AI Top Business Leaders México | Entrevista editorial
En Grupo Bafar lo aprendieron con una herramienta de digitalización, que, aunque fue entregada de forma impecable tardó casi dos años en alcanzar el 100% de usabilidad. El problema no fue tecnológico: faltó acompañar a quienes debían usarla. Para Eugenia Baeza, esa experiencia lo reordenó todo: hoy la adopción se mide, se gobierna y se presupuesta como cualquier otra palanca de negocio.
La lección se construyó sobre una base poco común: mucho antes del boom de la IA, Grupo Bafar ya trabajaba en digitalizar y automatizar procesos con una visión impulsada desde el consejo de administración: convertir Bafar Alimentos en una food tech company. La aspiración se tradujo en un plan, una modelo de gobierno y una cartera de iniciativas priorizadas por su capacidad de generar ventaja competitiva.
Esta entrevista ha sido editada por motivos de claridad y brevedad, sin alterar el sentido de las respuestas.
"En estos procesos se tiende a confundir herramientas o acceso a tecnología con transformación real, y ese es el primer punto donde nos podemos equivocar".
¿Cómo pasó Grupo Bafar de la visión de convertirse en una food tech company a una estrategia de IA?
El impulso vino directamente del consejo de administración. Desde el 2012 empezamos a estudiar cómo usar la conectividad y el internet de las cosas como ventaja competitiva con estudios junto aGartner y Google. En 2022, una consultora mapeó 115 oportunidades de digitalización y automatización en Bafar Alimentos, que priorizamos en cinco frentes. Ese año se crearon la dirección y el comité de digitalización, con participación mayoritaria de los directores del negocio, no solo de tecnología.
En 2024 fortalecimos alianzas con Google, Salesforce y Singularity University y extendimos la transformación de Alimentos a Grupo Bafar completo. Por eso, cuando llegó el "boom" de la IA en 2025, ya teníamos diagnóstico de oportunidades, un gobierno para ejecutarlas y capacidades para formalizar una estrategia. Ese año comenzamos a construir con Google el data lake (repositorio central de datos), y base para las iniciativas de inteligencia artificial. En 2026 estamos escalando: el desafío ya no es que existan proyectos, sino que la gente los adopte y podamos capturar valor. En estos procesos se tiende a confundir herramientas o acceso a tecnología con transformación real y ese es el primer punto donde podemos equivocarnos.
¿Cómo deciden dónde poner foco y cómo gobiernan esa transformación?
Todo debe regresar a los objetivos estratégicos del grupo y a un retorno esperado cuantificable. Detuvimos, por ejemplo, una propuesta para adquirir 1.500 licencias de un proveedor de IA hasta entender qué valor generarían y cómo asegurar su retorno. En Alimentos concentramos la transformación en dos dominios: cadena de suministro, desde la planeación de la demanda hasta el surtido; y comercio y cliente, desde conocerlo y atenderlo hasta fidelizarlo, financiarlo y venderle. Ambos se apoyan en el data lake.
Ninguna iniciativa avanza si no cumple con dos condiciones: estar ligada a un objetivo de negocio, con un retorno cuantificado desde el inicio, y contar con un sponsor del negocio que responda por ella. Planeación Estratégica la aterriza y le da seguimiento, Digitalización la construye e Innpulsa, nuestra oficina de gestión del cambio trabaja la adopción.
La alineación también exige formación. Desde 2022, la Universidad Bafar imparte cursos obligatorios sobre digitalización e IA. Pero una cultura "digital savvy" no se construye solo con un curso, sino viendo qué es posible. Por eso enviamos equipos a ferias de tecnología e IA, y creamos eventos con nuestros partners como el Singularity University x Grupo Bafar Summit y el Catalyst AI Summit con Google.
¿Qué casos muestran que esa estrategia ya está generando valor?
En cadena de suministro tenemos SIMA, el Sistema Inteligente de Manufactura Avanzada. Combina sensores e información en tiempo real con un Factory GPT para anticipar problemas de mantenimiento o producción, merma y costo. En las líneas donde está implementado, la eficiencia general de los equipos (OEE) pasó del 82% al 88% entre enero y junio de 2026, frente al mismo periodo de 2025, y el indicador de calidad aumentó del 95% al 99,95%. También ha sido un caso de éxito en adopción entre los gerentes de planta.
En comercio y cliente tenemos B.Scoring, un modelo predictivo desarrollado internamente que automatiza decisiones de crédito de nuestra SOFOM, Vextor, para clientes de CarneMart: a quién financiar, cuándo ampliar o reducir una línea y cuándo bloquearla por deuda o mora. El modelo toma la decisión considerando distintas variables de cada cliente. Al ajustar con él las líneas de los clientes de menor compra, las compras de ese mismo grupo crecieron un 38% y la fidelidad pasó del 93% al 99%.
¿Qué ha sido más difícil de lo esperado?
Uno de los principales retos es el gobierno de datos. Empezamos a construir el data lake casi al mismo tiempo que varios proyectos de IA, por lo que algunos avanzaban mientras los datos seguían en proceso de gobierno y estandarización. Eso las ralentizó: los sistemas necesitan una base limpia y sólida. Si no, es garbage in, garbage out.
Otro reto son las personas. Antes creíamos que comunicar y capacitar era suficiente; hoy entendemos que hay que medir el impacto real: ¿qué cambió con los comunicados?, ¿cuánto sirvió la capacitación? Lo vimos con nuestro proyecto de tienda inteligente: se entregó en tiempo y forma, pero tardó casi dos años en llegar a un 100% de usabilidad, porque nos concentramos en sacarlo y no en acompañar la adopción. Esa experiencia nos llevó a crear Innpulsa y a medir la comunicación, la capacitación efectiva y el refuerzo de comportamientos. La responsabilidad no termina cuando se entrega la tecnología.
¿Cómo ve la posición de México ante esta ola de IA?
Yo distinguiría dos Méxicos. En la iniciativa pública, todavía vamos detrás de Chile, Brasil y Uruguay en preparación para la IA. Nos falta una estrategia nacional consolidada, la inversión en investigación y desarrollo es baja y la política pública avanza más lento que la inversión privada. En la iniciativa privada, en cambio, México y Brasil concentran cerca del 95% de las patentes de IA de América Latina y reciben inversiones relevantes en infraestructura digital. Ahí veo una oportunidad: no solo atraer infraestructura, sino desarrollar capacidades y acceso a estas tecnologías para capturar más valor en el país.
Las pymes forman gran parte del tejido empresarial mexicano. Las grandes organizaciones tenemos capacidades que muchas no tienen y también la responsabilidad de acercarlas a esta transformación. B.Scoring es un ejemplo: facilitar crédito a pequeños negocios puede ayudarles a crecer mientras generamos valor.
"El aprendizaje más grande ha sido dejar de preguntarnos por qué no usan la herramienta y empezar a preguntarnos qué les falta para poder usarla".
¿Qué aprendizaje se lleva del recorrido?
El principal es dejar de preguntarnos por qué nuestros colaboradores no usan una herramienta y entender qué necesitan para usarla. Atribuíamos la falta de adopción a la resistencia al cambio, cuando respondía a fallas de diseño nuestras: comunicación inadecuada, capacitación que no se traducía en habilidad o falta de refuerzo.
Hoy tratamos al colaborador como lo que es: un cliente interno. Ser rigurosos con el lado humano de la transformación, igual que lo somos con las palancas de negocio o los KPIs, es fundamental para convertir la tecnología en valor desde el inicio. Como dice nuestro CEO de Alimentos: "El que culpa al cliente, pierde".