Inicio·Perspectivas·Medir el ROI de la IA cuando el beneficio no se limita al ahorro
El enfoque centrado exclusivamente en el ahorro aprueba los peores proyectos y descarta los mejores. Evaluar los beneficios con rigor es una cuestión de método, no de fe.
Cuando se pregunta por el ROI de una iniciativa de IA, la respuesta automática suele ser una cifra de ahorro: horas de trabajo ahorradas y puestos que se evita crear. Esa respuesta tiene dos problemas. Por un lado, infravalora lo que aporta la IA: dentro de las empresas, la mayor parte de sus beneficios no consiste en reducir costes, sino en aumentar la capacidad, la velocidad y la calidad, aspectos que no se reflejan en una partida presupuestaria más baja. Por otro, lleva a elegir mal: si solo se mide el ahorro, se aprueban los proyectos que eliminan trabajo, mientras que los que generan nuevas capacidades —análisis más rápidos, mejores decisiones y una capacidad de la que la empresa carecía— quedan relegados frente a proyectos que simplemente eliminan tareas. Ambos problemas pueden corregirse aplicando un método.
Toda iniciativa genera valor mediante uno de varios mecanismos: elimina trabajo (automatiza una tarea), acelera el trabajo (la misma tarea en menos tiempo), mejora la calidad (menos errores, mejores resultados y un servicio más sólido) o amplía la capacidad (permite realizar tareas que antes la empresa no podía llevar a cabo). Identificar el mecanismo antes del lanzamiento es imprescindible para poder medir, porque determina qué hay que observar: un proyecto que elimina tareas se refleja en las horas; uno que acelera el trabajo, en el tiempo de ciclo; uno que mejora la calidad, en las tasas de errores y retrabajo; y uno que amplía la capacidad, en el resultado de las tareas que antes eran imposibles. Los equipos que se saltan este paso acaban intentando demostrar el valor en una unidad que su proyecto no genera.
El ROI tiene un denominador del que nadie habla en medio del entusiasmo: un «antes» fiable. Las horas que consumía un proceso antes de automatizarlo, el tiempo de ciclo antes de acelerarlo, la tasa de errores antes de mejorar la calidad: todo ello debe registrarse antes de empezar el proyecto, a partir de datos reales y no de recuerdos optimistas. Sin una línea base, la medición se convierte en una labor arqueológica al final del proyecto, y la arqueología siempre encuentra lo que el patrocinador quería encontrar. La disciplina consiste en llevar las cuentas, no en tener fe:el efecto de la IA en el P&Lsolo puede apreciarse si alguien dejó constancia de cómo era la situación antes.
La parte incómoda del método consiste en valorar la calidad, la velocidad y la capacidad en términos que la dirección pueda ponderar. La velocidad tiene un valor económico cuando el tiempo de ciclo tiene relevancia para el negocio: decisiones más rápidas, clientes atendidos antes, problemas detectados antes. El mecanismo lo deja claro, y el valor se calcula a partir de hechos concretos, no de multiplicadores inventados. La capacidad se valora en función del uso que se da a esa nueva capacidad: los análisis que por fin se realizan, los segmentoos a los que por fin se atiende. Si la capacidad liberada no tiene un destino, su valor es, honestamente, cero. Y eso, en sí mismo, es una conclusión sobre la iniciativa, no sobre la medición. La calidad se valora en función de lo que cuestan los errores: retrabajo, pérdida de confianza y garantías. La empresa ya conoce esos costes por experiencia. Nada de esto son ahorros en el sentido contable; todo es real, ydonde la IA crea valores precisamente el terreno en el que este trabajo de valoración resulta rentable.
Una última particularidad: las iniciativas de IA evolucionan mientras están en marcha: aumenta el uso, cambia el trabajo que realiza el modelo y se adapta el proceso que lo rodea. Un único cálculo del ROI a posteriori ofrece una instantánea de un momento arbitrario. La práctica habitual consiste en medir en distintos puntos de control: establecer una línea base al inicio, hacer una primera evaluación cuando se estabilice el uso y, después, medir con una periodicidad vinculada ael coste del proceso—porque el ROI real de un proyecto de IA incluye sus propios costes operativos, que son los que más a menudo se olvidan tras la aprobación.
Los ahorros demuestran que un proyecto de IA fue barato. Solo el mecanismo, la situación de partida y el destino de la capacidad liberada demuestran que mereció la pena.
Definir el marco de medición —el mecanismo, la situación de partida, la valoración de los beneficios que no son ahorros y los puntos de control— es una práctica habitual enel área de IA, y se hace al inicio porque, al llegar al final, ya no se puede hacer con honestidad.
Utilizamos cookies para analizar el tráfico y mejorar el sitio. La analítica solo se activa con su consentimiento.Política de cookies