El dividendo de decisión: cómo la IA crea valor económico

La mayoría de las empresas saben exactamente lo que gastan en mano de obra, materias primas y equipo de capital. Pocos, sin embargo, pueden cuantificar cuánto gastan en la toma de decisiones, a pesar de que las decisiones determinan casi todos los aspectos del rendimiento empresarial, desde los precios y la producción hasta la asignación de capital y el servicio al cliente.

Durante décadas, las organizaciones no tuvieron más alternativa que absorber esos costos porque las mejores decisiones dependían casi por completo del juicio humano, el análisis y la coordinación. Pero muchas empresas hoy confían cada vez más en las herramientas de IA para optimizar y acelerar la “decisión”, el proceso de establecer estrategias y seleccionar la siguiente mejor acción, en todas las funciones comerciales. Sin embargo, pocas empresas logran replicar esos beneficios a escala, lo que plantea preguntas sobre el verdadero valor económico de la IA.

Se mantiene el debate sobre cómo la IA confiere valor, y la investigación a menudo se centra en la productividad y la reducción de costos. Esa perspectiva centrada en los costos puede enfatizar demasiado el potencial de reducción laboral mientras pasa por alto el valor que genera la IA al ayudar a las empresas a tomar decisiones más acertadas y más rápidas, desde hacer un mejor uso de los activos existentes hasta capturar oportunidades que de otro modo perderían.

La IA debe verse no solo como una tecnología de ahorro de personal, sino también como una que permita decisiones más baratas y mejores. Para entender el impacto económico de la IA como una herramienta para la toma de decisiones, tres preguntas son centrales: ¿Puede la IA generar buenos rendimientos sobre el capital invertido? ¿De dónde proviene realmente su valor económico? ¿Y qué métricas y prácticas de gestión permiten a las empresas capturar ese valor a escala?

Responder a la primera pregunta, si la IA puede generar rendimientos atractivos sobre el capital invertido, implica una pregunta simple: si los rendimientos de esa tecnología exceden sus costos. Para la IA, ambos lados de la ecuación difieren de las ondas anteriores de cambio tecnológico.

A diferencia de muchas tecnologías anteriores la IA no requiere que las organizaciones construyan o sean propietarias de la infraestructura subyacente. Eso provoca menos inversión que otras innovaciones, como la máquina de vapor, que requería fábricas y sistemas de producción rediseñados, o la electrificación, que requería acceso a redes de transmisión y distribución. La IA sigue un modelo diferente. Los hiperescaladores invierten cientos de miles de millones de dólares para construir y operar centros de datos, y luego brindan capacidades de IA como un servicio compartido a millones de organizaciones. En 2026, se espera que los gastos de capital de los cuatro mayores hiperescaladores superen los 700 mil millones de dólares Las empresas pueden acceder a la IA a través de precios basados en el uso sin hacer grandes inversiones de capital por adelantado.

Esa infraestructura compartida cambia profundamente el costo de la aplicación de la IA. Ésta puede reducir el costo de la toma de decisiones en más del 90 %. Los datos sugieren que la IA puede cambiar la toma de decisiones de semanas o meses a segundos. Ninguna tecnología de propósito general anterior se volvió económicamente viable para un número tan grande de organizaciones tan rápido. La máquina de vapor tardó aproximadamente 55 años en alcanzar ese umbral, el dinamo eléctrico unos 30 años e Internet unos siete.

Los hallazgos sobre la paridad de costos sugieren que la IA ya no está limitada por la economía y que cualquier empresa puede beneficiarse potencialmente de la IA. La pregunta, entonces, es: ¿Por qué la mayoría de las organizaciones aún reportan poco o ningún impacto medible en las ganancias? La respuesta parece estar en la estrategia de implementación. La mayoría de las empresas superponen copilotos, chatbots y paneles de control en sus procesos existentes, produciendo solo ganancias financieras modestas. Pero las que rediseñan flujos de trabajo de extremo a extremo en torno a la IA a menudo logran tres dólares de ganancias por cada dólar invertido y períodos de recuperación de uno a dos años.

Dado que mucha investigación de IA se concentra en la reducción de costos, los directivos no pueden ser culpados si se centran en ese beneficio, ni se podría criticar a los trabajadores por temer que podrían perder sus empleos por una máquina. Pero una mirada a los gastos de ventas, generales y administrativos (SG&A), sugiere que la fuente del valor de la IA es en realidad más compleja. En la mayoría de las empresas, incluso las maduras, SG&A generalmente implica entre el 5 % y el 12 %. Incluso grandes reducciones en esos costos no explicarían cómo la IA podría mejorar potencialmente el EBITDA en un 20 %.

