Cómo medir el ROI de implantar IA en una empresa (sin caer en métricas vanidosas)

A medida que la inversión en IA dentro de las empresas crece, también lo hace la presión por demostrar que esa inversión tiene retorno. Dirección quiere números. Finanzas quiere un Excel. Y el equipo que ha liderado el proyecto, a menudo, tiene la sensación de que están pasando muchas cosas pero le cuesta convertirlas en una métrica defendible. La consecuencia: o se cuelan métricas vanidosas que quedan bien en una presentación pero no significan nada, o se pierde la batalla del presupuesto el año siguiente.

En Everglow implantamos IA en empresas a diario. Y, como cualquiera que haya defendido un proyecto frente a un comité, sabemos que medir el ROI de una implantación de IA tiene trampas. Este artículo es el marco que usamos con nuestros clientes para distinguir el ruido de los datos que de verdad importan, y para calcular un ROI honesto que aguante una reunión con dirección.

Por qué medir el ROI de la IA cuesta más que medir el de un CRM

Cuando una empresa implanta un CRM, el ROI es relativamente fácil de calcular: licencias + horas de implantación contra leads gestionados, oportunidades cerradas y tasa de conversión. Hay un funnel, hay un sistema único, hay un dato comparable antes y después.

Con la IA pasa otra cosa. La IA toca muchos puntos a la vez —correo, redacción, búsqueda interna, atención al cliente, marketing, código, finanzas— y la mejora no siempre es una métrica nueva, sino menos tiempo en algo que ya se hacía. Eso introduce tres problemas que conviene mirar de frente antes de elegir métricas:

• Tiempo ahorrado no equivale a euros ahorrados. Si un comercial tarda 20 minutos menos en preparar una reunión, eso no se traduce automáticamente en más facturación. Hay que demostrar que ese tiempo se reinvierte en algo que sí mueve la aguja.
• La curva de adopción es lenta. El primer mes la gente está probando. El segundo descubriendo. El tercero, los que lo van a usar bien empiezan a sacarle partido. Si mides ROI a las cuatro semanas, sale negativo casi siempre.
• Hay efectos cualitativos importantes que no caben en un Excel. Menos errores de tipo, menos email interno, menos preguntas repetidas al manager. Cuestan dinero, pero no aparecen en el P&L directamente.

Si tu marco de medición solo recoge “horas ahorradas”, vas a infra-vender el proyecto. Si solo recoge “casos de uso”, vas a sobre-venderlo. El truco está en mezclar las dos cosas y hacerlo desde el principio.

Las métricas vanidosas que hay que sacar del cuadro de mando

Antes de hablar de qué medir, hablemos de qué no medir. Estas son las métricas que aparecen sistemáticamente en presentaciones de IA y que, salvo excepciones muy concretas, no significan nada útil.

Número de licencias activadas. Que una empresa haya repartido 500 licencias de ChatGPT no dice nada sobre el ROI. De hecho, muchas veces es la pista de que algo va mal: se invirtió en herramienta sin invertir en adopción. Si quieres entender por qué este es el síntoma típico, lo explicamos a fondo en por qué tu plantilla no usa IA aunque le des licencia de ChatGPT.

Número de prompts enviados. Sin contexto, es ruido. Un equipo que envía 200 prompts a la semana puede estar generando borradores excelentes o pidiéndole chistes a Claude.

Casos de uso identificados. Una lista de 80 casos de uso en un PowerPoint impresiona, pero si solo se han implantado 3 y solo uno se usa, esa lista no es un activo, es deuda. Lo importante no es identificar casos, sino cerrarlos.

Modelos probados. Que el equipo haya “evaluado GPT, Claude, Gemini, Mistral y Llama” suena a rigor, pero a dirección le da igual. Le interesa qué hace su empresa de forma distinta gracias a esto.

