Tendencias de IA para empresas 2027: 9 que ya funcionan

Nueve tendencias de IA para 2027 que no son pronósticos: ya se pueden comprar, probar o medir. Cada una con un ejemplo paso a paso y el plan de 90 días para llegar con ventaja.

Casi todo lo que circula como tendencias de IA para 2027 es futurología. Superinteligencia, fechas del fin del trabajo, robots que reemplazan a todos. Sirve para una sobremesa. No sirve para armar el presupuesto del año que viene.

Esta lista es otra cosa. Es un inventario. Las nueve tendencias que siguen ya se pueden comprar, probar o medir hoy, en noviembre de 2026. Lo que cambia en 2027 no es que aparezcan. Es que dejan de ser opcionales.

Cada una tiene su análisis completo en el blog. Acá va el mapa entero, un ejemplo paso a paso por tendencia y un plan de 90 días para llegar a enero con ventaja.

Las 9 tendencias de IA para empresas en 2027, en una tabla

#

Tendencia

Lo que ya existe

El dato

1

La IA pasa a ser un empleado

dots, Gemini agent, Grok Bot, Copilot Autopilot, Claude Cowork

5 de 5 grandes proveedores venden agentes que trabajan solos (ago a oct-2026)

2

Agentes que usan la pantalla

Claude en Chrome, ChatGPT Atlas, Copilot Studio

El mejor modelo resuelve el 86% de las tareas de computadora; una persona promedio, el 72,4% (OSWorld-Verified, ago-2026)

3

Conocimiento listo para la IA

Bases de conocimiento y skills en formato abierto

El 25% de la semana se va en buscar información (Atlassian, 2025)

4

Tareas autónomas cada vez más largas

La medición pública de METR

El largo de lo que la IA hace sola se duplica cada 4 meses (METR, oct-2026)

5

Un agente por persona

Muse, Gemini Spark, dots, Grok Bot

El 67% usa IA en la empresa con cuentas personales (Verizon DBIR, may-2026)

6

Construir en vez de comprar

Claude Code, Codex, Google AI Studio

El 32% dejó de comprar al menos un software porque pudo construirlo (McKinsey, ago-2026)

7

Inteligencia barata, factura variable

Modelos chicos y modelos abiertos

La misma capacidad cuesta 13 veces menos cada año (Epoch AI, sep-2026)

8

El cliente pregunta a la IA

ChatGPT, AI Mode, Gemini, Claude

El 51% de los compradores B2B empieza en una IA antes que en Google (G2, mar-2026)

9

La empresa atiende agentes

AP2 de Google, protocolos de comercio de OpenAI

+1.700% en un año las visitas de agentes a sitios web (Cloudflare, sep-2026)

Las nueve se ordenan en tres frentes. Adentro: cómo trabaja la empresa. La cuenta: cuánto cuesta y qué se compra. Afuera: cómo llegan los clientes. Conviene leerlas en ese orden, porque cada frente se apoya en el anterior.

TRES FRENTES Dónde cambia la empresa en 2027 AdentroAgentes que trabajan solos,sistemas viejos manejados desde lapantalla, conocimiento escrito.La cuentaConstruir en vez de comprarsoftware, y una factura de IA quepasa a ser variable.AfueraClientes que le preguntan a una IAantes de buscar, y agentes quecompran por ellos.

Adentro: cómo trabaja la empresa

1. La IA pasa a ser un empleado

Hasta ahora la IA en la empresa fue un chat. Alguien escribe, la IA responde, el trabajo sigue en manos de la persona.

Entre agosto y octubre de 2026, los cinco grandes proveedores lanzaron otra categoría. OpenAI la llama dots. Google, Gemini agent. xAI, Grok Bot. Microsoft, Copilot Autopilot. Anthropic, Claude Cowork. Son agentes que trabajan en una computadora en la nube, con credenciales propias, que arrancan solos por horario o por un evento y entregan una tarea terminada para aprobar.

La diferencia no es de grado. Un chat te ahorra minutos. Un agente se hace cargo de un proceso.

