ROI de la IA: las 5 métricas que sí miden su impacto

El piloto ha ido bien. Los equipos lo cuentan en la reunión, todo el mundo asiente y las diapositivas enseñan tareas que antes llevaban horas y ahora se resuelven en minutos. Entonces alguien de finanzas hace la pregunta incómoda: «¿y cuánto hemos ganado con esto?». La sala se queda callada.

Ese silencio es el verdadero problema del ROI de la IA. No es que no haya resultados: es que casi nadie ha montado la forma de medirlos. Y cuando se intenta, se mide lo fácil (cuánta gente la usa, cuántas horas parece que se ahorran) en lugar de lo que mueve la cuenta de resultados. Aquí van las cinco métricas que sí lo miden, y por qué la mayoría de las empresas se está midiendo mal.

¿Por qué el 95% de los pilotos de IA no ve retorno?

Porque miden la actividad y no el resultado. Es la conclusión más citada del informe The GenAI Divide, del MIT (Project NANDA): tras revisar más de trescientos despliegues de IA en empresas, encontró que alrededor del 95% no producía ningún impacto medible en la cuenta de resultados, pese a una inversión estimada de entre 30.000 y 40.000 millones de dólares. Solo un 5% lograba un retorno claro.

Conviene cogerlo con pinzas: es un informe preliminar, estadounidense y no revisado por pares. Y «sin impacto medible» no significa «sin valor»; en muchos casos significa, sencillamente, que nadie lo midió. Ese matiz no desmonta el dato, lo afila: el cuello de botella rara vez es la tecnología, casi siempre es el método con el que se mide.

Un piloto no fracasa porque la IA falle, sino porque nadie guardó el «antes» contra el que comparar.

Cuando un proyecto arroja una lectura de cero retorno, suele ser por una de estas cinco razones:

1. No hay línea base. Solo existe el «después». Sin un «antes» fechado, cualquier mejora es una impresión.
2. Se mide el uso, no el resultado. «El 70% del equipo ya usa la IA» dice cuánta gente entra, no cuánto cambia el negocio.
3. Se automatizó el proceso tal cual estaba. Poner IA encima de un flujo roto acelera el desorden.
4. Falta el lado del coste. Se cuentan las horas ahorradas y se olvidan las licencias, el consumo y las horas de revisar lo que la IA produce.
5. No se aísla la causa. El equipo también cambió de jefe, de herramienta y de trimestre. Atribuirlo todo a la IA es un acto de fe.

Las cinco métricas que siguen existen para cerrar esos frentes.

1. Coste total: ¿estás contando la «I» del ROI?

Un ROI tiene dos partes, y la IA se lleva fatal con el denominador. La conversación se va siempre al ahorro y se olvida lo que cuesta: las licencias, el consumo por uso (que crece justo cuando la adopción sube), la integración con los sistemas que ya tienes y, el más escurridizo de todos, el impuesto de verificación. Es decir, las horas que tu equipo dedica a revisar y corregir lo que la IA genera.

Ese impuesto casi nunca aparece en ninguna cuenta. Un informe que hay que releer entero para fiarse de él no ha ahorrado el tiempo que parece, y un ROI que no lo incluye nace inflado.

Lo que cuesta: licencias, consumo, integración y horas de revisión. La corrección: durante dos semanas, pide a alguien que apunte cuánto tarda en validar cada salida relevante de la IA. Ese número, multiplicado por el volumen, es el coste que te faltaba.

2. Ahorro real: ¿lo comparas contra una línea base?

Sin un «antes», no hay ahorro: hay una sensación. La métrica que más se presume, «hemos reducido un 30% el tiempo», rara vez resiste una pregunta sencilla: ¿un 30% respecto a qué medida, tomada cuándo? Si la única respuesta es «lo estimamos a ojo», ese porcentaje no mide nada; solo pone cifra a una intuición.

Medirlo en serio exige dos cosas nada sofisticadas. Una, capturar el «antes» de una tarea acotada: cuánto se tardaba, cuántas personas, cuántos pasos. Dos, cuando se pueda, dejar a un grupo haciendo lo mismo sin IA, para separar lo que aporta la herramienta de lo que aporta que el equipo lleve medio año de práctica. Y a quien objete que «es pronto para medir»: puede serlo para exigir el retorno final; no lo es nunca para guardar el «antes».

Entregable: una línea base fechada por cada flujo que quieras evaluar, capturada antes de empezar. Es el documento que convierte «creemos que va más rápido» en un número defendible.

3. Calidad: ¿hay que rehacer menos trabajo después?

Cuando la mejora es real, se nota en cuánto trabajo hay que repetir. Es la cara del retorno que más se ignora porque no llega en forma de factura: cada informe que vuelve y cada decisión que se corrige a las tres semanas consumen tiempo de las personas más caras de la empresa.

