones son fiables.

¿Harán innecesarios a los vendedores humanos los agentes de prospección en frío?

La investigación actual no permite llegar a esa conclusión. Un gran volumen de mensajes puede perjudicar la entregabilidad, la reputación y el cumplimiento de los requisitos de contacto lícito. La pertinencia y la confianza de los clientes siguen siendo limitaciones.

¿Cuál es la nueva competencia más importante para un SDR?

Una inteligencia de cuentas verificada combinada con una prospección pertinente y conforme a la normativa. Manejar con soltura una herramienta generativa es útil, pero insuficiente sin criterio sobre las fuentes y los métodos de contacto.

¿Puede la IA negociar precios con clientes potenciales?

Los sistemas pueden simular opciones o calcular los descuentos permitidos; los compromisos externos requieren una autorización explícita de la empresa, reglas de precios vigentes y una revisión responsable.

¿Podemos puntuar automáticamente todos los leads?

Es técnicamente posible en algunos productos de CRM, pero las puntuaciones requieren controles de calidad, una revisión de sesgos, datos actualizados y un análisis cuidadoso de si mejoran los resultados.

¿Cómo deberían empezar los equipos de ventas de las pymes?

Elige una tarea acotada, idealmente la preparación de fichas de cuentas o las notas posteriores a las reuniones. Establece una línea de base de tiempo y calidad, forma a unos pocos usuarios y amplía solo después de comprobar los errores y los resultados con los clientes.

¿Cómo puede ayudar hilighter?

Usa la experiencia AI Workforce Readiness para examinar tus puestos comerciales reales y tus carencias de competencias y, después, valida las conclusiones con los mandos y los empleados. La guía no afirma ofrecer una evaluación automática para la contratación ni una certificación regulada de IA.

13. Qué deberían hacer ahora las organizaciones

Para los equipos de ventas, la oportunidad consiste en reducir la preparación de poco valor sin deteriorar la relación con el cliente. La ambición equivocada es producir la máxima actividad automatizada. La ambición correcta es crear conversaciones mejor informadas, propuestas más creíbles, vendedores más capaces y un valor medible para el cliente.

Una transición eficaz empieza por el mapeo de tareas, las competencias verificadas y unos controles compartidos. Debería revisarse con los propios vendedores, las operaciones de ventas, los especialistas jurídicos y de privacidad y los responsables de los equipos en contacto con los clientes. Invierte en descubrimiento consultivo, negociación y razonamiento comercial al mismo tiempo que en el uso de herramientas de IA.

¿Quieres examinar tus puestos reales en lugar de un perfil genérico? Explora la preparación de tu organización ante la IA con hilighter. Identifica tareas, documenta las competencias actuales, valida las carencias de capacidades con los mandos y los empleados y convierte los resultados en un plan de desarrollo práctico. Por ahora, la evaluación solo está disponible en inglés. No preselecciona automáticamente un rol ni ofrece una calificación oficial de riesgo jurídico.

Metodología, limitaciones y transparencia editorial

Este es un recurso editorial basado en investigación y en escenarios, elaborado para el Observatorio del trabajo y las competencias de hilighter (SkillsBoard SAS). Las categorías de tareas y los grados de confianza de las competencias futuras son clasificaciones editoriales. El informe no es una encuesta representativa de empleadores, una evaluación de ningún empleado concreto, una previsión del mercado laboral, una prueba técnica comparativa de productos de IA, asesoramiento jurídico ni una garantía de que un puesto vaya a desaparecer o no. Las fuentes incluyen investigación independiente, encuestas patrocinadas por proveedores y orientaciones regulatorias. Esos tipos de evidencia no son intercambiables. Todo porcentaje comunicado por un proveedor se atribuye a la encuesta correspondiente, con su base de encuestados cuando está disponible. Fecha de publicación: 5 de noviembre de 2026; verifica los nuevos avances significativos antes de futuras actualizaciones.

Mantenimiento editorial: actualizar los enlaces a las fuentes, las interpretaciones jurídicas y los ejemplos al menos una vez al año y siempre que se produzca un cambio regulatorio o tecnológico significativo. Identificar las modificaciones sustanciales y sus fechas en lugar de cambiar en silencio la evidencia citada.

Fuentes y lecturas complementarias

1. Salesforce, State of Sales Report 2026 (3 de febrero de 2026), encuesta a más de 4000 profesionales de ventas. https://www.salesforce.com/news/stories/state-of-sales-report-announcement-2026/
2. LinkedIn, The ROI of AI: research on how AI is transforming B2B sales (11 de marzo de 2025). https://news.linkedin.com/2025/the-roi-of-ai--new-research-on-how-ai-is-transforming-b2b-sales
3. Gartner, Prediction on preference for human interaction in B2B sales by 2030 (25 de agosto de 2025). https://www.gartner.com/en/newsroom/press-releases/2025-08-25-gartner-says-by-2030-that-75-percent-of-b2b-buyers-will-prefer-sales-experiences-that-prioritize-human-interaction-over-ai
4. Organización Internacional del Trabajo (International Labour Organization), Generative AI and Jobs: A Refined Global Index of Occupational Exposure (20 de mayo de 2025). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
5. Foro Económico Mundial (World Economic Forum), The Future of Jobs Report 2025 (2025). https://www.weforum.org/publications/the-future-of-jobs-report-2025
6. Comisión Europea, Guidelines on transparency obligations for providers and deployers of AI systems (Article 50) (2026). https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations
7. Comisión Europea, Can data received from a third party be used for marketing? (consultado en noviembre de 2026). https://commission.europa.eu/law/law-topic/data-protection/information-business-and-organisations/legal-grounds-processing-data/can-data-received-third-party-be-used-marketing_en
8. Comité Europeo de Protección de Datos (European Data Protection Board), Guidelines 1/2024 on processing of personal data based on legitimate interest (2024). https://www.edpb.europa.eu/system/files/2024-10/edpb_guidelines_202401_legitimateinterest_en.pdf
9. Microsoft, 2026 Work Trend Index: Agents, human agency, and opportunity (5 de mayo de 2026). https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
10. NBER, Shifting Work Patterns with Generative AI (revisado en noviembre de 2025). https://www.nber.org/papers/w33795
11. NIST, AI Risk Management Framework: Generative AI Profile (26 de julio de 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence