Rentabilidad de la IA: por qué los resultados no alcanzan las expectativas y cómo mejorarlos

En estos momentos, la inversión en IA está por todas partes. Sin embargo, es mucho más difícil encontrar pruebas de que esté dando sus frutos. La mayoría de las empresas están llevando a cabo proyectos piloto, adquiriendo herramientas e implementando agentes de IA en todos los equipos, con la esperanza de que, con el tiempo, se obtengan beneficios. Muchos ejecutivos esperan que la IA se amortice rápidamente, y muchas organizaciones aún están tratando de averiguar cómo demostrar que así ha sido.

El retorno de la inversión en IA (ROI) mide el valor que genera una inversión en IA frente a su coste total, y ese valor depende de mucho más que del modelo o el proveedor que se elija. La selección de casos de uso, la calidad de los datos, la integración en los flujos de trabajo, la adopción y los costes continuos que se acumulan tras el lanzamiento suponen un escollo para muchas organizaciones antes incluso de que lleguen a obtener un retorno. Este artículo aborda qué es realmente el ROI de la IA, por qué a menudo se queda corto, cómo medirlo y en qué ámbitos tiende a generar un valor cuantificable en las experiencias de los clientes, el comercio, los contenidos y los empleados.

¿Qué es el ROI de la IA?

El ROI de la IA, o retorno de la inversión en inteligencia artificial, es el beneficio que una organización obtiene de una inversión en IA medido en relación con el coste total de su implementación y funcionamiento. La forma más clara de este es el ROI financiero (o «duro»), que se manifiesta como un beneficio incremental derivado de ventas adicionales o de la reducción de costes en algún ámbito del negocio gracias a la implementación de la IA.

Pero los beneficios financieros no son los únicos resultados que importan. La satisfacción de los clientes y de los empleados también afecta al negocio. Simplemente, suelen tardar más en traducirse en valor empresarial que las reducciones directas de costes.

Sin embargo, nada de esto significa que cada señal positiva cuente como prueba. El uso de la IA, la realización más rápida de las tareas y el éxito de una prueba piloto son señales útiles, pero ninguna de ellas por sí sola establece el ROI financiero. Un equipo puede utilizar una herramienta constantemente y, aun así, no ser capaz de demostrar que haya supuesto un avance para la empresa.

¿Por qué las inversiones en IA no alcanzan los rendimientos esperados?

Quienes adoptan la IA suelen esperar que sus iniciativas den frutos de forma rápida y predecible, al igual que lo haría una nueva máquina o un nuevo edificio. Pero la IA funciona de manera diferente a como se construyeron los modelos tradicionales de retorno de la inversión. Las ganancias de productividad de la IA, por ejemplo, pueden manifestarse rápidamente en un flujo de trabajo y tardar meses más en otro, dependiendo del modelo de negocio, el modelo operativo y la importancia que tenga el caso de uso para la estrategia corporativa.

Tanto los líderes empresariales como los responsables de IA suelen encontrarse con el mismo puñado de problemas, y cada uno de ellos tiene un impacto directo en los costes, la adopción o los resultados empresariales.

Los casos de uso carecen de un resultado empresarial definido

Muchas iniciativas de IA siguen adelante sin que nadie se ponga de acuerdo sobre el problema que se pretende resolver, quién es el responsable, cuál es la situación de partida o qué se consideraría un éxito. Sin esa base, no hay nada con lo que comparar el ROI más adelante, por lo que los resultados acaban siendo, en el mejor de los casos, anecdóticos. Tampoco se trata de un problema poco común. Según la encuesta «2026 State of the CIO» de CIO.com, el 32 % de los directores de sistemas de información (CIO) señalan que las métricas de ROI mal definidas son un obstáculo para la ampliación de la IA, y esto suele deberse precisamente a esta laguna.

La IA no puede acceder a datos fiables ni integrarse en los flujos de trabajo existentes

La información suele estar dispersa en sistemas que no se comunican entre sí, y los datos de alta calidad que necesitan los sistemas de IA son más difíciles de obtener de lo que la mayoría de los equipos esperan. Incluso cuando las herramientas de IA generan algo útil, los empleados o clientes suelen tener que copiarlo en otro lugar, reformatearlo o revisarlo minuciosamente antes de poder actuar en consecuencia, lo que erosiona silenciosamente las ganancias en eficiencia que se suponía que el proyecto iba a aportar.

Se subestiman los costes y el esfuerzo humano

El precio de catálogo de la mayoría de las soluciones de IA rara vez refleja lo que realmente cuesta ponerlas en marcha. El trabajo de integración, la preparación y el análisis de datos, el entrenamiento, la revisión humana, el mantenimiento continuo y los costes de uso que aumentan a medida que se amplía la adopción se suman. Contratar a especialistas en IA para gestionar todo ello tampoco es gratis. La mayor parte de estos costes se omite en el análisis de viabilidad inicial, especialmente el coste de ampliar la IA más allá de la primera fase piloto.

Retrasos en la adopción y en la calidad de los resultados

La adopción limitada de la IA, los resultados poco fiables y el tiempo dedicado a comprobar o corregir el trabajo generado por la IA pueden anular silenciosamente el valor que se suponía que debía aportar un caso de uso. La gestión del cambio es más importante aquí de lo que la mayoría de los equipos esperan. Una herramienta en la que nadie confía lo suficiente como para usarla, o que necesita una intervención humana constante para detectar errores, en realidad no ahorra tiempo a nadie.

¿Cómo se mide el ROI de la IA?

La medición del ROI de la IA comienza incluso antes de que la IA entre en escena, y hacerlo bien significa ser capaz de medir con precisión ambos lados de la ecuación, no solo los beneficios que todos esperan ver. El método se mantiene coherente a partir de ahí, aunque los detalles cambien con cada caso de uso.

1. Establecer una referencia

Elige un caso de uso específico y registra cómo funciona ese proceso empresarial en este momento, antes de que cambie nada. Define el resultado que el caso de uso pretende mejorar realmente, algo concreto como el coste por resolución de un servicio o la tasa de conversión comercial, no una vaga sensación de que las cosas van más rápido.

2. Identificar beneficios y costes

Identifica los beneficios financieros cuantificables, una reducción real de los costes de servicio o el beneficio incremental vinculado a las ventas adicionales. Realiza un seguimiento por separado de cualquier elemento valioso al que aún no se le pueda asignar un valor monetario justificable, en lugar de incluirlo en la misma cifra. Los costes deben incluir los gastos de implementación y los gastos operativos continuos durante el mismo periodo de medición que los beneficios, no solo la inversión inicial.

3. Calcular el ROI

Los cálculos del ROI resultan sencillos una vez que los datos de partida son sólidos:

• Resta los costes totales de la IA de los beneficios financieros cuantificables.
• Divide el resultado entre los costes totales de la IA.
• Multiplica por 100.

Así es como se aplica en la práctica. Si un flujo de trabajo de servicios asistido por IA reduce los gastos reales de asistencia en 12 000 dólares a lo largo de seis meses y su implementación y funcionamiento cuestan 8 000 dólares durante ese mismo periodo, su ROI es del 50 %. Estas mismas cifras también indican un periodo de amortización que merece la pena tener en cuenta por sí mismo, y no solo un simple porcentaje.

4. Atribuye los resultados con cuidado

El ROI depende de las características específicas de cada caso de uso, pero el método para medirlo sigue siendo el mismo. Los resultados financieros son solo una parte del panorama, aunque constituyen el vínculo más claro con el rendimiento general de la empresa. Compara los resultados asistidos por IA con un grupo de control adecuado siempre que sea posible, ya que una simple comparación «antes y después» puede sobrevalorar la contribución de la IA si otros procesos, equipos o tecnologías también están cambiando al mismo tiempo.

