Antes de que una nueva galletita, un shampoo o una cápsula de café llegue al supermercado, cientos de decisiones definen su fórmula, textura, costo, envase y viabilidad industrial. Ese proceso, que durante décadas dependió de pruebas físicas sucesivas y largos ciclos de investigación, incorporó un nuevo integrante. La inteligencia artificial ya participa en la creación de productos que luego compran millones de consumidores.
Compañías como L’Oréal, Mondelez y Nestlé utilizan algoritmos para analizar moléculas, modificar recetas, elegir ingredientes, simular envases y descartar prototipos antes de fabricarlos. La tecnología dejó de concentrarse en áreas como publicidad, atención al cliente o logística. Ahora ingresó en el núcleo de la operación, donde se define qué producto venderá una empresa durante los próximos años.
El cambio no implica que una máquina decida por sí sola qué llegará a la góndola. Los sistemas procesan grandes volúmenes de información, proponen combinaciones y comparan alternativas, mientras los equipos humanos de investigación y desarrollo seleccionan las opciones que avanzan a las pruebas. La IA funciona como un acelerador que amplía la cantidad de variantes posibles y reduce parte del trabajo experimental.
La magnitud del interés empresarial ya aparece en las encuestas. Un informe global de Deloitte, publicado en enero de 2026 a partir de respuestas de 300 altos ejecutivos, indicó que el 76% de las compañías de consumo utilizará inteligencia artificial para identificar oportunidades de innovación y expansión.
Además, el 78% aumentará su inversión en esta tecnología y el 92% espera desplegar agentes de IA o sistemas autónomos en procesos relevantes durante los próximos doce meses.
Índice de temas
Del marketing al laboratorio de investigación
Durante los primeros años de adopción empresarial, la inteligencia artificial quedó asociada con recomendaciones personalizadas, campañas comerciales, chatbots, previsiones de demanda y optimización de entregas. Esos usos ofrecían resultados rápidos y podían implementarse sin alterar la esencia del producto.
La nueva etapa resulta más ambiciosa. Las empresas incorporan la tecnología en la identificación de necesidades, la generación de ideas, la formulación de recetas, el análisis de ingredientes, el diseño de envases y la selección de prototipos. El algoritmo interviene mucho antes del lanzamiento comercial, cuando el producto todavía existe como una combinación de datos, restricciones y objetivos.
En una receta de galletitas, por ejemplo, una compañía puede buscar mejor sabor, menos azúcar, menor costo y una huella ambiental más baja. Cada modificación altera otras variables. Reducir un ingrediente puede afectar la textura, la conservación o el proceso industrial. La IA permite analizar miles de combinaciones y señalar aquellas que cumplen la mayor cantidad de requisitos.
Esa capacidad cobra relevancia en una industria que destinó muchos más recursos a promocionar productos que a crearlos. Boston Consulting Group, conocido como BCG, calculó que las grandes compañías de alimentos y bebidas invirtieron, en promedio, apenas el 1,5% de sus ventas en investigación y desarrollo entre 2015 y 2025. Durante 2025, sus gastos en publicidad y promoción representaron entre el 6% y el 15% de los ingresos.
La diferencia dejó a varias multinacionales con catálogos poco adaptados a nuevas demandas vinculadas con salud, ingredientes simples, transparencia, sustentabilidad y precio. Según BCG, el gasto global del sector en investigación y desarrollo aumentó alrededor del 1,2% anual durante esa década, mientras la inversión publicitaria avanzó un 2,6%.
La presión también apareció en las ventas. El análisis señaló que, a partir de 2021, gran parte del avance de los ingresos de las grandes alimenticias provino de aumentos de precios, mientras el volumen retrocedió cerca del 0,6%. Entre 2021 y 2025, las marcas líderes perdieron 12,4 puntos porcentuales de participación en cereales y barras de granola frente a marcas más pequeñas y productos propios de supermercados.