La IA puede reducir ese reproceso cuando ayuda a mirar más escenarios antes de actuar, y puede aumentarlo si nadie revisa lo que genera y se cuela un error con buena redacción. Por eso la calidad se mide dentro de un flujo concreto: toma un proceso, define su «producto» y cuenta qué porcentaje hay que corregir, antes y después.

Empieza por: un solo proceso con un producto claro (una propuesta, un informe, un presupuesto) y una definición de «esto hay que rehacerlo» que todo el equipo acepte. Sin esa definición, cada uno cuenta los errores a su manera.

4. Adopción real: ¿la usa alguien de verdad?

Menos gente de la que dice la factura. Y aquí conviene desactivar una objeción justa: ¿no habíamos quedado en que medir el uso es el error número dos? Lo es cuando se presenta como resultado. La adopción no mide el éxito: mide la fuga. Cada licencia que nadie abre también es impacto con el signo cambiado: denominador puro, gasto sin posibilidad alguna de retorno.

Y margen para esa fuga hay, porque esto está más verde de lo que sugiere el ruido. Según Eurostat, en 2025 solo el 20% de las empresas de la UE con diez o más empleados usaba alguna tecnología de IA, cuando un año antes era el 13,5%. Y donde sí se invierte, se invierte torcido: el informe del MIT encontró que más de la mitad del presupuesto de IA generativa va a ventas y marketing, la parte vistosa, mientras el mayor retorno aparecía en la trastienda: tramitación, operaciones y externalizaciones o agencias que se dejan de pagar.

Pregunta para tu comité: de las licencias que pagamos, ¿cuántas se han usado esta semana, y para qué tarea concreta? Si nadie sabe responder, ninguna métrica de ahorro va a tapar el agujero.

5. Valor del flujo rediseñado: ¿mides el proceso o el «uso de la IA»?

La métrica que más importa no mide la IA: mide un proceso que rediseñaste con ella. Aquí está lo que separa al 5% que gana del 95% que no ve nada. El retorno no aparece cuando repartes una herramienta, sino cuando reconstruyes un flujo entero a su alrededor y lo mides de punta a punta. Coste por expediente, tiempo de ciclo de una operación, margen de un servicio: el número de negocio que ya mirabas, ahora con el proceso rehecho.

Este enfoque choca con las dos lecturas de moda: «la IA no da ROI» y «el ROI de la IA no se mide, se intuye». Se equivocan por el mismo sitio. La IA sí da retorno; lo da el proceso que rehiciste con ella. Y sí se puede medir, siempre que midas ese proceso y no la actividad de alrededor. Lo que no se puede poner en euros (una decisión mejor, una capacidad nueva) es legítimo y valioso, pero es una apuesta, no un retorno. Llámalo por su nombre y no lo disfraces de ROI.

Bien hecho si: puedes señalar un proceso concreto, decir qué número de negocio movió y demostrar que ese número no se explica solo por otros cambios del trimestre.

Autodiagnóstico: ¿tus números de ROI son reales o son decorado?

Esta vez, en lugar del cuadro de mando, mira a la gente. Marca las señales que reconozcas en la próxima reunión de seguimiento:

• La demo la hace siempre la misma persona, la que montó el piloto. En otras manos, la magia baja.
• El caso de éxito que contáis lleva meses siendo el mismo. Si hubiera retorno nuevo, habría ejemplo nuevo.
• Nadie recuerda el «antes» sin abrir un documento. Para saber cuánto se tardaba sin IA hay que ir preguntando, y el dato no aparece.
• La métrica cambia cada trimestre según lo que haya salido bien: primero usuarios activos, luego consultas, ahora «horas ahorradas».
• Quien lidera el proyecto lo defiende como algo personal, no como una apuesta que podría salir mal. Mala señal para la honestidad de los números.
• Si mañana desapareciera la herramienta, nadie sabría decir qué proceso concreto se rompería. Donde hay retorno real, hay una dependencia con nombre y apellidos.

Cero o una señal: mides con criterio. Dos o tres: hay actividad real, pero la medición va por detrás. Cuatro o más: lo que tienes no es un ROI, es un relato de ROI.

Medir el ROI de la IA es un problema de método, no de intuición

Lo que separa a las empresas que sacan retorno de la IA de las que solo acumulan facturas es una disciplina de medición: capturar el «antes», contar el coste entero y evaluar un proceso rediseñado en lugar de un tablero de uso. No hace falta un cuadro de mando nuevo ni un equipo de datos. Hace falta elegir un flujo, guardar su línea base antes de tocarlo y tener la honestidad de sumar lo que cuesta revisar la salida.

La pregunta para tu comité, entonces, no es si la IA da ROI. Es más incómoda: ¿estás midiendo lo que cambia el negocio, o estás midiendo lo fácil porque nadie guardó el «antes»?

Si quieres montar esa medición sobre un caso real, empezando por un flujo de bajo riesgo y verificable en vez de por el más vistoso, en SmartWay trabajamos la adopción de la IA con criterio y la simplificación del proceso antes de automatizarlo. Hablemos. 👋