Por Gustavo Molinatti
La IA ya trabaja en el aftermarket: propuestas, contratos, licitaciones, soporte. La pregunta que casi ninguna empresa respondió todavía es quién se hace cargo cuando el resultado sale mal.
Un distribuidor recibe una licitación pública de 400 páginas un viernes a la tarde. El lunes tiene que presentar. Hace dos años, eso significaba un fin de semana entero de lectura. Hoy, una herramienta de IA le entrega en veinte minutos un resumen de requisitos técnicos, plazos y condiciones de garantía.
La pregunta interesante no es si eso es útil. Obviamente lo es. La pregunta es otra: ¿quién firma si el resumen omitió una cláusula de penalidad que el modelo consideró irrelevante?
Ese es el debate real que se abre en nuestro canal. Y llega en un momento en que la adopción ya no es tema de discusión: según la encuesta global de McKinsey "The State of AI in 2025" (noviembre de 2025), el 88% de las organizaciones utiliza IA en al menos una función del negocio. La decisión de usar la tecnología está tomada. Lo que casi nadie definió todavía es dónde termina su participación.
Lo que la IA ya hace en el aftermarket
En el canal de impresión y gestión documental latinoamericano, los casos de uso dejaron de ser teóricos. Hoy la IA participa en tareas que hace poco eran exclusivamente humanas: redacción de propuestas comerciales personalizadas, análisis de contratos de costo por copia, resumen de pliegos de licitación, generación de documentación técnica, primera línea de respuesta en mesas de soporte e interpretación de datos de importación y de mercado.
Para estructuras chicas —que son la mayoría en nuestro sector— esto es una nivelación real de la cancha. Un distribuidor de tres personas puede producir hoy propuestas con un nivel de análisis que antes requería un departamento comercial completo.
Pero ahí aparece una diferencia fundamental: eficiencia no es lo mismo que criterio.
Tres escenarios donde el límite importa
El precio del contrato. Una IA puede calcular el costo por copia óptimo cruzando volúmenes históricos, precio de insumos y vida útil del equipo. Lo que no puede hacer es saber que ese cliente en particular viene golpeado por un aumento del año pasado, que la competencia le está ofreciendo hardware regalado, y que perder esa cuenta significa perder también las tres referencias que trae aparejadas. El número que sugiere el modelo es un insumo. El precio que se firma es una decisión, y las decisiones tienen dueño.
El conflicto con el cliente. Cuando un contrato de MPS entra en disputa —lecturas de contadores que no cierran, un rendimiento de cartucho cuestionado, una penalidad discutida— la tentación de responder con un texto generado es enorme: es rápido, es prolijo, suena profesional. Pero un cliente enojado no quiere prolijidad, quiere que alguien se haga cargo. Y detecta, cada vez con más facilidad, cuándo la respuesta la escribió una máquina.
La licitación. El resumen automático de un pliego es un ahorro de tiempo formidable. También es el lugar perfecto para que se cuele un error caro: una cláusula de compliance omitida, un requisito de origen de producto mal interpretado, una garantía que el modelo leyó como estándar cuando no lo era. En procesos con consecuencias legales y financieras, la revisión humana no es un lujo. Es la póliza de seguro más barata disponible.
El algoritmo no responde ante nadie. La empresa, sí.
Hay un punto que conviene decir sin rodeos, porque preocupa —con razón— a gerentes y dueños: la IA no reemplaza la responsabilidad jurídica. Si un contrato se firma con un error, si una oferta contiene información incorrecta, si una licitación incumple un requisito, quien responde no es el algoritmo. Es la empresa. Ningún proveedor de tecnología va a absorber esa consecuencia, y ningún contrato de licencia de software lo contempla.
El patrón, entonces, es siempre el mismo: cuanto mayor es el impacto de la decisión, mayor tiene que ser la supervisión humana. No porque la tecnología sea incapaz de colaborar, sino porque ninguna empresa puede transferirle la responsabilidad. El propio estudio de McKinsey lo confirma por la negativa: el 47% de las organizaciones reportó haber sufrido al menos una consecuencia negativa por el uso de IA generativa, con la inexactitud entre los riesgos principales.
Gobernar antes que acumular
Durante años, las empresas del canal compitieron por incorporar tecnología: el equipo más nuevo, el software de gestión, el CRM. Ahora empieza una etapa distinta, que consiste en aprender a gobernarla.
Las empresas más competitivas del aftermarket no van a ser las que usen más inteligencia artificial. Van a ser las que sepan definir con claridad dónde la tecnología aporta valor y dónde el juicio humano sigue siendo indispensable: en el precio que se firma, en el conflicto que se resuelve cara a cara, en la licitación que alguien revisa antes de presentar.
Lo digo desde la práctica y no desde la teoría: quien firma esta columna usa IA todos los días para producir análisis de mercado y contenido editorial. La herramienta es extraordinaria. Pero cada dato que se publica y cada recomendación que se envía pasa por un filtro humano que verifica, corrige y —sobre todo— se hace responsable. Ese filtro no es un costo de la operación. Es el producto.
Porque la velocidad puede automatizarse.
La responsabilidad, no.