Ejemplo paso a paso: un agente de cobranza (ilustrativo, con capacidades que figuran en los anuncios de esos productos):

  1. 07:00. Revisa el sistema contable por iniciativa propia y encuentra 14 facturas vencidas.
  2. 07:05. Lee el correo y la carpeta de cada cliente: acuerdos, reclamos, pagos parciales.
  3. 07:10. Le pide contexto al agente de ventas. Tres clientes tienen una negociación abierta.
  4. 07:20. Redacta 14 recordatorios a medida y retiene los 3 delicados.
  5. 08:30. La responsable de cobranza aprueba esos 3 desde el celular.
  6. 09:00. Envía, registra cada gestión en el sistema y concilia los pagos que entran. El viernes, gerencia recibe el resumen.

La persona interviene dos veces: para aprobar lo delicado y para leer el resultado. Por eso incorporar un agente se parece a incorporar a una persona. Hay que definir qué tareas tiene, a qué sistemas entra, qué puede hacer solo y quién responde por su trabajo.

Para empezar sin riesgo: cómo probar un agente de IA en una semana con tres tareas reales.

2. Agentes que manejan los sistemas viejos desde la pantalla

Un ERP de escritorio. El portal de un banco. El portal de compras de tu cliente más grande. Hasta hace poco, si un sistema no tenía API ni conector MCP, la IA no llegaba.

Eso se terminó. Los agentes nuevos miran la pantalla, hacen clic, escriben y verifican, como una persona. Claude en Chrome y ChatGPT Atlas lo hacen desde el navegador. Claude Cowork y Copilot Studio, sobre las aplicaciones instaladas en una computadora de la empresa.

El salto se mide. OSWorld-Verified evalúa tareas reales de computadora. El mejor modelo de 2024 resolvía el 14,9%. En agosto de 2026, Claude Fable 5 llegó al 86%, Gemini 3.6 Flash al 83% y GPT-5.5 al 78,7%. Una persona promedio llega al 72,4%.

Ejemplo paso a paso: 200 pedidos de un portal al ERP, sin integración (ilustrativo):

  1. El agente entra al portal del cliente con usuario propio y permisos de solo lectura.
  2. Filtra los pedidos nuevos del día. Encuentra 200.
  3. Abre la pantalla de alta de pedidos del ERP y carga cada uno, campo por campo.
  4. Verifica los totales contra el portal antes de seguir.
  5. Separa 4 pedidos con precios distintos a la lista vigente.
  6. Una persona revisa solo esos 4. El resto queda cargado, con capturas de cada paso.

Un matiz importante: la pantalla es el último recurso, no el primero. Gartner calculó (nov-2025) que una ejecución por pantalla puede costar hasta 30 veces más que por API. Si hay conector, se usa el conector. Si no hay, ya no es excusa.

Si una persona lo hace en una pantalla, un agente también puede. El detalle, con seguridad y casos donde no conviene: cómo automatizar con IA un sistema sin API ni MCP.

3. El conocimiento de la empresa, listo para la IA

Un agente rinde lo que sabe de la empresa. Y necesita saber dos cosas distintas.

La primera es la información: precios, catálogo, políticas, contratos, historial de clientes. Va en una base de conocimiento, que la IA consulta donde ya vive (Drive, SharePoint, el ERP) respetando los permisos de cada persona.

La segunda es el criterio: cómo se cotiza, cómo se responde un reclamo, cómo se arma el reporte del mes. Va en skills, carpetas con instrucciones, ejemplos, plantillas y reglas. Anthropic creó el formato y lo publicó como estándar abierto. Hoy lo leen ChatGPT, GitHub Copilot y más de 40 productos.

El costo de no hacerlo ya está medido. Ejecutivos y equipos pasan el 25% de la semana buscando información, y el 56% dice que a menudo la única forma de conseguir un dato es preguntarle a alguien (Atlassian, 2025). Gartner proyectó (feb-2025) que el 60% de los proyectos de IA sin datos preparados se abandona.

Ejemplo paso a paso: una cotización por WhatsApp a las 21:40 (ilustrativo):

  1. Un cliente habitual escribe: "¿Tienen 500 unidades del modelo X con entrega en Monterrey esta semana? ¿A qué precio?"
  2. El agente identifica al cliente, el producto, la cantidad y el destino.
  3. Consulta la base de conocimiento: stock en el ERP, lista de precios vigente, condiciones del cliente y política de envíos.
  4. Aplica la skill de cotización: descuento por volumen, margen mínimo, plantilla de la empresa.
  5. Si el descuento entra en la política, responde. Si no, lo deja para que gerencia lo apruebe.
  6. A las 21:41 sale la cotización, con precio, fecha de entrega y las condiciones de pago de sus pedidos anteriores.

