La IA ya llegó a tu empresa. ¿Y el dinero? Cómo medir si de verdad paga

¿Por qué la IA todavía no se nota en las ganancias?

Porque usar IA y ganar dinero con ella son cosas distintas. En la encuesta The state of AI in 2026 de McKinsey, con 1,719 participantes de 97 países, 89% dice que su organización ya usa IA con regularidad en al menos un área. Pero solo 37% le atribuye algún impacto positivo en su utilidad operativa (el EBIT), casi la misma proporción que el año anterior.

La gente sí siente la diferencia: 80% de los participantes dice que la IA mejoró su productividad personal. El problema es que esa productividad no llega sola al estado de resultados. Si un vendedor ahorra tiempo redactando correos, pero ese tiempo no se convierte en más visitas o más cierres, la empresa no gana un peso más.

Solo alrededor de 6% de los participantes está en el grupo que McKinsey llama de alto desempeño: empresas que atribuyen a la IA al menos 5% de su utilidad operativa y califican su impacto como significativo. Y ojo: 36% de quienes respondieron trabaja en organizaciones que facturan más de mil millones de dólares al año. Si a muchas empresas grandes, con presupuesto y equipos dedicados, todavía no se les nota en la utilidad, una empresa mediana no puede darse el lujo de invertir sin medir. El problema ya no es adoptar IA. Es encontrar dónde realmente produce dinero.

¿Darle ChatGPT a todo tu equipo transforma la empresa?

No. Ayuda a que cada persona escriba, resuma o busque más rápido, y eso vale. Pero si el proceso sigue igual, el resultado también. La cotización sigue esperando la firma del gerente, el pedido se sigue capturando dos veces y el prospecto sigue sin seguimiento.

McKinsey encontró una diferencia clara. Casi tres de cada cuatro empresas de alto desempeño rediseñaron a fondo sus procesos por su uso de IA, contra una de cada cuatro del resto. Además, es dos veces más probable que tengan procesos definidos para medir el impacto de sus iniciativas de IA. No le pusieron IA a lo que ya hacían: cambiaron la forma de trabajar para aprovecharla.

Repartir herramientas sin reglas trae otro riesgo: que alguien pegue datos de clientes, precios o contratos donde no debe. Antes de conectar una IA a tus sistemas, revisa qué permisos debería tener un agente de IA.

¿Qué pregunta hay que hacerse antes de invertir en IA?

No «¿dónde metemos IA?», sino «¿qué resultado queremos mejorar?». La primera empieza por la herramienta y suele terminar en una demostración bonita. La segunda empieza por un número que ya te duele y te obliga a medirlo. Estos son resultados que casi cualquier empresa puede medir desde hoy:

Elige según tu giro. En una distribuidora puede ser el tiempo para cotizar. En una fábrica, los errores al pasar pedidos a producción. En una empresa de servicios, el tiempo de respuesta. En una tienda, el margen que se va en descuentos. Si eliges el tiempo de respuesta, en WhatsApp como entrada a tu operación explicamos cómo conectar el chat con tus sistemas.

¿Qué es una línea base y por qué sin ella no hay ROI?

La línea base (en inglés, baseline) es cómo está tu número hoy, antes de cambiar nada: cuántas horas tarda una cotización, cuántos prospectos se quedan sin seguimiento, cuántas facturas hay que corregir. Sin ese dato, después de la prueba solo tienes una impresión. Y las impresiones engañan.

Un experimento de METR, un grupo de investigación independiente, lo mostró en 2025. A 16 programadores con experiencia les asignaron tareas reales al azar, unas con IA y otras sin ella. Con IA tardaron 19% más. Al terminar, creían que la IA los había hecho 20% más rápidos. Los autores advierten que el resultado no se puede generalizar a cualquier trabajo, pero la lección es clara: lo que se siente y lo que pasa pueden ser muy distintos.

Medir también sirve para confirmar lo que sí funciona. En un estudio publicado por el NBER con 5,179 agentes de atención a clientes, quienes tenían un asistente de IA resolvieron en promedio 14% más casos por hora, y los de menos experiencia y habilidad, 34% más. Ahí el resultado estaba definido desde el principio: casos resueltos por hora.

¿Cómo hacer una prueba pequeña de IA que sí se pueda medir?

Con un solo resultado, un solo proceso y reglas claras desde antes de empezar:

1. Elige un resultado de la tabla. Uno solo.
2. Mide la línea base durante unas semanas normales, con el mismo criterio que usarás después. Si tu negocio tiene temporadas, compara contra un periodo parecido.
3. Define la meta y el límite: cuánto debe mejorar el número y en cuánto tiempo. Si no lo logra, la prueba se apaga.
4. Prueba en un solo proceso, con un equipo pequeño y una persona que revise lo que hace la IA antes de que llegue al cliente.
5. Cuenta todos los costos: licencias, consumo, la conexión con tus sistemas y las horas de tu equipo para aprender y revisar.
6. Compara con los mismos números. El retorno es lo que ganas o ahorras, menos lo que cuesta, dividido entre lo que cuesta.
7. Decide: escalar, ajustar o apagar.

A veces la prueba demuestra que no hacía falta IA. Si las cotizaciones tardan porque nadie sabe quién las aprueba, basta con ordenar el proceso o con una automatización sencilla. Eso también es un buen resultado: te ahorraste una inversión. Si el proceso ni siquiera está escrito, empieza por documentarlo.

¿Qué cambia en 2026 para las empresas que ya usan IA?

2024 y 2025 fueron los años de «hay que usar IA». 2026 debería ser el de «demuéstrame el retorno». La misma encuesta de McKinsey encontró que, para una de cada cinco organizaciones, el costo de operar la IA ya limita cuánto la usan, aunque la mayoría planea invertir más. Cuando la IA se paga cada mes, la pregunta deja de ser si la usas y pasa a ser qué te deja.

Para una empresa donde el dueño toma las decisiones, esto es una ventaja. No necesitas un comité ni un gran proyecto. Necesitas un número, una prueba y la disciplina de apagar lo que no paga.

También ayuda que la IA tenga una tarea concreta dentro del sistema donde ya trabajas, en lugar de vivir como una herramienta suelta. Así es más fácil medir lo que hace. En la plataforma de Executive Engineers, por ejemplo, la IA ayuda a capturar recibos y tarjetas digitales en el mismo lugar donde viven sus proyectos y su facturación.

¿Por dónde empiezo?

Por la tabla. Elige el resultado que más te cuesta, pide a tu equipo que lo mida durante unas semanas y anota cuánto te cuesta hoy en horas y en ventas perdidas. Con eso ya puedes comparar cualquier propuesta, sea de IA o no.

Si quieres saber dónde la IA le puede dejar dinero a tu empresa, conoce cómo trabajamos la automatización de procesos. En un diagnóstico gratuito elegimos contigo un resultado medible, revisamos cómo medirlo hoy y te decimos si conviene IA, una automatización sencilla u ordenar el proceso. El precio depende del alcance y te lo enviamos por escrito después de esa plática.