Por qué las mejoras de productividad individual nunca llegan a la cuenta de resultados
La brecha ya no es anecdótica; se manifiesta en los datos de referencia. En la Encuesta Global sobre IA de McKinsey publicada en agosto de 2026, el 80 por ciento de los encuestados afirma que la IA ha mejorado su productividad individual, pero solo el 37 por ciento reporta alguna contribución positiva al EBIT por parte de la IA, prácticamente sin cambios respecto al año anterior, incluso cuando la proporción de organizaciones que escalan la IA en toda la empresa alcanzó el 44 por ciento.[1] La iniciativa NANDA del MIT llegó a una conclusión similar desde otro ángulo: su informe de 2025, The GenAI Divide: State of AI in Business, constató que aproximadamente el 95 por ciento de los pilotos empresariales de IA generativa tuvo un impacto escaso o nulo y medible en la cuenta de resultados.[2]
La velocidad de las tareas no es la velocidad del negocio
La primera razón es mecánica. Un informe de ocho horas reducido a dos horas sigue esperando días para su revisión, aprobación y uso posterior, de modo que el proceso de extremo a extremo apenas se mueve. La aceleración de tareas individuales queda absorbida por traspasos, colas y puntos de decisión que la IA nunca tocó. Como argumenta Howard Rubin en CIO, la mayoría de las métricas de IA celebradas miden la formación de capacidades y la actividad, no los resultados empresariales materializados, y la cadena causal entre ambas suele ser indirecta o retrasada.[3]
La segunda razón es una decisión ausente. Cuando se ahorran horas pero nadie decide qué hacer con ellas, los ahorros se disipan en las mismas estructuras que produjeron la línea base anterior:
- La misma plantilla permanece en su puesto, porque nunca se tomó una decisión de reasignación
- El mismo trabajo pendiente se vuelve a llenar, porque la demanda nunca se redefinió
- El mismo gasto externo continúa, porque nunca se renegoció ningún contrato ni volumen de proveedores
- Los mismos tiempos de ciclo persisten, porque la cadena de aprobación aguas arriba y aguas abajo nunca se rediseñó
La tercera razón es la que aborda este artículo. Nada de esto es un fallo tecnológico. Es un fallo de arquitectura de medición: la empresa nunca construyó la cadena explícita de evidencia que conecta el uso de la IA con el cambio en los flujos de trabajo, con un KPI operativo concreto, con un mecanismo financiero específico y, finalmente, con el EBIT. El resto de este artículo explica cómo construir esa cadena.
El AI Value Bridge: una arquitectura de medición de cinco peldaños
Llamamos AI Value Bridge a la estructura que falta. Es una arquitectura de medición de cinco peldaños que obliga a que cada caso de uso de IA se demuestre en orden, desde el primer uso hasta el estado financiero. Cada peldaño es una afirmación que debe probarse antes de poder siquiera enunciar el siguiente. Los peldaños son:
| Peldaño | Qué afirma | Evidencia requerida antes del siguiente peldaño |
|---|---|---|
| 1. Caso de uso | Un proceso definido, con un responsable de negocio designado, donde se aplica la IA a trabajo real | Problema acotado, responsable designado, proceso actual documentado |
| 2. Adopción | Las personas realmente usan la herramienta en ese proceso | Datos de uso vinculados al flujo de trabajo específico, no recuentos de licencias en toda la empresa |
| 3. Cambio en el flujo de trabajo | La forma de hacer el trabajo ha cambiado, no solo su velocidad | Mapa de proceso antes y después: pasos eliminados, traspasos reducidos, aprobaciones rediseñadas |
| 4. KPI operativo | Una métrica que finanzas reconoce que se ha movido | Un KPI con nombre propio, una línea base congelada y una variación medida |
| 5. Mecanismo financiero | El movimiento del KPI se convierte en dinero mediante una vía contable específica | Un mecanismo declarado (véase la sección cuatro) y una partida en la que aterriza |
| 6. Impacto en el EBIT o en el crecimiento | La cuenta de resultados se mueve | Cifra firmada por finanzas en el ciclo de reporte, con el contrafactual documentado |
Compárese esto con el típico panel de IA, que salta directamente del peldaño dos al peldaño seis: reporta volúmenes de prompts y usuarios activos por un lado y una cifra en dólares por el otro, sin nada en medio. Los peldaños intermedios, donde el valor realmente se crea o se destruye, simplemente no existen. Por eso las cifras no sobreviven al contacto con una revisión del CFO.
El puente es el tejido conectivo que a los equipos directivos hoy les falta. La encuesta de 2026 de McKinsey muestra que el impacto financiero a nivel de empresa se mantiene plano incluso con la escalado alcanzando el 44 por ciento de los encuestados, lo que significa que la restricción ya no es el despliegue. Es la ausencia de un camino trazable desde el despliegue hasta los beneficios.[1]
Métricas de actividad frente a KPI operativos: lo que finanzas está dispuesta a firmar
El puente solo funciona si el peldaño cuatro se somete a un estándar estricto, y la mayoría de las organizaciones lo suspenden. Las métricas de adopción miden el uso, y el uso no es valor. Mil usuarios superficiales que hacen prompts de vez en cuando pueden perder frente a cincuenta usuarios profundos integrados en un proceso rediseñado. El análisis de CIO hace la misma distinción: los recuentos de prompts ejecutados, tokens consumidos y empleados que usan herramientas de IA revelan adopción y actividad, pero dicen poco sobre si el rendimiento operativo realmente mejoró.[3]
| Métricas de actividad (peldaño 2, como mucho) | KPI operativos (peldaño 4) |
|---|---|
| Recuentos de licencias y utilización de licencias | Días de cobro pendientes (DSO) |
| Volúmenes de prompts y tokens consumidos | Coste por resultado verificado |
| Estimaciones de horas ahorradas | Tiempo de ciclo del proceso |
| Tasas de adopción y formación | Tasas de errores y retrabajos |
| Número de casos de uso desplegados | Ingresos por FTE |
Una conversión resuelta
Tomemos una métrica de actividad común: el equipo de cuentas por cobrar informa de un 30 por ciento de horas ahorradas en el reclamo de facturas gracias a recordatorios redactados por IA. Tal como está formulada, es una cifra de presentación. Conviértanla: las horas se dedican a un reclamo de pago más rápido y consistente, lo que acorta el periodo medio de cobro. El KPI operativo son los días de cobro pendientes (DSO), con una línea base previa al despliegue congelada, digamos, la media de los últimos doce meses. La diferencia entre la línea base y el DSO actual, multiplicada por los ingresos diarios, es lo que finanzas puede realmente contabilizar. Si el DSO no se mueve, las horas ahorradas fueron actividad, no valor, y el caso de uso se reescala o se elimina.
La prueba de fuego detrás de este ejemplo es simple: si un caso de uso no puede vincularse a una partida financiera específica, pertenece a un laboratorio de I+D, no al presupuesto operativo. La reciente cobertura de CFO.com deja claras las apuestas, señalando que, pese a la adopción generalizada, la IA rara vez se ha traducido en mejoras medibles del EBITDA, del flujo de caja o del retorno sobre el capital invertido.[4]
Los mecanismos contables: cómo los ahorros de tiempo se convierten en margen
El peldaño cinco es donde la mayoría de los casos de valor fallan silenciosamente, porque las horas ahorradas no son un mecanismo financiero. Las horas ahorradas llegan a la cuenta de resultados solo por una de tres vías específicas, y cada caso de uso activa exactamente una de ellas en primer lugar:
| Mecanismo | Cómo funciona | Dónde se refleja en la cuenta de resultados |
|---|---|---|
| Evitación de costes en gastos generales y de ventas (SG&A) | Las horas ahorradas no se reemplazan: las vacantes por rotación no se cubren y el gasto externo (agencias, BPO, contratistas) se recorta | Menor gasto en SG&A; se refleja como coste evitado, no como reducción de una partida existente |
| Liberación de capacidad | Las horas reasignadas se trasladan a trabajo generador de ingresos o a cuellos de botella dentro de la misma plantilla | Margen mediante mayor producción con coste de personal plano; requiere una decisión explícita de reasignación |
| Ingresos por FTE | La producción crece sin crecimiento de plantilla, por lo que la productividad por empleado aumenta | Línea de ingresos con coste de personal plano; la historia de crecimiento más limpia y la más difícil de aislar |
Elegir el mecanismo no es una ocurrencia contable posterior; determina qué debe decidirse a nivel operativo. La evitación de costes exige la disciplina de dejar una vacante sin cubrir. La liberación de capacidad exige un destino designado para las horas reasignadas. Los ingresos por FTE exigen un denominador en el que ambas partes estén de acuerdo. Si el mecanismo no se elige de antemano, los ahorros se quedan siendo una cifra en una diapositiva, porque nadie fue nunca responsable de convertirlos.
