Seguimos Midiendo Mal el ROI de la IA y el Error Se Está Volviendo Caro
Retos del ROI de la IA: Muchas organizaciones tienen dificultades para medir el ROI de la IA, atribuyendo erróneamente los problemas a la gestión en lugar de a la implantación.
Desalineación de Métricas: Las métricas actuales se centran en el rendimiento tecnológico pero no abordan los problemas de personas y procesos subyacentes.
Impacto a Largo Plazo: Una mala implantación de IA puede provocar daños organizativos que se acumulan durante años y dificultan la eficacia.
Salud Organizacional: Las decisiones de inversión en IA deben priorizar métricas de personas y procesos junto a la tecnología para garantizar el éxito sostenible.
Carencias de Liderazgo: El liderazgo en transformación suele excluir a RRHH, lo que lleva a inversiones cortoplacistas sin viabilidad a largo plazo.
La presentación del ROI siempre se ve impecable. Horas ahorradas, personal reasignado, tiempos de ciclo reducidos, tasas de adopción ascendiendo hacia el referente que el proveedor sugirió en la llamada inicial. Flechas verdes. Gráficas que suben hacia la derecha. El CFO asiente con aprobación.
Dieciocho meses después, algo no va bien. La rotación aumenta en los departamentos que se suponía serían los más beneficiados por el cambio. La colaboración interdisciplinaria se ha vuelto más torpe. Un equipo que operaba con una especie de coherencia informal ahora avanza como si marchara por arenas movedizas. Nadie puede señalar una causa, así que se atribuye a los sospechosos habituales: estilo de dirección, estrés de mercado, secuelas de la pandemia o algo similar.
La implementación de IA que la precedió seis trimestres antes no se menciona.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Esto es el precio real de medir mal el ROI de la IA. No es una partida del balance. Es una degradación lenta que llega mal atribuida y se trata con remedios equivocados.
Métricas tecnológicas vs. métricas de personas
Las métricas que dominan las conversaciones sobre inversión en IA —tiempo ahorrado, personal reasignado, reducción de tiempos de ciclo, y cada vez más el uso— son todos indicadores adelantados del desempeño tecnológico. Miden la capa de la transformación que es más fácil de cuantificar.
Lo que no miden es la capa organizativa, donde residen los verdaderos costes de una mala implementación y donde se acumulan hasta que se vuelven imposibles de ignorar.
El uso merece especial atención, porque suele asumirse como un indicador de salud organizacional cuando en realidad es un indicador de comportamiento. Un análisis de BCG a finales de 2025 descubrió que el 60% de las empresas a nivel global no estaban generando valor relevante de la IA pese a una inversión sustancial, identificando como parte responsable a las propias métricas.
Las organizaciones centradas en los parámetros de inicio de sesión y tiempo de uso como medidas de adopción, aprendieron por las malas que esas métricas en realidad no reflejan si la IA se ha vuelto central para la forma en que la gente realmente trabaja.
Las altas tasas de adopción solo indican que las personas están usando la herramienta. No dicen nada sobre si el trabajo va bien, si los equipos funcionan, si el conocimiento tácito que antes circulaba en las tareas colaborativas sigue fluyendo en absoluto. Una plantilla puede cumplir todas las metas de uso mientras el tejido conectivo de su funcionamiento real se deshace en silencio.
El informe de octubre de 2024 de BCG, "Where's the Value in AI?" — basado en una encuesta a 1.000 CxOs en 59 países — concluyó que aproximadamente el 70% de los retos en la implementación de IA provienen de cuestiones relacionadas con las personas y los procesos.
La asignación presupuestaria en la mayoría de las implementaciones va justamente en sentido contrario: la mayor parte se destina a la tecnología, mientras que la gestión del cambio y la preparación organizativa se tratan como partidas secundarias en vez de partes fundamentales de la inversión.
Cuando las métricas que usas para evaluar una transformación solo hablan de la capa tecnológica, estás diseñando la evaluación en torno a la parte del problema menos determinante para que tenga éxito.
Redefiniendo el ROI
En sí misma, la perspectiva del CFO no es incorrecta. Aplica una disciplina rigurosa a una pregunta real: ¿esta inversión está generando retorno?
El problema es que aplica una lógica de asignación de capital a lo que en esencia es un problema de cambio organizacional, y los horizontes temporales no coinciden.
Los ciclos de ROI del software van de 12 a 18 meses. El daño organizacional por una mala implementación se acumula durante dos o tres años y aparece disfrazado como otra cosa totalmente distinta.
Merece la pena analizar por qué el CFO acaba asumiendo esa conversación en primer lugar. Anthony Onesto, quien ha desarrollado su carrera en tecnología de RR.HH. y ahora implementa prácticas de transformación de IA para medianas empresas, describe la cascada de presiones.
Los consejos presionan a los CEOs, los CEOs buscan dentro de la organización a alguien que lo asuma, y la primera opción natural es el CTO o CIO. Cuando eso resulta insuficiente, la conversación se traslada al CFO.
Esa siempre será una decisión financiera, que a veces es la decisión correcta y a veces no lo es.