Encuestas de satisfacción con la herramienta. “El 85% del equipo cree que la IA le ayuda” no es ROI. Es percepción, está sesgada y se desploma cuando se preguntan cosas concretas.

Si tu cuadro de mando de IA está lleno de esto, te van a recortar el presupuesto el año que viene. Cambiémoslo.

El marco de las tres capas: cómo medir bien el ROI de la IA

El marco que usamos con nuestros clientes tiene tres capas de métricas, anidadas, donde cada capa explica un nivel de detalle distinto del retorno. Sirve tanto para defender ante dirección como para iterar internamente.

Capa 1: métricas de adopción

Sin adopción no hay ROI. Esta capa responde a una pregunta sencilla: ¿la gente está usando esto de verdad?

• Usuarios activos semanales (WAU) dentro de cada caso de uso implantado. No por herramienta, sino por caso: cuántos comerciales usan el copiloto de propuestas cada semana, cuántos agentes de soporte usan el asistente de respuestas, etc.
• Frecuencia de uso por usuario activo. Diferenciar entre el que entra una vez al mes y el que entra cuatro veces al día.
• Tareas/proyectos completados con IA en el flujo real. No simulaciones. No demos. Si el comercial mandó 50 correos esta semana y 32 los borró con el copiloto, ese es el dato.

Si la adopción está por debajo del 30-40% del público objetivo a las 6-8 semanas, el problema no es la IA, es la implantación. Y casi siempre se arregla con formación segmentada, redesign de flujo y ajustes de la herramienta. Antes de medir más arriba, hay que arreglar esta capa.

Capa 2: métricas operativas

Cuando la adopción está sana, llegan las métricas que de verdad importan al negocio. Son las que conectan el uso de la IA con cómo trabaja la empresa.

• Tiempo medio por tarea, antes y después. Medido con una muestra pequeña pero controlada al principio (no se necesitan 1.000 datos, se necesitan 30 bien tomados).
• Volumen de tareas atendidas por persona y semana. Especialmente útil en soporte, ventas, back office y marketing operativo.
• Tasa de error o de retrabajo. Si la IA ayuda a reducir errores, esto baja. Si los introduce, sube. En cualquier caso, hay que medirlo.
• Tiempo de respuesta a clientes (interno o externo). Caso típico en atención al cliente y comercial.
• Coste unitario por tarea. Es el dato que más le interesa a finanzas. Cuesta calcularlo bien pero, cuando se hace, cierra discusiones rápido.

Capa 3: métricas de impacto en negocio

Esta es la capa que va al comité. Tiene menos datos pero más peso. Conecta la implantación con resultados del negocio.

• Facturación incremental atribuible. Cuando la IA acorta el ciclo comercial, libera tiempo del equipo para más reuniones o mejora la tasa de conversión, hay una facturación incremental concreta. Cuesta atribuirla limpiamente, pero un comité serio acepta el ejercicio si se documenta bien.
• Ahorro de coste defendible. Horas liberadas × coste/hora ajustado por porcentaje de reinversión real. No vale multiplicar horas brutas por coste bruto: queda muy bonito pero no es honesto.
• NPS o satisfacción del cliente en los flujos donde la IA está integrada.
• Time-to-market en lanzamientos donde la IA ha acortado fases (marketing, contenido, propuestas, código).

La fórmula que funciona: ROI honesto en seis variables

Cuando llega el momento de calcular el ROI, hay una fórmula que aguanta el escrutinio de cualquier comité serio.

ROI = (Beneficio incremental – Coste total) / Coste total

Donde:

• Beneficio incremental se calcula como la suma de: (a) ahorro de coste real, (b) facturación incremental atribuible y (c) coste evitado documentable (multas evitadas, retrabajo evitado, errores evitados).
• Coste total incluye: licencias, horas internas dedicadas al proyecto (no se olvida casi nunca, pero cuenta mucho), consultoría externa, infraestructura y formación.

