La IA vale más de lo que ahorra
Medir el retorno de la inversión en inteligencia artificial es indispensable.
Pero una empresa que solo pregunta cuánto se ahorra puede terminar midiendo apenas una parte de lo que importa y perdiendo oportunidades para transformar su modelo de negocio.
Pregunarse cuánto estamos ahorrando con la inteligencia artificial es una pregunta razonable. Si la empresa está pagando licencias, contratando asesorías, capacitando personas y dedicando tiempo a transformar sus procesos, alguien tiene que explicar qué está recibiendo a cambio. El entusiasmo tecnológico no exime a nadie de rendir cuentas.
El inconveniente surge cuando dicho interrogante se transforma en una fijación excluyente y se pretende encontrar respuestas limitándose a esa única perspectiva de generación de valor.
Y es que una organización puede utilizar inteligencia artificial para muchas cosas además de ahorrar o de producir más con menos. Mejorar la calidad de sus decisiones, desarrollar competencias que antes no tenía, atender clientes que anteriormente no podía alcanzar o ensayar un nuevo negocio a un costo que hace un año resultaba prohibitivo, están entre las posibilidades. Si evalúa todo eso exclusivamente por la reducción inmediata de gastos, una parte importante del valor quedará por fuera de la conversación.
Esto ya está en los reportes más relevantes: El informe de Wharton Human-AI Research y GBK Collective, publicado en octubre de 2026, aporta un dato especialmente pertinente. Entre los encuestados cuyos departamentos incorporan al menos un indicador de crecimiento para evaluar la IA, el 35% reporta retornos financieros fuertemente positivos. Entre quienes evalúan únicamente eficiencia, la proporción es del 13%.
Los indicadores de crecimiento, distintos al ahorro que se deben considerar incluyen nuevos ingresos, conversión comercial, volumen producido y satisfacción del cliente. Es decir, la evaluación del retorno de inversión se amplía hacia lo que la organización consigue, además de los recursos que utiliza.
Ver la IA sólo como motor de productividad en el corto plazo es siempre la reacción intuitiva que se quiere impulsar para medir el impacto de la IA en la empresa, pero francamente es insuficiente y obtuso en tanto que quienes miran más allá de la eficiencia reportan con mayor frecuencia resultados financieros más importantes.
Por eso, discutir el retorno de la inversión en IA exige algo más que encontrar una fórmula financiera. Requiere definir qué quiere conseguir la empresa, dónde están sus oportunidades y qué evidencia permitirá reconocer que está avanzando.
Entre los encuestados cuyos departamentos incorporan al menos un indicador de crecimiento para evaluar la IA, el 35% reporta retornos financieros fuertemente positivos. Entre quienes evalúan únicamente eficiencia, la proporción es del 13%.
Antes de calcular el retorno, hay que decidir qué se quiere transformar.
En una edición anterior planteé el dilema entre la empresa del 50% y la empresa del 200%: aquella que utiliza la capacidad adicional de la IA para reducir su estructura y aquella que busca ampliar lo que puede ofrecer. Las dos necesitan disciplina financiera. Las dos deben demostrar resultados. Pero sería extraño evaluarlas únicamente con indicadores de ahorro cuando persiguen propósitos distintos.
Si una empresa quiere utilizar IA para entrar a un mercado que antes no podía atender, tendrá que medir la aceptación de su oferta, los clientes que consigue, el costo de servirlos y el margen que produce. Si busca fortalecer el criterio de sus profesionales, deberá comprobar si sus análisis son más completos, si detectan omisiones relevantes y si necesitan menos correcciones. Si pretende desarrollar nuevos servicios, tendrá que seguir el recorrido desde la idea hasta la disposición real de alguien a pagar por ella.
El propósito, como tantas cosas en la vida, es quién al final determina qué conviene medir. El propósito, claro está, no lo aporta la IA, ni la herramienta, ni los casos de uso. Es la reflexión previa, sosegada, derivada del conocimiento del negocio la que proporciona el rumbo.
Ahora bien, esto no desacredita la conveniencia de medir y fiscalizar el retorno directo del capital invertido. La contención de gastos por supuesto tiene su relevancia dentro de la estrategia corporativa vinculada a la inteligencia artificial. El punto central radica en que las organizaciones con un desempeño superior combinan la eficiencia presupuestaria con modificaciones profundas en los modelos de gestión, el modelo de negocio y a reordenación del trabajo al interior de sus equipos. En este escenario, la victoria no pertenece a quien ejecuta despidos masivos, cancela de manera indiscriminada licencias y proveedores, ni a quien incurre en la ilusión contable de multiplicar horas liberadas por el valor teórico de la nómina
El aspecto fundamental que se debe comprender radica en que, si la junta directiva y la dirección ejecutiva establecen como única prioridad la demostración de ahorros financieros de cara al trimestre inmediato, la gerencia adaptará sus incentivos para priorizar exclusivamente aquellas acciones orientadas a ese objetivo. Ciertas medidas poseerán utilidad práctica, no obstante, alternativas de mayor trascendencia estratégica para el porvenir corporativo quedarán relegadas. Dicha postergación ocurre porque no son queridas ni auditadas por los directivos, pero además, porque tales iniciativas exigen un ciclo de maduración operativo diferenciado y carecen de cabida dentro de los parámetros analíticos tradicionales con los cuales la alta gerencia evalúa el impacto de la inteligencia artificial en la dirección del negocio.
Dos dimensiones del valor de la inteligencia artificial.
Para evaluar una inversión en IA hay que distinguir la captura de valor financiero directo de la captura de valor agregado. Ambas permiten reconocer el aporte de la tecnología al negocio, pero examinan resultados diferentes.
La captura de valor financiero o económico directo comprende los beneficios que pueden expresarse y verificarse en términos monetarios: gastos que efectivamente desaparecen, costos que se evitan y margen adicional atribuible a la iniciativa. Su evaluación compara esos beneficios con los costos necesarios para conseguirlos. Aquí se sitúa el cálculo del ROI financiero y la pregunta por la rentabilidad de la inversión.
La captura de valor agregado comprende el fortalecimiento del desempeño y de las capacidades de la organización. Examina cuánto mejora la utilidad del trabajo, la calidad del servicio, el conocimiento disponible y la capacidad para resolver problemas, innovar y competir. Su evaluación establece qué gana la empresa en eficacia, competencias y posibilidades de actuación. Son resultados que tienen valor empresarial y requieren evidencia, aunque su unidad de medida no sea monetaria.
La primera dimensión permite establecer qué resultado económico obtiene la empresa por su inversión. La segunda permite comprender cómo esa inversión fortalece el negocio. Una dirección que considera ambas puede evaluar con mayor amplitud qué está consiguiendo con la inteligencia artificial.
Pilas: Ahorrar horas no equivale a ser más productivo.
Ahorrar horas no equivale automáticamente a ser más productivo. Supongamos que una solución libera cuatro horas semanales a cada uno de 500 empleados. Son 2.000 horas de capacidad adicional por semana. El resultado merece atención. Ahora bien, multiplicar esas horas por el costo laboral y presentar la cifra como ahorro financiero puede conducir a una conclusión equivocada. Si la nómina sigue siendo la misma, los gastos externos no disminuyen y la empresa tampoco utiliza esa capacidad para producir resultados adicionales, todavía no existe el ahorro que se está anunciando, sólo hay una redistribución del tiempo, que no logra generar valor. Hay tiempo disponible, pero no mayor productividad.
En consecuencia, la optimización temporal carece de significado práctico si el recurso liberado no se reorienta de forma deliberada hacia propósitos concretos, tales como capturar demanda que antes se perdía, perfeccionar el acompañamiento al cliente, desarrollar ofertas inéditas o acelerar la toma de decisiones directivas. La capacidad liberada exige un destino operativo. Ningún algoritmo de inteligencia artificial posee la facultad de definir esa ruta o asumir el criterio analítico necesario. Entre el momento en que se libera el tiempo y la materialización del impacto económico media un trabajo gerencial indispensable: cambiar prioridades, remover restricciones, asignar responsabilidades y verificar resultados. Y a más alto nivel, eso implica reflexiones al nivel del comité directivo de una empresa y su junta de diretores.
Por ejemplo, reasignar formalmente las prioridades temporales de un equipo comercial constituye un avance de gestión administrativa. No obstante, la demostración de su efecto económico se concreta únicamente al comprobar que dicho equipo logró transacciones adicionales con un margen financiero directamente atribuible a la iniciativa. Sin esa definición y disciplina directiva, la empresa corre el riesgo de acumular eficiencias individuales aisladas mientras sus resultados globales permanecen exactamente iguales
El ROI financiero conserva su lugar.
No hay que ser necios, pero tampoco ciegos. El retorno financiero debe mostrar qué beneficios económicos atribuibles a la iniciativa se obtuvieron frente al costo total de conseguirlos. Hay casos en los que el ahorro financiero se produce de manera directa: si una solución de IA sustituye una herramienta y la empresa cancela sus licencias, ese gasto deja de causarse desde la fecha efectiva de cancelación. Lo mismo ocurre al retirar una plataforma y eliminar su mantenimiento, o al reducir un contrato externo porque parte de su alcance puede atenderse internamente. Una vez ejecutada la decisión, el ahorro se comprueba en el gasto que efectivamente desaparece, manteniendo el servicio requerido.
Una expresión sencilla para calcular el retorno de inversión es este: ROI (%) = [(beneficios económicos atribuibles − costo total de la iniciativa) / costo total de la iniciativa] × 100.
Ambos lados de la cuenta deben corresponder al mismo período. Y ojo, hay que contemplar todos los costos. Una iniciativa exitosa requiere mucho más que las licencias. Comprende preparación de datos, integración, capacitación, adaptación de procesos, mantenimiento, supervisión humana y controles. Cada costo debe incluirse para lograr un resultado responsable.
Como siempre, el rigor financiero permite saber qué parte del valor ya se convirtió en un resultado económico y qué parte todavía necesita seguimiento.
El valor agregado también se puede medir.
A la Junta y a los directores hay que decirles que reconocer que existe valor más allá del ahorro no significa refugiarse en beneficios vagos ni construir un inventario de bondades imposibles de comprobar. Significa ampliar la evaluación y utilizar medidas apropiadas para cada resultado.
Hay muchos ejemplos de cómo se genrea valor con IA, no necesariamente ahorrando personal, o haciendo lo mismo en menos tiempo.
Ahora, como esto puede parecer ambiguo, hay que hacer un esfuerzo concreto para establecer líneas de base y medir, incluso actividades que antes de la IA no tenían indicadores de desempeño:
Aquí algunos ejemplos:
La calidad y la profundidad del trabajo. Un análisis puede tardar lo mismo y ser mucho mejor. Incorporar escenarios que antes se omitían, contrastar fuentes, identificar riesgos o fundamentar con mayor solidez una recomendación. ¿Cómo se mide? Para comprobarlo pueden evaluarse trabajos comparables con criterios definidos de exactitud, cobertura y utilidad. También puede medirse cuántos se aprueban sin correcciones sustanciales y qué errores críticos persisten. Producir un documento más largo no demuestra nada de eso. Ayudar a tomar una decisión mejor fundamentada sí puede hacerlo.
El talento y el conocimiento. Una persona puede adquirir competencias que amplían su contribución a la empresa. Un profesional nuevo puede alcanzar antes el nivel de autonomía requerido, acceder a antecedentes validados o resolver asuntos que anteriormente exigían apoyo constante de un experto. ¿Cómo se mide? Aquí conviene medir el tiempo hasta demostrar una competencia, la calidad del trabajo y la supervisión necesaria. El número de cursos completados informa sobre una actividad. La aplicación de lo aprendido permite observar un resultado.
