Cómo medir el ROI de un proyecto de inteligencia artificial
El problema de medir el retorno de un proyecto de IA no es matemático. Es que casi nadie mide el antes. Sin línea base, cualquier cálculo de ROI es una estimación defendida con convicción, y los directorios distinguen bastante bien entre ambas cosas.
Este es el marco que usamos, en el orden en que se aplica.
Paso 1: la línea base, antes de construir
Cuatro datos del proceso que vas a intervenir, medidos durante al menos un mes representativo:
- Volumen: cuántas unidades se procesan (tickets, documentos, leads, consultas).
- Tiempo: cuánto demora resolver cada una, de punta a punta y no solo el tiempo activo.
- Costo: costo total del proceso dividido por volumen. Incluye tiempo de personas a costo cargado, no solo sueldo bruto.
- Calidad: tasa de error, de reproceso o de escalamiento.
Si estos datos no existen, medirlos es el primer entregable del proyecto. Es tedioso y es la parte que más determina si el proyecto va a poder defenderse después.
Paso 2: separar los tres tipos de retorno
Meterlos en un solo número es la razón por la que muchos casos de negocio no resisten preguntas.
Retorno duro
Reducción de costo directamente atribuible y verificable en un estado de resultados: menos horas extra, menos contrataciones necesarias para el mismo volumen, menos costo por transacción, menos multas o reprocesos. Es el único que se puede defender sin discusión.
Retorno de capacidad
El equipo procesa más con los mismos recursos, o dedica tiempo a trabajo de mayor valor. Es real, pero solo se convierte en retorno duro si ese tiempo liberado efectivamente se reasigna a algo que genera ingreso o ahorro. Si nadie lo reasigna, es capacidad ociosa con mejor narrativa.
Retorno de ingreso
Más conversión, mejor retención, tickets más altos. Es el más atractivo y el más difícil de atribuir, porque casi siempre hay factores concurrentes. Exige diseño experimental: grupo de control, ventana de medición, y honestidad sobre el margen de error.
Paso 3: el costo total, completo
El error más frecuente es contar solo el desarrollo. El costo real incluye:
- Desarrollo e integración.
- Costo de inferencia proyectado al volumen real, no al del piloto.
- Infraestructura y licencias.
- Horas internas dedicadas al proyecto, que son costo aunque no salgan de un presupuesto de proyecto.
- Monitoreo, revisión de calidad y ajuste continuo, mensual.
- Capacitación y gestión del cambio.
Ese último grupo es el que convierte un ROI aparentemente excelente en uno apenas razonable. Mejor saberlo antes.
Paso 4: la fórmula, con sus supuestos a la vista
El cálculo es simple. Lo que importa es que cada variable sea rastreable:
ROI = (Beneficio anual − Costo total anual) / Costo total anual
Donde el beneficio anual debería reportarse desagregado por tipo de retorno, no como un número único. Un caso de negocio que muestra «retorno duro: X, capacidad: Y con supuesto de reasignación, ingreso: Z con intervalo de confianza» es infinitamente más creíble que uno que muestra un solo número grande.
Paso 5: horizonte y punto de equilibrio
Los proyectos de IA tienen costo concentrado al inicio y beneficio creciente. Medir ROI en el mes tres suele dar negativo aunque el proyecto sea excelente.
Como referencia razonable: un agente acotado debería alcanzar punto de equilibrio entre el mes seis y el mes doce. Una implementación mayor con integraciones múltiples, entre el doce y el dieciocho. Si el modelo requiere más de veinticuatro meses, conviene revisar si el caso de uso es el correcto.
Los indicadores que conviene mirar mensualmente
- Costo por unidad procesada, comparado contra línea base.
- Porcentaje de casos resueltos sin intervención humana.
- Tasa de error y de reproceso.
- Costo de inferencia por caso resuelto.
- Adopción real: qué porcentaje del volumen elegible efectivamente pasa por el sistema.
El último es el más subestimado. Un sistema que funciona técnicamente pero procesa el 15% del volumen elegible tiene un problema de adopción, no de tecnología, y el ROI lo va a reflejar.
La pregunta que ordena todo
Antes de aprobar cualquier proyecto de IA, vale la pena poder responder esta: ¿qué número específico del negocio va a cambiar, en cuánto, y cómo lo vamos a verificar?
Si el equipo no puede responderla en una frase, el proyecto todavía no está listo para aprobarse. Y descubrirlo en esa reunión es mucho más barato que descubrirlo en el mes nueve.
Si quieres construir el caso de negocio antes de invertir, así es como estructuramos un proyecto de IA. Conversemos.
Seguir leyendo
El ROI no se mide en el vacío. Estos artículos dan el contexto: