Un informe redactado en treinta segundos, una respuesta al cliente preparada al instante, código generado bajo demanda: la IA sabe hacer visibles sus beneficios. Las facturas también. Entre ambos, una pregunta resiste a las demostraciones: ¿cuánto gana realmente la empresa? Con la vista puesta en septiembre de 2026, el reto económico ya no consiste solo en dotar de herramientas a los empleados, sino en comprobar que estas mejoran las cuentas. Porque una hora ahorrada no es ni una hora eliminada ni una hora vendida. Y una suscripción barata puede esconder un proyecto costoso.
La productividad existe, pero no viene sola
Las investigaciones disponibles ofrecen motivos sólidos para interesarse por la IA generativa. Un estudio de campo publicado en 2023, realizado con más de 5 000 agentes de soporte, observó un aumento medio de alrededor del 14 % en el número de problemas resueltos por hora con asistencia generativa. Las mejoras fueron especialmente acusadas entre los empleados con menos experiencia. Sin embargo, este resultado corresponde a un entorno concreto, no a una promesa aplicable a cualquier profesión.
Otro experimento, realizado con consultores de Boston Consulting Group y publicado en 2023, señalaba un límite esencial: en las tareas adecuadas a las capacidades del modelo, los participantes que disponían de la herramienta mejoraban en rapidez y calidad. En una tarea situada fuera de ese límite, la asistencia podía, por el contrario, reducir la precisión. Por tanto, la IA no genera un rendimiento uniforme: redistribuye el desempeño según las tareas, las personas y los controles.
Para una dirección financiera, la consecuencia es inmediata. Una media extraída de un estudio o de un cuestionario interno no basta para elaborar un presupuesto. Hay que identificar las operaciones afectadas, medir su frecuencia y comprobar que la mejora se mantiene en las condiciones habituales: documentos incompletos, excepciones, plazos ajustados y usuarios menos entusiastas que los voluntarios de la prueba piloto.
El verdadero precio supera el de las licencias
El primer coste es fácil de identificar: suscripción por usuario, consumo de API o capacidad de cómputo reservada. El resto se reparte entre informática, áreas de negocio, asesoría jurídica y recursos humanos. Conectar un asistente a los datos internos implica gestionar los permisos de acceso, depurar las fuentes y mantener las interfaces. Un documento localizado con demasiada facilidad también puede ser un documento que nunca debería haber sido accesible.
Después vienen la formación, el acompañamiento y el tiempo dedicado a verificar las respuestas generadas. Una respuesta plausible pero falsa obliga a veces a rehacer todo el trabajo. En una tarea sensible, la validación por parte de un profesional cualificado sigue siendo necesaria; debe incluirse en el cálculo desde el principio, y no aparecer tras el lanzamiento como una sorpresa desagradable.
- Costes de puesta en marcha: selección del proveedor, integración, preparación de los datos, pruebas y gestión del cambio.
- Costes recurrentes: licencias, consumo, mantenimiento, soporte y evaluación de la calidad.
- Costes de control: revisión, gestión de incidentes, seguridad, cumplimiento normativo y tratamiento de errores.
Comparar únicamente dos tarifas de suscripción equivale, por tanto, a comparar dos vehículos sin fijarse en el combustible, el mantenimiento ni el uso que se les dará. El indicador adecuado suele ser el coste total por resultado aceptable: expediente tramitado correctamente, incidencia resuelta de forma duradera o documento validado. Permite hacer visibles las correcciones que las demostraciones comerciales dejan fuera de plano.
Del tiempo ahorrado al valor materializado
Imaginemos un departamento que ahorra diez minutos en cada propuesta comercial. Es un ejemplo de cálculo, no una estadística de mercado. Si los comerciales utilizan ese tiempo para contactar con más clientes potenciales cualificados, puede surgir un beneficio. Pero esos contactos adicionales deben traducirse en ventas rentables. Si el verdadero obstáculo está en otra parte, en la disponibilidad del producto o en la aprobación de los precios, esos diez minutos no desbloquean nada.
Hay que distinguir tres situaciones. La primera es el ahorro presupuestario efectivo: desaparece un gasto, por ejemplo, un servicio externo que ha dejado de ser necesario. La segunda es la capacidad adicional: el equipo absorbe un mayor volumen sin nuevas contrataciones. La tercera es la mejora cualitativa: plazos más cortos, expedientes mejor documentados, un servicio más uniforme. Todas pueden aportar valor, pero no se contabilizan del mismo modo.
Multiplicar las horas declaradas por un salario por hora no demuestra un ahorro. Por lo general, los salarios siguen pagándose. Ese cálculo estima una capacidad teórica liberada. Para hablar de rentabilidad, hay que demostrar su utilización: gastos evitados de forma creíble, margen adicional o reducción de pérdidas. Y no contabilizar dos veces el mismo beneficio, a la vez como reducción de costes y como nueva capacidad comercial.
Organizar una medición que resista al entusiasmo
Empezar antes de la instalación
Una prueba piloto rigurosa comienza con una radiografía del funcionamiento existente. ¿Cuánto tiempo lleva una tarea y con qué grado de variación? ¿Cuál es su tasa de error? ¿Cuántos expedientes se devuelven para corregirlos? Sin un punto de partida, la medición final recoge sobre todo impresiones. Los registros de actividad y los controles de calidad complementan de forma útil las declaraciones de los usuarios, sin convertir el experimento en una vigilancia individual permanente.
Comparar situaciones comparables
Siempre que sea posible, se compara un equipo que dispone de la herramienta con un equipo de control en tareas similares. Un despliegue gradual también puede facilitar la comparación. Hay que tener en cuenta la estacionalidad, el nivel de experiencia y la dificultad de los expedientes. De lo contrario, un mes tranquilo o un equipo excepcionalmente motivado pueden hacer pasar un efecto del contexto por un buen rendimiento del software.
Medir hasta el resultado final
Medir el tiempo de redacción de un correo electrónico no basta si el destinatario tiene que pedir aclaraciones después. En el desarrollo de software, producir más código no garantiza una entrega más rápida: la revisión, las pruebas y el mantenimiento también cuentan. En la atención al cliente, el número de conversaciones finalizadas debe ponerse en relación con las reaperturas y la satisfacción. La mejora relevante se mide en el proceso completo.
Un cuadro de mando para decidir, no para convencer
La fórmula sigue siendo la habitual: dividir el beneficio neto atribuible al proyecto entre su coste total, durante un periodo definido. Pero las hipótesis merecen tanta atención como el resultado. Un escenario prudente, uno central y otro favorable hacen visibles las incertidumbres sobre la adopción, los volúmenes y los errores. El plazo necesario para recuperar la inversión complementa de forma útil el porcentaje de rentabilidad.
La dirección también debería fijar criterios para detener el proyecto. Una herramienta poco utilizada, incapaz de cumplir el nivel de calidad esperado o demasiado costosa de supervisar no merece automáticamente una nueva fase. En cambio, un asistente modesto puede ser rentable en una operación repetitiva. La unidad adecuada para tomar decisiones no es «la IA en la empresa», sino un uso concreto, con un responsable, un presupuesto y un resultado verificable.
¿Y ahora qué? Para septiembre de 2026 y en adelante, un escenario plausible es el de unas compras más condicionadas a las pruebas operativas que al prestigio tecnológico. Nada garantiza que esta disciplina se imponga en todas partes. Pero las empresas mejor preparadas serán probablemente las que sepan distinguir entre tiempo liberado, capacidad utilizada y dinero realmente ganado. La IA no necesita transformar cada minuto en un euro para ser útil; simplemente debe dejar de presentar ambas unidades como equivalentes.