El crecimiento y la experiencia del cliente. Preparar más propuestas comerciales puede ser útil, pero también puede aumentar el volumen de ofertas que nadie acepta. Atender más consultas puede mejorar el servicio o multiplicar respuestas que obligan al cliente a volver a llamar. ¿Cómo se mide? La evaluación debe seguir lo que ocurre después: conversión de oportunidades, margen de los negocios adicionales, resolución definitiva de solicitudes, reaperturas y retención. La velocidad tiene valor cuando contribuye a resolver la necesidad que justificaba el proceso.
La capacidad de experimentar y aprender. Una empresa puede empezar a probar ideas que anteriormente descartaba por su costo. Ese cambio amplía sus posibilidades de innovación, pero necesita disciplina. ¿Cómo se mide? Conviene observar cuánto cuesta una prueba válida, cuánto tarda en producir evidencia y qué decisión permite tomar. Un experimento que lleva a descartar oportunamente una mala idea puede ser útil. El número de prototipos, por sí solo, dice poco.
Las capacidades nuevas y los nuevos negocios. Hay organizaciones que, con IA, pueden hacer por primera vez algo relevante: analizar grandes colecciones documentales, personalizar servicios o utilizar su conocimiento acumulado para desarrollar una oferta distinta. ¿Cómo se mide? Disponer de esa capacidad es un primer resultado. Utilizarla satisfactoriamente es otro. Conseguir clientes que paguen de manera recurrente, con un margen sostenible, representa un avance adicional. Cada etapa debe demostrarse con su propia evidencia. Confundirlas lleva a presentar una demostración tecnológica como si fuera un negocio consolidado.
Pilas con el “AI Slop”.
El espejismo más peligroso en la adopción corporativa de la tecnología no es la inacción, sino la hiperproducción de ruido estéril. Con la llegada de los modelos generativos, las organizaciones corren el riesgo de caer en la trampa del IA slop: una avalancha masiva de contenidos, borradores, reportes kilométricos y propuestas fabricadas en serie que aparentan una velocidad inusitada, pero que carecen de sustancia, rigor analítico y conexión real con los resultados del negocio.
Ahorrar tiempo en un lugar, para incrementar innecesariamente el tiempo en otro no genera productividad, sino distracciones que destruyen valor.
Producir cientos de documentos en minutos no significa haber ganado productividad; significa, las más de las veces, haber trasladado la congestión operativa al papel o a la pantalla. Si un equipo genera diez veces más borradores, pero la dirección carece del criterio para filtrar lo relevante, corregir el fondo y exigir rigor, la empresa no está innovando: está contaminando sus propios procesos con basura automatizada.
La inteligencia artificial no vino a masificar la vacuidad, sino a potenciar el juicio humano. Por ello, la exigencia gerencial debe ir en sentido contrario a la corriente del volumen fácil. Cada línea de código, cada texto y cada análisis generado por la máquina requiere una disciplina de validación implacable. La verdadera transformación no se mide por cuántas páginas es capaz de vomitar el sistema en un segundo, sino por la solidez de las decisiones que permite tomar y por la capacidad de la organización para separar el conocimiento genuino del ruido digital.
Cada análisis generado por la máquina requiere una disciplina de validación implacable
El valor que está madurando necesita evidencia, pero también plazos.
Otro análisis importante para tener en cuenta es el momento de captura de valor. Exigir que todos los beneficios aparezcan inmediatamente en el estado de resultados puede llevar a abandonar iniciativas prometedoras. Pero invocar indefinidamente el “valor estratégico” puede servir para prolongar proyectos que no están produciendo nada relevante.
Ambos errores son evitables.
El trabajo de Erik Brynjolfsson, Daniel Rock y Chad Syverson sobre la curva J de la productividad explica cómo tecnologías como la IA requieren inversiones complementarias en procesos, modelos de negocio y capacidades humanas, cuyos beneficios pueden tardar en reflejarse en la productividad medida.
Por eso la medición debe también ser precisa en cuanto la temporalidad en la cual será posible identificar el retorno de la inversión. A continuación, un marco útil para comprender ese desfase, que aunque no constituye una garantía de éxito para cada proyecto, puede ser interesante para amplificar la visión reduccionista del retorno de inversión financiero y entender que hay valores agregados que se consolidan en el tiempo:
Medir bien exige dirigir mejor.
