"¿Cuál es el ROI de esto?"
Es la primera pregunta que hace cualquier CFO cuando le hablas de IA. Y es la pregunta correcta. El problema es que la mayoría de respuestas que recibe son basura.
"Aumentaremos la productividad un 40%." ¿Medido cómo? ¿En qué plazo? ¿Comparado contra qué? Sin respuestas concretas, esas promesas valen lo mismo que el PowerPoint donde están escritas.
Por qué es difícil medir el ROI de IA
La automatización clásica es fácil de medir: antes tomaba 4 horas, ahora toma 10 minutos. Listo.
Con IA es más complicado porque los beneficios suelen ser indirectos o difusos. Un chatbot reduce llamadas al call center, pero ¿cuántas de esas llamadas se habrían resuelto solas? Un modelo predictivo mejora la planificación de inventario, pero ¿cuánto del ahorro es por el modelo y cuánto por el nuevo proceso que se implementó alrededor?
No tener respuestas perfectas a estas preguntas no significa que no debas medir. Significa que tienes que ser honesto sobre lo que estás midiendo.
Métricas que funcionan
Horas-persona ahorradas por semana
La más directa. Si un proceso manual tomaba 20 horas semanales y después de la implementación toma 5, ahorraste 15 horas. Multiplica por el costo hora del equipo y tienes un número en pesos.
No es perfecto. La gente no siempre reinvierte esas horas productivamente. Pero es tangible y auditable.
Reducción de errores
Si tu equipo procesaba 1,000 órdenes al mes con un 5% de error y ahora el error es del 1%, puedes cuantificar el costo de cada error (reproceso, devoluciones, tiempo de corrección) y calcular el ahorro. Es especialmente relevante en manufactura donde los errores de calidad tienen costos directos.
Tiempo de respuesta
Antes el cliente esperaba 48 horas para una cotización. Ahora espera 2 horas. ¿Cuántos clientes perdías por lentitud? Es difícil de medir exactamente, pero tu equipo comercial te puede dar un estimado razonable.
Costo de no hacer nada
Esta es la que más le duele al directorio. Si cada mes que pasa sin automatizar un proceso te cuesta $X en horas manuales, el costo acumulado de la inacción es un argumento de inversión.
Métricas que no sirven (pero que todo el mundo usa)
"Mejoramos la eficiencia operativa." ¿En qué porcentaje? ¿Medido dónde? Esto no dice nada.
"Aumentamos la satisfacción del cliente." ¿Cómo lo sabes? ¿Encuesta antes y después? ¿O es una sensación?
"El equipo está más empoderado." Esto ni siquiera es una métrica.
Cómo lo hacemos nosotros
Antes de empezar cualquier proyecto, definimos con el cliente tres cosas:
- El baseline: el estado actual con números. Cuántas horas, cuántos errores, cuánto tiempo, cuánto cuesta.
- La meta: el estado objetivo con números. No "mejorar", sino cuánto.
- El plazo de medición: a las 4 semanas, a las 8 semanas, a los 3 meses.
Si no podemos definir estas tres cosas, el proyecto no está listo para arrancar. Suena estricto, pero es lo que separa un proyecto que demuestra valor de uno que se cancela a los 3 meses porque nadie sabe si funcionó. Lo cubrimos en más detalle en cómo implementar IA sin quemar dinero.
La verdad incómoda
Hay proyectos de IA cuyo ROI es negativo. No porque la tecnología no funcione, sino porque el problema no era lo suficientemente grande, la implementación fue mala, o el equipo no adoptó la solución.
Medir con honestidad te permite matar proyectos malos rápido y duplicar la inversión en los que sí funcionan. Eso, en el largo plazo, vale más que cualquier métrica individual.
Antes de invertir, haz el ejercicio de diagnosticar dónde está el impacto real. Y si quieres un primer acercamiento rápido, el test de madurez IA toma 2 minutos.