La trampa que casi todo el mundo se come es hinchar el beneficio y olvidar el coste interno. Si tu equipo dedicó 600 horas a montar esto, son 600 horas que costaron dinero y que hay que poner en el denominador. Si no, sale un ROI imposible que un CFO con dos dedos de frente destroza en 20 segundos.

Y la otra trampa, simétrica, es minimizar el beneficio. Si una empresa libera 2.000 horas año en su equipo de operaciones y solo cuenta 200, está infravalorando el proyecto. La regla razonable es contar el porcentaje de tiempo que de verdad se reinvierte en actividades de valor, no el 100% ni el 0%. Suele estar entre el 40% y el 70%, según el rol.

Cómo plantear el cuadro de mando desde el día uno

El error más caro de la mayoría de proyectos de IA en empresa no es elegir mal el modelo: es no haber definido el cuadro de mando antes de empezar. Cuando se mide después, no hay baseline, no hay disciplina de captura y los datos llegan tarde. Cuando se define antes, el debate post-implantación es objetivo.

El cuadro de mando mínimo viable para una implantación de IA tiene esta forma:

• Una métrica de adopción por caso de uso, refrescada cada semana.
• Dos o tres métricas operativas por caso de uso, refrescadas cada quincena.
• Una métrica de impacto en negocio por área, refrescada cada mes o cada trimestre.

No hace falta un dashboard espectacular. Un Sheets bien diseñado, con las celdas conectadas a los datos reales, funciona durante los primeros 6-9 meses sin problema. Más adelante, cuando hay decisiones que tomar con esos datos, ya conviene montar algo más serio en Looker o Power BI.

Errores típicos al medir el ROI de la IA en empresa

Antes de cerrar, los errores que vemos una y otra vez. Si los reconoces, ya partes con ventaja:

Esperar resultados a las cuatro semanas. La curva de adopción suele dar resultados defendibles entre la octava y la duodécima semana. Si presentas datos antes, suelen estar pre-adopción y dan rabia.

Medir solo en el equipo que más usa la IA. Es seguro pero engaña. Si solo mides al equipo “fan”, el ROI sale gigante. Si mides también al equipo “escéptico”, el dato es más bajo pero más útil para decidir dónde invertir más adopción.

Convertir cada hora ahorrada en euro al 100%. Lo explicamos arriba: no todas las horas se reinvierten. Si lo haces, ningún CFO se lo va a creer y vas a perder credibilidad para el siguiente proyecto.

No separar costes recurrentes de costes one-shot. Las licencias se pagan todos los meses. La implantación se paga una vez. Si los mezclas en el mismo año, el ROI sale distorsionado. Separa CAPEX de OPEX o, al menos, distingue costes de arranque de costes de mantenimiento.

No comparar contra el escenario “no haber hecho nada”. El ROI real de un proyecto se calcula contra la alternativa. Si no hubieras hecho la implantación, ¿qué habría pasado? Tu coste operativo habría crecido por la inflación, tus competidores habrían acelerado, etc. Eso también va en el numerador del beneficio.

Conclusión: medir bien la IA es medir poco pero importante

El ROI de la IA en una empresa es defendible si se mide en tres capas (adopción, operativa, negocio), si los datos se capturan con disciplina desde el día uno y si la fórmula que se usa es honesta —incluyendo costes internos y no hinchando el beneficio—. Lo demás —métricas vanidosas, listas de casos de uso, dashboards bonitos sin datos detrás— sirve para la foto del comité pero no para defender el presupuesto del año siguiente.

Si te interesa cómo aterrizar esto en tu empresa, podemos diseñar el cuadro de mando contigo en una primera reunión sin compromiso. Y si lo que necesitas es entender antes cuánto cuesta implantar IA en una pyme en España con cifras reales, lo dejamos analizado a fondo en otro artículo.

Lo que no se mide no se defiende. Y lo que no se defiende, el año siguiente, se recorta.