Espero que quede claro. Esto de generar valor es midiendo. Midiendo, con criterios más amplios, que nos permiten saber que está en la mesa, que tiene valor, cuando reconsiderar decisiones y también cuando esperar porque las rentabilidades tardan pero llegarán. No todo en materia de IA, es tan rápido como la actualización frenética y exponencial de las funcionalidades de la tecnología!!!! Las implementaciones toman tiempo, y más que ello, el cambio cultural y el rediseño del espacio de trabajo y las funciones de quienes las ejecutan no son automáticas.
Y sobre todo hay que pensar y trabajar entendiendo que no basta comprar licencias. Medir el ROI implica establecer cómo funciona hoy el proceso y qué resultado se pretende mejorar. Debe abarcar el trabajo completo: elaboración, revisión, corrección y aprobación. Un borrador producido en minutos puede requerir horas adicionales de un especialista antes de ser utilizable. También exige comparar trabajos equivalentes y considerar otros cambios que puedan explicar los resultados. Si aumentaron las ventas al mismo tiempo que bajaron los precios o se lanzó una campaña, atribuir todo el crecimiento a la IA sería apresurado.
Para cada iniciativa, la dirección debería poder explicar qué oportunidad persigue, cómo comprobará la mejora, quién será responsable de aprovecharla y en qué momento revisará la decisión. Los indicadores de calidad, seguridad y cumplimiento deben acompañar esa evaluación: una ganancia de velocidad puede perder sentido si aumenta errores que la organización considera inaceptables dentro de la matriz de tolerancia.
A las Juntas directivas hay que hacerles caso, pero también educarlas, para que puedan cumplir con su rol de direccionamiento estratégico en materia de IA con criterio suficiente, solvencia y suficiencia. Una Junta que recibe información completa, tiene mejores elementos para orientar la inversión en IA, que aquella que solo se entera de cuántas personas usan Chatgpt en la organización.
En resumen…
La pregunta por el retorno de la IA es, en el fondo, una pregunta por la capacidad de dirección de la empresa. Medir únicamente cuánto se ahorra en presupuesto y horas es necesario, pero insuficiente, pues deja por fuera parte de lo que la organización podría llegar a conseguir de la mano de la IA.
También: Hablar de valor agregado sin demostrarlo deja por fuera la disciplina necesaria para conseguirlo.
El reto del ROI en IA consiste en sostener ambas exigencias: reconocer el valor que está surgiendo y comprobar cómo contribuye al negocio. Entender incluso que no todo aparece al mismo tiempo. Hay que saber esperar, reconsiderar y donde presionar para avanzar.
La inteligencia artificial puede ampliar lo que una empresa está en condiciones de hacer, pero el resultado del aprendizaje en estos tres años indica que una cosa es tener acceso a la tecnología y otra muy distinta es crear valor con ella. Y entre una cosa y otra, tal vez lo único claro es que para capturar valor se requiere criterio y liderazgo ejecutivo expresado a través de la estrategia. La captura de valor no es una consecuencia automática del acceso a la tecnología y muchas compañías están aprendiendo esto de la manera más sangrienta.
Eso de que la IA piensa con uno, pero no por uno, no es carreta. Esto es una nueva dimensión del liderazgo ejecutivo y el líder, tiene entre otros atributos, el criterio que las estrategias de IA necesitan para funcionar.
Fuentes consultadas
Nicolás Uribe Rueda. Marco de referencia para la medición de productividad e impacto de la IA generativa en las empresas. Versión octubre de 2026. Fuente principal del enfoque.
Wharton Human-AI Research y GBK Collective. The Adaptive Advantage: Who’s Winning With AI and How. Octubre de 2026. Páginas impresas 31, 35, 52 y 82. Los datos utilizados corresponden a la base de 1.007 encuestados con cargos de gerencia o superiores en empresas estadounidenses de al menos 1.000 empleados y más de 50 millones de dólares de ingresos.
Erik Brynjolfsson, Daniel Rock y Chad Syverson. The Productivity J-Curve: How Intangibles Complement General Purpose Technologies.