L’Oréal, Mondelez y Nestlé llevan la IA al producto
Uno de los casos más concretos corresponde a L’Oréal. La compañía utiliza inteligencia artificial para estudiar moléculas, anticipar sus efectos sobre la piel y el cabello y detectar nuevos usos para sustancias conocidas. El sistema permite revisar bases de datos químicas y encontrar relaciones que podrían quedar fuera de las prioridades iniciales de un equipo de investigadores.
Ese trabajo derivó en la reutilización de moléculas empleadas en productos para la piel dentro de un shampoo con colágeno que busca aportar mayor volumen al cabello. Fabrice Megarbane, presidente de la división de productos de consumo de L’Oréal, informó a Reuters que este método permite desarrollar productos cuatro veces más rápido que antes.
Mondelez aplicó una lógica similar al desarrollo de galletitas. Su sistema de IA genera y modifica recetas según características como sabor, aroma, textura y apariencia. Los desarrolladores incorporan restricciones relacionadas con costo, disponibilidad de ingredientes, nutrición y sustentabilidad. Luego, la herramienta propone formulaciones que un especialista humano revisa antes de las pruebas físicas.
La compañía utilizó este sistema en la creación de las Golden Oreo sin gluten y en la actualización de la receta de Chips Ahoy. Mondelez aseguró que el 60% de las recetas elaboradas con su herramienta obtuvo mejores resultados en variables como costo, nutrición o sustentabilidad.
Ese porcentaje no significa que seis de cada diez recetas resultaron superiores en todos los aspectos ni que se transformaron en éxitos de ventas. El dato refleja mejoras en determinadas variables técnicas. La compañía también sostuvo que algunos procesos que demandaban meses pasaron a completarse en semanas, mientras otros que requerían años redujeron sus plazos a meses.
Nestlé amplió el uso de la IA a la fórmula, el envase y el funcionamiento del producto. La empresa cuenta con una herramienta de optimización de recetas que compara ingredientes, nutrición, costo, sustentabilidad y expectativas del consumidor. Así, los desarrolladores pueden evaluar cómo una decisión modifica el resto del producto antes de fabricar una muestra.
En el desarrollo del sistema de café Nescafé Dolce Gusto Neo, Nestlé recurrió a simulaciones virtuales y gemelos digitales. La empresa probó de forma digital la interacción entre el café, las cápsulas de papel y la máquina antes de trasladar los ajustes al equipo físico. También utilizó realidad virtual en parte de las evaluaciones con consumidores.
Junto con IBM, científicos de Nestlé desarrollaron un modelo generativo para proponer materiales de envase capaces de proteger mejor los alimentos del oxígeno, la humedad y otros factores externos, sin descuidar el costo ni la posibilidad de reciclaje.
El sistema estudió documentos científicos públicos y privados para aprender la relación entre estructuras moleculares y propiedades físico-químicas. El objetivo consiste en hallar materiales que protejan los alimentos frente a la humedad, el oxígeno y los cambios de temperatura, sin perder de vista el costo y la posibilidad de reciclaje.
Menos prototipos, pruebas más rápidas y consumidores virtuales
La IA también modifica la forma en que las empresas evalúan ideas antes de invertir en fábricas, moldes, envases y campañas. Reckitt, dueña de marcas como Dettol, Lysol, Finish y Durex, incorporó una solución de NielsenIQ para analizar propuestas mediante personas sintéticas creadas con datos de comportamiento y paneles de consumidores.
Según el caso comercial publicado por el proveedor tecnológico, la herramienta redujo un 70% el tiempo necesario para obtener información, con procesos que pasaron de semanas a horas. NielsenIQ también informó una baja máxima del 65% en los tiempos de investigación, un recorte del 50% en los costos y una disminución del 75% en la cantidad de prototipos físicos.
Los conceptos seleccionados mediante el sistema registraron un desempeño entre dos y tres veces superior a referencias humanas anteriores, de acuerdo con el mismo reporte. Las cifras resultan relevantes, aunque proceden de una comunicación comercial del proveedor y no de una evaluación independiente aplicable a toda la industria.