Los plazos honestos importan tanto como los mecanismos honestos. La encuesta de 2025 de Deloitte a 1.854 ejecutivos de Europa y Oriente Medio reveló que la mayoría de los encuestados alcanza un ROI satisfactorio en un caso de uso típico de IA en un plazo de dos a cuatro años, frente a los siete a doce meses que suelen esperarse para inversiones tecnológicas, y solo el 6 por ciento reportó un retorno en menos de un año.[5] Un puente construido sobre la promesa de un retorno en dos trimestres fracasará, no porque el valor esté ausente, sino porque la expectativa se fijó mal.
Diseñar el contrafactual: demostrar que el delta es real
Incluso un KPI y un mecanismo bien elegidos no prueban nada si el delta no puede atribuirse. La IA rara vez se despliega en un entorno estático. Los ejecutivos entrevistados por Deloitte son explícitos al respecto: la IA suele introducirse junto a iniciativas para mejorar la calidad de los datos, reconfigurar equipos o agilizar operaciones, lo que dificulta separar su valor. Un ejecutivo del sector energético describió que solo manejaba una estimación aproximada de los beneficios, porque las ganancias de la IA no podían separarse de los programas de excelencia operativa y las reorganizaciones que ocurrían al mismo tiempo.[5]
La respuesta práctica es congelar la línea base antes del despliegue y elegir deliberadamente un diseño de atribución. Tres diseños cubren la mayoría de las situaciones:
- Despliegue escalonado con grupo de control: implementar el caso de uso primero en algunas unidades o regiones y tratar las unidades aún no implementadas como comparación, de modo que las tendencias seculares se cancelen
- Antes y después en un proceso estable: cuando el proceso en sí no ha cambiado realmente salvo por la IA, una línea base congelada con una ventana de observación definida es defendible
- Diferencia en diferencias entre unidades comparables: comparar el cambio en el KPI de las unidades con IA frente al cambio en unidades comparables sin IA durante el mismo periodo
Sea cual sea el diseño que elijas, la línea base debe congelarse antes del despliegue, no reconstruirse después a partir de la memoria del equipo dueño de la herramienta. Una línea base construida a posteriori es una negociación, no una medición.
El contrafactual también necesita un responsable financiero designado. En la mayoría de las organizaciones, los pilotos los dirige quien encargó la tecnología, sin que nadie de finanzas custodie la línea base ni el estándar de atribución. Cuando nadie es responsable del contrafactual, el éxito resulta indeterminable por construcción: cualquier ganancia reportada puede cuestionarse y cualquier déficit puede justificarse. Esa es precisamente la posición que un CFO no puede defender en una reunión del consejo, y es un problema de propiedad, no de analítica.
Por qué finanzas y los responsables de negocio deben ser copropietarios del puente
Ninguna función puede construir el puente por sí sola. El responsable de negocio conoce el flujo de trabajo: qué pasos desaparecieron realmente, qué traspasos se eliminaron, a dónde fueron las horas reasignadas. Finanzas conoce el mecanismo y el estándar del contrafactual: en qué partida aterriza el valor, qué evidencia supera una auditoría, qué línea base es defendible. Un puente construido solo por el lado del negocio produce aritmética de horas ahorradas; un puente construido solo por finanzas produce escepticismo. El valor se crea en el trabajo conjunto.