El problema nunca es el modelo, es el contexto. Con una lista de precios vieja, el agente cotiza mal. Y lo hace a escala. Cómo armar las dos capas en una semana: base de conocimiento y skills, el kit mínimo de IA.

4. Cada 4 meses, la IA hace sola tareas el doble de largas

La pregunta útil no es si la IA "es inteligente". Es cuánto trabajo completa sin que nadie intervenga.

Esa medida existe. La publica METR, un laboratorio independiente, y la expresa en el tiempo que la misma tarea le lleva a un experto humano. En 2019, GPT-2 llegaba a 3 segundos. En 2026, Claude Mythos Preview llega a unas 17 horas. Desde 2023, ese largo se duplica cada 4 meses: unas 7 veces más por año (METR, oct-2026).

Una aclaración honesta: METR mide al 50% de éxito. Que la IA pueda intentar una tarea de un día no significa que la resuelva bien siempre. La confiabilidad, no la capacidad, es el límite de hoy.

Ejemplo paso a paso: el reporte mensual de ventas, en su versión 2026 (ilustrativo):

  1. La IA toma los datos directo del sistema, sin que nadie exporte una planilla.
  2. Arma el reporte completo: tablas, gráficos y texto.
  3. Lo compara contra el mes anterior.
  4. Señala los desvíos que merecen explicación.
  5. La persona revisa, valida los desvíos y decide qué se presenta.

En 2023, la misma IA solo redactaba el párrafo de conclusiones con cifras que alguien le pegaba. Todo lo demás era manual. En tres años, la persona pasó de hacer el reporte a revisarlo.

Se delegan entregables, no pasos. Y un plan de IA de hace seis meses ya quedó viejo: la capacidad se duplicó al menos una vez. Qué delegar hoy y qué esperar con el semáforo completo: tareas autónomas con IA.

5. Cada persona con su propio agente

El asistente ejecutivo fue durante décadas un recurso de la alta dirección. Ya no.

Muse, de Meta, reserva, compra y negocia facturas desde WhatsApp. Gemini Spark, de Google, trabaja las 24 horas y se anticipa a las tareas. dots, de OpenAI, viene incluido en ChatGPT Pro. Grok Bot, de xAI, ordena la bandeja de entrada y procesa gastos. Muse sumó 6,6 millones de instalaciones en su primer mes (Sensor Tower vía TechCrunch, oct-2026), y el 24% de los usuarios de IA en Estados Unidos ya usa un agente de forma regular (Menlo Ventures, sep-2026).

Se adoptan primero en la vida personal. Y llegan a la empresa con la gente.

Ejemplo paso a paso: el martes de una gerente con su agente personal (ilustrativo):

  1. Mueve el turno del dentista que choca con una reunión.
  2. Resume el correo corporativo y redacta respuestas a clientes.
  3. Prepara la reunión de ventas con documentos internos y cifras del CRM.
  4. Reserva el viaje a la planta según la política de viáticos.
  5. Detecta una suscripción duplicada en el resumen de su tarjeta.

Un solo agente, una sola cuenta, los dos mundos. La información de la empresa pasa por una cuenta que la empresa no administra.

Eso ya ocurre sin agentes. El 67% de quienes usan IA en las computadoras de la empresa lo hace con cuentas personales (Verizon DBIR, may-2026). El 88% de los empleados compartió información de trabajo con una IA pública, y el 31% compartió datos financieros o confidenciales (PagerDuty, jun-2026).

Ofrecer la versión empresarial protege más que prohibir. Qué conectar y cómo escribir la política de una página: cómo manejar agentes personales en la empresa.

La cuenta: cuánto cuesta y qué se compra

6. Construir en vez de comprar

Durante décadas, una empresa mediana tuvo dos opciones. Comprar un software estándar y adaptar su proceso. O pagar un desarrollo a medida, caro y lento.

Ahora hay una tercera. Quien conoce el proceso lo describe y obtiene una herramienta funcionando en días. Claude Code, de Anthropic. Codex, de OpenAI, con más de 5 millones de usuarios semanales, uno de cada cinco no programador (OpenAI, jun-2026). Google AI Studio, que arma aplicaciones completas con base de datos y usuarios desde una instrucción.