La herramienta actúa antes del desarrollo físico. Evalúa ideas, las ordena y señala posibles cambios. Las respuestas sintéticas toman como base datos de consumidores y se comparan con conceptos que ya fueron probados con personas reales.
Colgate-Palmolive también creó representaciones digitales de consumidores potenciales para anticipar reacciones frente a nuevas características, beneficios o promesas publicitarias. La compañía incorporó IA generativa para consultar sus investigaciones internas sobre hábitos y preferencias, como el interés por el blanqueamiento dental en mercados específicos.
La empresa aclaró que mantendrá las pruebas con consumidores reales. Los gemelos digitales aceleran la primera selección de alternativas, pero no reemplazan la validación humana. Esa distinción resulta central para entender el alcance de la tecnología. La IA puede descartar opciones débiles y priorizar ideas, aunque la decisión final todavía depende de especialistas y personas reales.
En junio de 2026, Haleon, fabricante de Sensodyne, Centrum y Advil, anunció un acuerdo de cinco años con Microsoft para ampliar el uso de inteligencia artificial en análisis de consumidores, investigación científica, innovación, contenidos clínicos y cadena de suministro. La empresa comunicó mejoras en investigación y desarrollo, aunque no presentó indicadores comparables con los de L’Oréal, Mondelez o Reckitt.
La gran promesa todavía convive con los pilotos
La carrera por incorporar inteligencia artificial en el desarrollo de productos avanza con velocidad, pero la implementación a gran escala todavía resulta limitada. Una investigación conjunta de BCG y The Consumer Goods Forum, realizada en abril de 2026 entre 39 ejecutivos de empresas de consumo y retail, encontró una brecha marcada entre el interés y los resultados comprobables.
Cerca del 75% de las compañías de consumo masivo todavía permanecía en fases piloto o de exploración. Apenas el 18% conseguía ampliar iniciativas con impacto significativo. Casi la mitad de los ejecutivos consideró prioritaria la etapa que conecta una idea con su llegada al mercado, pero solo el 11% desplegó proyectos de IA específicos para innovación.
Otro dato expuso la dificultad para justificar las inversiones. El 53% de las empresas no medía de manera formal el retorno económico de sus proyectos de inteligencia artificial. La tecnología ya entró en los laboratorios, aunque pocas compañías pueden demostrar cuánto dinero genera o cuánto riesgo reduce cuando se aplica a toda la organización.
BCG estimó que la expansión de los usos adecuados de IA a través de la cadena comercial podría aportar entre 220 y 350 puntos básicos de EBIT acumulado a una empresa de productos de consumo. El cálculo incluye innovación, previsión de demanda, precios, ventas y marketing, por lo que no corresponde de forma exclusiva a investigación y desarrollo.
La oportunidad económica nace de varias fuentes. Una empresa puede lanzar productos en menos tiempo, reducir muestras físicas, reutilizar ingredientes, ajustar costos y detectar antes una idea con pocas posibilidades comerciales. También puede responder con mayor rapidez ante cambios regulatorios, problemas de abastecimiento o nuevas preferencias de consumo.
Sin embargo, el algoritmo no elimina los riesgos. Una receta técnicamente eficiente puede fracasar ante consumidores reales. Un material de envase puede cumplir los requisitos del modelo y presentar problemas en una línea industrial. Una persona sintética puede anticipar comportamientos, pero no sustituye por completo la complejidad de una prueba humana.
La transformación más profunda ocurre en la relación entre tecnología y conocimiento científico. La IA amplía la capacidad de búsqueda, comparación y simulación, mientras los investigadores definen los límites, revisan resultados y toman decisiones. El producto final surge de esa combinación.
La próxima generación de alimentos, cosméticos y artículos de cuidado personal ya no dependerá únicamente de una buena idea o de años de ensayo. También nacerá de bases de datos químicas, modelos predictivos, gemelos digitales y sistemas capaces de evaluar miles de alternativas. La góndola empieza a mostrar los primeros resultados de ese cambio.