5. Revisa constantemente las cifras

Revisa el cálculo a medida que cambian el uso y los costes, y sigue haciendo un seguimiento de la adopción, la calidad de los resultados y los comentarios de los clientes o empleados, además de los resultados financieros. Las horas ahorradas, el tiempo ahorrado y el ahorro de tiempo son reales, pero ninguno de ellos cuenta para el retorno de la inversión (ROI) de la IA hasta que se traduzcan en un resultado real, ya sea una reducción de los errores, una disminución de los costes o una reasignación de recursos hacia un ámbito que genere ingresos. Resiste la tentación de considerar cada hora ahorrada como un ahorro directo de dinero, a menos que produzca un beneficio financiero cuantificable.

¿En qué aspectos de las experiencias digitales puede la IA generar un valor cuantificable?

La IA tiende a generar el mayor valor en unas pocas experiencias digitales recurrentes, aunque la métrica exacta que merece la pena seguir varía en cada caso, y la cadena de valor en la que se inscribe cada experiencia determina lo que realmente importa.

La métrica adecuada siempre va en función del resultado empresarial que una determinada capacidad de IA pretende mejorar. Un equipo de atención al cliente que ya utilice la IA para reducir costes y resolver las solicitudes más rápidamente debería seguir midiendo la satisfacción junto con la rapidez, ya que una respuesta errónea más rápida no supone una ventaja estratégica; es simplemente una respuesta errónea más rápida. La misma lógica se aplica tanto si un minorista de Oriente Medio intenta llegar a nuevos mercados como si un fabricante simplemente desea una mayor calidad en la toma de decisiones en la planta de producción. El impacto medible, y no la actividad, es lo que distingue el éxito de la IA de un experimento costoso.

¿Cómo pueden las organizaciones mejorar el retorno de la inversión en IA?

La mayor parte de lo que debilita el retorno de la inversión en IA tiene solución, una vez que queda claro dónde se encuentran realmente los problemas. También merece la pena tomarse en serio esa brecha. El 20 % de las empresas con mejores resultados acapara el 74 % de todos los beneficios generados por la IA, según PwC, por lo que cerrarla no es cuestión de suerte. El objetivo no es aplicar la IA a todos los procesos a la vez, sino demostrar su valor flujo de trabajo por flujo de trabajo. La IA suele ofrecer sus resultados más rápidos cuando se utiliza para automatizar tareas repetitivas, lo que libera a las personas para que puedan tomar decisiones que un sistema no puede tomar por sí solo. Hay algunas medidas prácticas que suelen marcar la mayor diferencia:

• Prioriza los casos de uso con una necesidad empresarial clara. Asigna a cada uno un responsable y un resultado medible desde el principio, no a posteriori.
• Proporciona a la IA acceso a información precisa y relevante. Conéctala a los sistemas que ya forman parte del flujo de trabajo, en lugar de pedir a las personas que se adapten a ella. Integrar la IA directamente en una herramienta existente suele favorecer su adopción mucho más que cualquier asistente independiente.
• Coloca los resultados de la IA donde la gente ya trabaja. Haz que estén disponibles dentro de las herramientas existentes, en lugar de añadir otra herramienta más desconectada que nadie quiere abrir.
• Establece permisos adecuados, puntos de revisión humana y controles de calidad. No se trata de obstáculos, sino de lo que hace que el criterio humano y los resultados de la IA funcionen juntos en lugar de uno contra el otro.
• Forma a los usuarios y recopila comentarios. Mejora el flujo de trabajo a medida que aumenta la adopción, en lugar de considerar el día del lanzamiento como la meta.
• Utiliza los resultados medidos para decidir qué hacer a continuación. Perfecciona, amplía o interrumpe un caso de uso basándote en la evidencia, y sigue supervisando sus costes y resultados incluso después de que se considere un éxito.

Nada de esto exige que las empresas traten la IA como una especie de solución universal. Utilizar bien la IA significa tratar cada caso de uso como cualquier otra inversión empresarial, como parte de una estrategia de IA más amplia, una que tiene que demostrar su utilidad.