Su opinión es que Recursos Humanos debería liderar estas transformaciones, no como un añadido de gestión del cambio, sino como la función mejor posicionada para pensar en cómo las máquinas y las personas operan juntas. El hecho de que rara vez lo haga, sostiene, es estructural. La mayoría de los líderes de RR. HH. no han alzado la mano, y la presión no se dirige naturalmente hacia ellos.
El resultado es una conversación sobre el retorno de inversión modelada por quien hereda la responsabilidad y, en la mayoría de las organizaciones, los incentivos de esa persona apuntan a una eficiencia a corto plazo demostrable, no a la salud organizacional a largo plazo.
Desafiando identidades profesionales
La disrupción de la identidad por sí sola ilustra la brecha. Cuando las tareas rutinarias se automatizan, la identidad profesional a menudo se va con ellas. El analista que construía juicio a través de tareas repetitivas y de bajo riesgo ahora, en teoría, tiene trabajo de mayor valor por hacer.
En la práctica, el contexto en el que ella se estaba desarrollando ha sido eliminado y nadie ha construido un reemplazo. La disrupción no se presenta en el anuncio. Aparece ocho o diez meses después como una desmotivación que parece ser un problema de cultura y se aborda como tal, mientras que la causa real permanece sin mencionar en un registro de implementación pasado.
Esto no es una preocupación de nicho. Es el mecanismo por el cual las inversiones en automatización producen peores resultados de lo proyectado a pesar de que se cumplan sus objetivos de eficiencia. Los objetivos fueron definidos para el sistema equivocado.
Lo que se automatiza rara vez es sólo una tarea. El trabajo rutinario a menudo incluye funciones informales que no se ven en ningún mapa de procesos: ritmos de coordinación entre equipos, mentoría incrustada en flujos colaborativos, puntos de contacto profesionales que ofrecen a los empleados junior exposición regular a cómo opera el juicio senior.
Esto no está documentado en ningún sitio porque no hace falta hasta que desaparece. En ese momento, aprendes su valor de la manera difícil.
Un informe semanal transversal que tres miembros de equipos elaboraban juntos no sólo producía un informe. Generaba alineamiento, visibilidad y una razón constante para que esos equipos estuvieran en contacto regular. Si automatizas el informe, has capturado la eficiencia.
El coste de eso no aparece en el informe de ROI. Se hace evidente con el tiempo en cómo esos equipos funcionan juntos o dejan de funcionar juntos.
El argumento para ampliar lo que se considera coste no es un argumento contra la disciplina del ROI. Es un argumento a favor de aplicar esa disciplina al sistema completo en lugar del subconjunto conveniente. Si el 70% de lo que determina los resultados de la transformación vive en la capa de personas y organización, entonces un marco de medición que excluya esa capa no es conservador, es sistemáticamente optimista en lo incorrecto.
El enfoque adecuado
Un marco de medición más completo incluye:
- Tendencias de rotación en los puestos afectados, con tiempo suficiente de desfase
- Patrones de comunicación interfuncional antes y después de cambios significativos de automatización
- Tasas de transferencia de conocimientos a empleados junior
- Niveles de confianza, medidos a través de encuestas diseñadas para reflejar el sentimiento real en lugar de indicadores de satisfacción.
Nada de esto es técnicamente difícil. La mayoría de las organizaciones no lo hace porque nunca han vinculado las decisiones de automatización con los resultados de salud organizacional como una práctica deliberada.
Ravin Jesuthasan, cuyo trabajo sobre arquitectura de fuerza laboral abarca décadas de transformación empresarial, lo expresa claramente:
No conozco ninguna organización que haya priorizado la tecnología y haya dejado de lado el factor humano que haya conseguido jamás un resultado exitoso.
Las organizaciones que comienzan con la tecnología, argumenta, desarrollan una visión binaria del problema, sustituyendo el elemento humano siempre que es posible y nunca construyen la sostenibilidad organizacional que hace que la transformación perdure.
Solucionar el problema de la medición es en parte una cuestión técnica y sobre todo una cuestión de gobernanza. Alguien en la mesa cuando se toman decisiones de inversión en IA debe ser responsable de la salud organizacional y debe tener la autoridad para tratarla como equivalente al lado de la eficiencia, no subordinada a ella.
En la mayoría de las organizaciones, esa persona no está en la mesa o no tiene esa autoridad. A menudo se consulta al CHRO sobre la gestión del cambio como una tarea de implementación, en lugar de verla como una dimensión co-igual de lo que significa el éxito.
Jesuthasan plantea este fracaso más amplio en términos que van más allá de la medición.
El cambio que se les está pidiendo a los líderes es mayor que cualquier cosa que hayamos visto en los últimos 150 años. Y no creo que muchos de ellos lo entiendan.
Eso no es tanto una condena como una observación estructural. Los líderes que toman decisiones de inversión en IA fueron formados en un mundo donde la tecnología y la organización eran problemas separables. Ya no lo son.
La presentación de ROI que mantiene ambas cosas separadas es un documento heredado que se aplica a una situación fundamentalmente distinta y el error, que se agrava en cifras de rotación y déficits de colaboración, se está volviendo costoso.
