ROI de la inteligencia artificial, cómo medirlo de verdad

La pregunta llega siempre en la misma reunión: ¿esto cuánto nos va a devolver? Y la respuesta honesta es que depende menos del modelo elegido que de cómo se defina la medición antes de empezar.

El problema más común no es que la IA no genere retorno. Es que nadie midió cómo funcionaba el proceso antes de intervenirlo, y entonces no hay con qué comparar.

Empezá por la línea de base, no por la tecnología

Antes de evaluar una herramienta, hace falta un número de partida. Para un proceso operativo, alcanza con cuatro datos:

• Volumen: cuántas veces por mes ocurre.
• Tiempo por caso: cuántos minutos consume de punta a punta.
• Costo por hora del rol que lo ejecuta.
• Tasa de error y retrabajo: qué porcentaje vuelve atrás.

Si no tenés esos datos, medilos durante dos o tres semanas. Es trabajo manual y poco glamoroso, pero sin esa foto inicial cualquier mejora posterior es una percepción, no un resultado.

Las tres formas en que la IA genera retorno

Conviene separarlas porque se miden distinto y maduran en plazos distintos.

Reducción de costo. Es la más directa y la más fácil de defender ante un directorio. Menos horas por caso, menos retrabajo, menos tercerización. Se calcula multiplicando el tiempo ahorrado por el volumen y por el costo hora.

Aumento de ingresos. Más conversión, mejor tasa de respuesta, menos oportunidades perdidas por demora. Es más difícil de aislar porque intervienen factores externos, así que conviene medirlo con grupos de control: un equipo con la herramienta y otro sin ella, durante el mismo período.

Capacidad liberada. El equipo deja de hacer tareas repetitivas y pasa a trabajo de mayor valor. Es real pero traicionero: si esas horas liberadas no se reasignan explícitamente a algo concreto, el ahorro no aparece en ningún estado de resultados.

El costo total casi nunca es el que figura en la propuesta

Un error frecuente es comparar el ahorro contra el precio de la licencia. El costo real incluye:

1. Integración con los sistemas que ya usás: suele ser el rubro más caro.
2. Preparación de datos: limpieza, acceso, permisos.
3. Horas internas: el tiempo del equipo durante la implementación y las pruebas.
4. Capacitación y adopción.
5. Supervisión humana durante los primeros meses, cuando todavía se revisa cada salida.
6. Mantenimiento: los modelos cambian, los procesos cambian, la solución necesita ajustes.

Una regla práctica: el consumo del modelo rara vez supera el 20% del costo total del primer año.

Un cálculo que se sostiene frente a finanzas

Tomemos un caso concreto. Un equipo de atención recibe 4.000 consultas por mes. Cada una consume 9 minutos en promedio. El costo hora cargado del rol es de 18 dólares.

• Costo actual: 4.000 × 9 minutos = 600 horas mensuales ≈ 10.800 dólares por mes.
• Con asistencia de IA, el 55% de las consultas se resuelve sin intervención y el resto baja a 6 minutos.
• Costo nuevo: 1.800 × 6 minutos = 180 horas ≈ 3.240 dólares.
• Ahorro mensual: 7.560 dólares. Anual: 90.720.

Si la implementación cuesta 60.000 dólares el primer año entre integración, horas internas y licencias, el retorno llega alrededor del mes ocho. Ese es un número que se puede defender, porque cada componente es verificable.

Qué medir después del lanzamiento

El seguimiento debería ser tan aburrido como el de cualquier otra inversión operativa. Cuatro indicadores alcanzan:

• Cobertura: qué porcentaje de los casos pasa efectivamente por el sistema.
• Tasa de intervención humana: cuántas veces hay que corregir la salida.
• Tiempo por caso comparado con la línea de base.
• Calidad percibida: satisfacción del cliente interno o externo, para asegurar que el ahorro no se pagó con peor servicio.

Si la cobertura es baja, el problema es de adopción, no de modelo. Si la tasa de intervención no baja con el tiempo, el caso de uso probablemente estaba mal elegido.

Cuándo conviene no calcular ROI

Hay proyectos que no deberían justificarse con retorno directo: pruebas exploratorias de bajo costo, capacitación del equipo o construcción de capacidades internas. Pretender un ROI de doce meses para una prueba de dos semanas obliga a inflar los números y termina deteriorando la credibilidad de todo el programa.

Para esos casos, el criterio es otro: qué aprendimos, qué decisión nos permite tomar y qué habilitó para el próximo paso.

El punto de partida

Una buena primera implementación no es la más ambiciosa, sino la que deja evidencia. Un número antes y un número después, con un método que cualquiera dentro de la organización pueda reproducir. Con ese resultado en la mano, la segunda conversación sobre IA es completamente distinta, porque deja de ser una discusión de opiniones.

Preguntas frecuentes

¿En cuánto tiempo se ve el retorno de un proyecto de IA?

En casos acotados, como automatizar la clasificación de consultas o la extracción de datos de documentos, el retorno suele verse entre 3 y 6 meses. Los proyectos que tocan procesos centrales o requieren integración profunda con sistemas existentes maduran entre 12 y 18 meses.

¿Cómo calculo el ROI si no tengo datos previos del proceso?

Se mide durante dos a cuatro semanas antes de implementar: tiempo por caso, volumen mensual, tasa de error y retrabajo. Esa medición manual es suficiente para construir una línea de base y es preferible a estimar de memoria.

¿Qué costos hay que incluir además de la licencia del modelo?

Integración con los sistemas actuales, preparación de datos, horas del equipo interno, capacitación, soporte y el costo de supervisión humana durante los primeros meses. Suelen pesar más que el consumo del modelo.