Conectar la IA con las experiencias digitales con Liferay DXP

Liferay DXP conecta el contenido, los datos, los sistemas y las experiencias digitales en las que las organizaciones ponen realmente en práctica la IA, ya sea un portal de clientes, una tienda online, una operación de contenido o una herramienta dirigida a los empleados y diseñada para recursos humanos u otros equipos internos. Hacer que las funciones basadas en IA y la IA autónoma lleguen a los sistemas y permisos adecuados es, a menudo, lo que distingue un proyecto piloto prometedor de algo que realmente respalda los objetivos empresariales reales.

Con Liferay DXP, los equipos pueden:

• Mostrar respuestas y recomendaciones generadas por IA directamente en los portales de clientes y en las experiencias de autoservicio
• Conectar modelos de IA con datos de comercio para que las recomendaciones y el contenido reflejen lo que realmente hay en el catálogo
• Gestionar y regular el contenido asistido por IA junto con todo lo demás que se gestiona a través de las mismas operaciones de contenido
• Establecer permisos y puntos de revisión para mitigar riesgos, de modo que los resultados de la IA lleguen a las personas adecuadas en el momento oportuno
• Ofrecer herramientas e información dirigidas a los empleados a través de la misma capa de experiencia que la gente ya utiliza

Nada de esto sustituye al trabajo de medición mencionado anteriormente, y nada de ello constituye por sí solo un atajo hacia la ventaja competitiva. Sea lo que sea lo que se desarrolle, debe medirse en función del objetivo empresarial original que se pretendía mejorar, contribuyendo a una mejor toma de decisiones en lugar de limitarse a añadir otro panel de control que nadie consulta.

Sacar partido a las inversiones en IA

Mejorar el retorno de la inversión en IA se reduce a un caso de uso que merezca la pena resolver, una vía viable para integrarla en las operaciones diarias y una forma de medir realmente el resultado. Nada de esto requiere resolverlo todo de una vez.

Empieza por un flujo de trabajo definido, evalúa su rendimiento y amplía a partir de ahí basándote en datos contrastados, en lugar de dejarte llevar por el impulso del momento. Explora las capacidades de IA de Liferay DXP para ver cómo la IA puede conectarse con el contenido, los sistemas y las experiencias en los que está destinada a crear valor.

Preguntas frecuentes sobre el retorno de la inversión en IA

¿Cuánto tiempo se tarda en obtener el retorno de la inversión en IA?

Depende en gran medida del caso de uso, del esfuerzo de implementación que suponga, de la rapidez con la que los usuarios la adopten realmente y de qué resultados se midan en primer lugar. Un flujo de trabajo concreto y bien definido puede mostrar resultados en cuestión de meses, mientras que una iniciativa más amplia que afecte a múltiples sistemas y equipos suele tardar bastante más en dar sus frutos.

¿Qué costes deben incluirse al calcular el retorno de la inversión en IA?

Las tarifas de uso del software o del modelo de IA, el trabajo de integración, la preparación de datos, la formación, la supervisión humana y el mantenimiento continuo deben incluirse en el cálculo. Omitir cualquiera de estos elementos suele hacer que las cifras iniciales del retorno de la inversión parezcan mejores de lo que realmente serán.

¿Qué métricas pueden utilizar las empresas para medir el ROI de la IA?

Los resultados financieros, como la reducción de costes o los ingresos incrementales, son los indicadores más claros, pero las medidas específicas de cada caso de uso también son importantes. El coste por resolución, la tasa de conversión y el tiempo de finalización del proceso son ejemplos habituales. La combinación adecuada depende de aquello para lo que se haya diseñado realmente el caso de uso.

¿Por qué puede tener éxito un proyecto piloto de IA sin generar un retorno de la inversión empresarial?

Un proyecto piloto puede demostrar que la tecnología funciona sin demostrar que la gente vaya a adoptarla realmente, que genere un valor financiero real o que se mantenga dentro de un flujo de trabajo empresarial completo y complejo. El éxito técnico y el retorno de la inversión empresarial están relacionados, pero no son lo mismo.