Los números ya no son de laboratorio. El 32% de las organizaciones dejó de comprar al menos un software porque pudo construirlo (McKinsey, ago-2026). Entre las empresas que construyen, el 51% ya tiene software propio hecho con IA en producción, y la mitad ahorra 6 horas o más por semana (Retool, feb-2026). Lo primero que reemplazan: automatización de flujos (35%), herramientas internas (33%) y tableros (29%).

Ejemplo paso a paso: un cotizador en cinco días (ilustrativo, en un distribuidor con 25 vendedores):

  1. Día 1. La gerente comercial, que no programa, describe el proceso. La IA arma la primera versión: pantallas, base de datos y usuarios.
  2. Día 2. Conecta precios y stock del ERP, clientes del CRM y el catálogo.
  3. Día 3. Suma las reglas (descuentos, margen mínimo, aprobación de gerencia) y la plantilla de la marca.
  4. Día 4. Lo prueban 3 vendedores y se ajusta con sus comentarios.
  5. Día 5. Lo usan los 25. Cada propuesta sale en minutos, siempre con la información vigente.

No todo se construye. Para procesos regulados, como contabilidad o nómina, el software estándar sigue ganando. Pero cada renovación de software pasa a tener una pregunta obligatoria: ¿comprar o construir? La matriz para decidir y el costo total: comprar o construir software en 2027.

7. Inteligencia casi gratis, factura variable

El precio de la IA cae más rápido que el de cualquier tecnología anterior. La misma capacidad cuesta 13 veces menos cada año (Epoch AI, sep-2026).

Y aun así, la factura sube. Gartner prevé que el gasto mundial en IA crezca 36% en 2027, después de un 49,5% en 2026 (sep-2026). La paradoja tiene explicación: lo que antes no convenía automatizar ahora sí, y se suman agentes que trabajan todo el día. El precio por tarea baja. La cantidad de tareas se multiplica.

Hoy conviven tres niveles de modelos. Los avanzados, para análisis y tareas largas: Claude Opus 5.5 cuesta USD 4 por millón de tokens de entrada. Los rápidos y baratos, para volumen: Claude Haiku 5.5 y GPT-6 Luna, USD 0,10. Y los abiertos, que se descargan y corren en equipo propio, como Gemma 4 de Google o Muse Glimmer de Meta, que corre en una laptop de gama alta.

Ejemplo paso a paso: leer 1.000 facturas (cálculo de Magnesium con precios de lista de octubre de 2026):

  1. El agente recibe cada factura en PDF.
  2. Extrae proveedor, fecha, importes e impuestos.
  3. Los carga en una planilla.
  4. Marca para revisión las que no puede leer con certeza.

Opción

Costo para 1.000 facturas

Carga manual, a 3 minutos por factura

50 horas

Claude Opus 5.5 (avanzado)

USD 22

Claude Sonnet 5.5 (intermedio)

USD 11

Claude Haiku 5.5 o GPT-6 Luna (rápidos)

USD 0,55

Modelo abierto en equipo propio (Gemma 4, Muse Glimmer)

Cerca de USD 0, más el equipo (desde unos USD 2.500)

El cálculo supone 3.000 tokens de entrada y 500 de salida por factura, y no incluye plataforma, integración ni revisión humana. Entre la opción más cara y la más barata hay 40 veces de diferencia para el mismo trabajo. Una tarea simple y repetitiva no necesita el mejor modelo.

La IA se presupuesta como la luz, no como una licencia: con costo por proceso y topes por área. Cuándo tienen sentido los abiertos y cómo probarlos antes de comprar un servidor: modelos de IA abiertos y locales.

LA CUENTA Qué se compra y cuánto cuesta Construir en vez de comprarLo que antes era una suscripción hoy se arma a medidacon IA, a la medida exacta del proceso.Inteligencia casi gratisEl precio por tarea cae cada año, pero la factura pasaa ser variable: hay que elegir modelo por tarea.

Afuera: cómo llegan los clientes

8. El cliente ya no busca: pregunta

Durante veinte años, encontrar un proveedor fue buscar en Google y recorrer diez sitios. Hoy una parte creciente de los compradores le pregunta a una IA y recibe una respuesta armada: una comparación, una lista corta, una recomendación.