La evidencia respalda el lado del flujo de trabajo de esa alianza. La investigación de McKinsey encuentra que el rediseño de los flujos de trabajo tiene el mayor efecto sobre si las organizaciones perciben impacto en el EBIT de la IA generativa, y su encuesta de 2026 muestra que los de alto rendimiento - el aproximadamente 6 por ciento de las organizaciones que atribuyen al menos el 5 por ciento del EBIT a la IA - tienen muchas más probabilidades que los demás de haber rediseñado fundamentalmente sus flujos de trabajo en lugar de insertar la IA en los existentes, con casi tres cuartas partes habiéndolo hecho.[6]
La propiedad conjunta, en la práctica, se reduce a tres disciplinas:
- Una hoja de puente de valor por caso de uso, firmada tanto por el responsable de negocio como por el responsable financiero, con cada peldaño evidenciado en orden antes de reclamar el siguiente
- Una cadencia trimestral de reevaluación: los peldaños se reverifican, no se dan por sentados, porque los flujos de trabajo y las líneas base derivan
- Decisiones de cancelar o escalar tomadas solo en los peldaños cuatro y cinco, cuando el delta del KPI y el mecanismo están evidenciados, nunca solo con datos de adopción
La cadencia importa tanto como la hoja de cálculo. Reevaluar trimestralmente mantiene honesto el puente de valor a medida que cambian las condiciones, y restringir las decisiones de cancelar o escalar a los peldaños superiores evita el fallo de gobernanza más común: cancelar casos de uso por cifras débiles de adopción mientras se escalan casos de uso que muestran uso pero ningún movimiento en los KPI.
Por qué la mayoría de las presentaciones de ROI de IA no superan la prueba del CFO, y cómo superarla
Armados con el puente, al mirar de nuevo la típica presentación de ROI de IA los modos de fallo se vuelven fáciles de nombrar:
- Cifras de referencia sin atribución: datos de encuestas del sector presentados como si fueran resultados de tu propia empresa
- Aritmética de horas ahorradas sin mecanismo: 40.000 horas multiplicadas por una tarifa cargada, sin respuesta a en qué línea de la cuenta de resultados aterriza el dinero
- Sin contrafactual: una diferencia reclamada frente a una línea base que nunca se congeló, en un entorno donde otros cinco programas de cambio se ejecutaron simultáneamente
- Sin partida financiera nombrada: valor descrito en el lenguaje de la productividad, nunca en el lenguaje del plan de cuentas
La prueba del CFO comprime todo esto en una frase: nombra el KPI, nombra el mecanismo, nombra el contrafactual, o el número no cuenta. Una presentación construida sobre el puente responde cada objeción en orden. A la pregunta de si la herramienta se usa, muestra la evidencia del segundo peldaño vinculada al flujo de trabajo específico. A la de si algo cambió, muestra el mapa de procesos del antes y el después en el tercer peldaño. A la de si el KPI se movió, muestra la línea base congelada y la diferencia medida en el cuarto peldaño. A la de dónde está el dinero, nombra el mecanismo y la partida en el quinto peldaño. Y a la de si la IA lo causó, muestra el diseño de atribución en el contrafactual. Cada afirmación está un peldaño por encima de la pregunta que la provoca, y nada se apoya en una referencia tomada de la encuesta de otra empresa.
Aquí es también donde el propio trabajo de análisis necesita estructura. Decisity es una plataforma de estrategia nativa de IA que utilizan las oficinas de CFO y CSO para construir exactamente este tipo de análisis de puente de valor sobre los documentos de la propia empresa: entran los briefs de alcance, la documentación de procesos, las líneas base y las cifras financieras, y sale el puente de valor por caso de uso como una presentación lista para el consejo con cada afirmación vinculada a su fuente. Cuando la prueba del CFO se aplica en la reunión, la evidencia detrás de cada peldaño está a un clic de distancia, que es la diferencia[7] entre un número que sobrevive al escrutinio y uno que no. Puedes ver cómo la plataforma estructura este trabajo en Decisity platform.
Related: la plataforma Decisity de consultoría estratégica con IA.