La escala ya es masiva. ChatGPT tiene 1.200 millones de usuarios semanales (OpenAI, DevDay 2026). AI Mode de Google supera los 1.000 millones de usuarios mensuales, y Gemini, los 950 millones (Alphabet, resultados del segundo trimestre de 2026). El 51% de los compradores B2B ya empieza a buscar en un chatbot antes que en Google, contra el 29% de abril de 2025 (G2, mar-2026). Y el 68% de las búsquedas en Google de Estados Unidos termina sin ningún clic (SparkToro, jun-2026).

Ejemplo paso a paso: cómo elige proveedor un comprador hoy (ilustrativo):

  1. El responsable de compras de una fábrica pregunta: "Proveedores de empaque industrial en Monterrey, con entrega en 48 horas y certificación ISO."
  2. La IA recorre sitios, catálogos, fichas de negocio y reseñas. Cruza precios, plazos y certificaciones.
  3. Devuelve tres proveedores, con ventajas, desventajas y la fuente de cada dato.
  4. El comprador contacta solo a esos tres. El 69% de los compradores B2B confirma con un vendedor lo que le dijo la IA (Gartner, may-2026).
  5. Decide. El proveedor que no figuró en la lista nunca se enteró de que existió la oportunidad.

La IA lee lo que encuentra: catálogo descripto con claridad, precios o rangos orientativos, plazos y cobertura explícitos, certificaciones verificables, una ficha de negocio al día e información coherente entre la web, las redes y los directorios. Las empresas sin información clara quedan afuera.

Aparecer en la respuesta es el nuevo primer puesto. Las diez señales que pesan: qué lee la IA antes de recomendar a un proveedor. Y cómo medirlo con un plan propio: GEO en 2027, cómo aparecer en las respuestas de la IA.

9. La empresa empieza a atender agentes

Los agentes personales no solo trabajan para su dueño. También contactan empresas en su nombre: consultan stock, piden cotizaciones, compran.

Para la empresa aparece un cliente nuevo. Pregunta a cualquier hora, compara en segundos y necesita datos precisos para avanzar. Las solicitudes diarias de agentes de IA a sitios web crecieron 1.700% en un año, y por primera vez más de la mitad del tráfico de internet no es humano (Cloudflare, sep-2026).

Las reglas de ese comercio ya están escritas. El agente prueba quién es y a quién representa. La persona firma por adelantado qué puede comprar, cuánto y hasta cuándo: es el modelo de AP2, el protocolo de Google. El pago va tokenizado, así que el agente nunca ve la tarjeta. OpenAI publicó su propio protocolo de compra dentro de ChatGPT. Y Anthropic tomó un camino prudente: Claude arma el carrito pero no paga.

Ejemplo paso a paso: una venta a un agente a las 2:14 de la mañana (ilustrativo):

  1. 02:14. El agente de una cadena de cafeterías se identifica con la firma digital de un agente registrado.
  2. 02:14. Consulta precio, stock y plazo para 20.000 vasos compostables con entrega antes del lunes.
  3. 02:15. Verifica la orden que firmó su dueño: hasta USD 6.000, en este comercio, esta semana.
  4. 02:15. Paga con un token de un solo uso. No hay número de tarjeta.
  5. 02:15. Recibe la confirmación: pedido, factura y registro de lo aprobado.

Del lado del comercio hace falta poco, pero concreto: datos legibles sin "llamar a un vendedor", pagos tokenizados vía el procesador de siempre, reglas sobre qué puede hacer un agente ajeno y un registro de cada operación. El riesgo nuevo también está medido: Google registró 32% más intentos de instrucciones escondidas en sitios web para engañar a agentes entre noviembre de 2025 y febrero de 2026, todavía sin fraudes confirmados.

El cliente de las 2 de la mañana no llama. Consulta. Tokens, órdenes firmadas, tarjetas de un uso y un checklist: pagos para agentes de IA.

AFUERA Cómo llegan los clientes El cliente ya no busca: preguntaLe pide a una IA que le recomiende un proveedor. Ganael que la IA puede leer y citar.La empresa atiende agentesPrecios, catálogo y condiciones legibles para el agenteque compra en nombre de alguien.

El plan de 90 días para llegar a 2027 con ventaja

Nueve tendencias son demasiadas para atacar a la vez. Por eso el inventario viene con un orden: tres tramos de 30 días, cada uno con un hito.

Tramo

Qué se hace

Hito

Días 1 a 30: ponerse al día con 2026

Un responsable de IA en la dirección. Cuentas empresariales y una política de uso de una página. Probar el agente del proveedor que la empresa ya usa con 3 tareas reales. Reunir precios, catálogo y políticas en un solo lugar y escribir las 3 primeras skills. Elegir 3 procesos y medir su punto de partida.

La empresa al día con 2026

Días 31 a 60: correr el primer agente

Escribir el proceso como skill. Conectarlo por API, MCP o pantalla. Darle usuario propio, permisos mínimos y topes de gasto. Ponerlo a trabajar con aprobación humana en los pasos clave. Medir cada semana contra el punto de partida.

Un agente trabajando solo, con resultados medidos

Días 61 a 90: escalar y abrirse a 2027

Sumar el segundo y el tercer proceso. Medir el costo por proceso. Revisar cómo aparece la empresa cuando se le pregunta a una IA. Publicar precios, catálogo y condiciones legibles. Pasar la próxima renovación de software por "¿comprar o construir?". Armar el plan 2027 con revisión trimestral.

Resultados y plan 2027 en la dirección

El orden no es casual. Primero la gente y las reglas. Después el conocimiento. Al final los agentes. Automatizar antes de tener el conocimiento escrito es construir sobre el aire.

PLAN DE 90 DÍAS Tres tramos, un hito cada uno 30Al día con 2026Días 1 a 30: responsable, reglas, conocimiento y 3procesos medidos60El primer agenteDías 31 a 60: un proceso escrito como skill,trabajando con aprobación90EscalarDías 61 a 90: segundo y tercer proceso, costo medido yplan 2027

Qué proceso elegir para el primer agente

Cuatro condiciones, las cuatro juntas: se repite todas las semanas, tiene reglas claras, impacta en caja o en ventas, y sus datos son accesibles. Los candidatos que mejor cumplen suelen ser la cobranza y el seguimiento de vencidos, las cotizaciones, la carga de pedidos desde portales y las respuestas por WhatsApp fuera de horario.

Por dónde empezar: el autodiagnóstico

No todas las empresas arrancan en el día 1. El autodiagnóstico de IA 2027 son 25 preguntas para la dirección, se completa en 5 minutos y devuelve la etapa de la empresa y las primeras acciones:

  • 0 a 17 puntos, uso individual. La IA depende de cada persona. Se empieza en el día 1: ordenar.
  • 18 a 33 puntos, uso organizado. Hay herramientas y áreas activas, sin procesos completos. Se empieza en el día 31: llevar procesos a agentes.
  • 34 a 50 puntos, IA en los procesos. La IA corre en procesos completos y se mide. Se empieza en el día 61: escalar y abrirse afuera.

Hay una regla para que sirva: responder con la situación de hoy, no con la deseada.

Cómo se mide

El día 90, la dirección mira cuatro números: horas ahorradas por semana, procesos a cargo de agentes, costo de la IA por proceso y consultas que llegan desde la IA. Las fórmulas y la plantilla están en los 4 indicadores de IA que la dirección mira en 2027.

Y tres errores que conviene evitar al escalar. Medir cuánto se usa la IA en vez de cuánto ahorra cada proceso. Sumar agentes sin una persona responsable de cada uno. Prohibir herramientas en vez de ofrecer la versión empresarial.

Si preferís verlo explicado, el plan completo está en la clase grabada del plan de 90 días.

La pregunta que importa para 2027

Ninguna de estas nueve tendencias es una apuesta. Están en el inventario: se pueden contratar, configurar y medir esta semana.

Por eso la pregunta útil no es qué va a pasar con la IA en 2027. Es cuántas de estas nueve ya están trabajando en tu empresa. Y cuántas están trabajando para tu competencia.

Si querés ordenar por dónde empezar con tu caso concreto, escribinos en magnesium.team/contacto y lo vemos juntos.

Fuentes

  1. Time Horizons: duración de las tareas que la IA completa sola (METR)
  2. OSWorld: benchmark de tareas reales de computadora
  3. The plunging price of thought (Epoch AI)
  4. 2026 AI Build vs. Buy Report (Retool)
  5. In 2026, less than one third of Google searches still send a click (SparkToro)