Si la reducción de costos por sí sola no puede tener en cuenta el impacto financiero de la IA, deben estar involucradas otras fuentes de valor. Muchos de esos beneficios son menos visibles porque no surgen de la eliminación de puestos de trabajo, sino de la mejora de la forma en que las organizaciones toman decisiones. Nuestro análisis sugiere que gran parte del valor económico de la IA surge de las siguientes fuentes:

• Una acción más rápida. Con la IA, se pueden comprimir los ciclos de decisión de días a horas, lo que facilita tomar medidas rápidas para abordar los problemas y mejorar los resultados. Pero la implementación de la IA por sí sola no garantizará decisiones rápidas; las empresas también deben revisar sus ciclos de planificación y los flujos de trabajo asociados, que tienden a ser largos.

• Mejor uso de los activos existentes. Muchas empresas invierten mucho en nueva capacidad porque los activos existentes parecen estar operando al límite. En realidad, los horarios de producción, los planes de mantenimiento y los parámetros de operación a menudo se basan en suposiciones obsoletas. El resultado es un menor rendimiento, tiempo de inactividad innecesario y equipo que entrega menos de lo que podría.

• Mejora de la capacidad para capturar oportunidades. El crecimiento débil a menudo se atribuye a las condiciones del mercado o a las limitaciones de capacidad. En la práctica, las organizaciones frecuentemente pierden oportunidades al no reaccionar lo suficientemente rápido o permanecer restringidas por suposiciones obsoletas que no consideran la capacidad de la IA para transformar los plazos y la economía.

Aunque el potencial de la IA es claro, las empresas aún pueden tener dificultades para determinar si están capturando todo el potencial de esa tecnología. Mirar los costos de SG&A dará una imagen incompleta porque gran parte del valor proviene de otras fuentes que no aparecen como simples elementos de línea en un balance.

Al carecer de métricas financieras objetivas claras, muchas organizaciones incumplen otros indicadores para medir su éxito, como el número de herramientas de IA con licencia, modelos desplegados o pilotos lanzados. Si bien esas métricas miden la ambición, dicen poco sobre los rendimientos potenciales. Además, es posible que no den una imagen real de la actividad de IA de la empresa. Incluso una empresa con múltiples herramientas de IA puede no usarlas de manera adecuada.

Para lograr mejores resultados, cuando muchas empresas aún no obtienen ganancias, se debe recurrir a los fabricantes y a otras empresas industriales. Esas compañías aprendieron que el rendimiento de una fábrica debe ser evaluado por lo que produce, no por la cantidad de nuevos equipos instalados. El mismo principio se aplica a la IA: lo que importa no es cuántas herramientas hay, sino cuántas decisiones se optimizan.

Al igual que con cualquier métrica, el rendimiento de la decisión por sí solo no proporciona una imagen completa del rendimiento o los resultados potenciales. Otros factores, como los modelos operativos, la gobernanza y la gestión del cambio, pueden influir en el éxito de los esfuerzos de IA.

Más decisiones implican más valor. Los altos costos operativos pueden borrar los beneficios de un mayor rendimiento, mientras que las decisiones que son inexactas o de bajo valor contribuyen poco a los resultados comerciales. Centrarse en seis prioridades puede ayudar a los CEO a mejorar el rendimiento de la decisión de la IA y el valor creado por cada decisión:

• Comience donde las decisiones son más importantes. Las mayores ganancias generalmente provienen de la mejora de las decisiones que afectan directamente a la producción, la asignación de recursos, los resultados de los clientes o la eficiencia del capital, áreas donde las decisiones son costosas de tomar y económicamente importantes. Los primeros esfuerzos deben centrarse en las decisiones con mayores consecuencias económicas.

• Enfóquese en la toma de decisiones en áreas seleccionadas antes de expandirse. Las organizaciones deben demostrar un impacto económico medible en una o dos áreas críticas antes de extender la toma de decisiones de IA a otras. Los primeros éxitos crean experiencia operativa, código reutilizable y conocimiento práctico que reduce el costo y el riesgo de futuras implementaciones.

• Aprenda rápidamente. Cada ola tecnológica importante produjo más experimentos fallidos que exitosos. El objetivo no es eliminar el fracaso, sino hacer que la experimentación sea barata, identificar rápidamente los dominios de decisión de alto retorno y redistribuir los recursos hacia las aplicaciones que crean el mayor valor económico.

• Definir la responsabilidad. Las personas deben tener confianza en que existen salvaguardas adecuadas cuando la IA maneja ciertas decisiones. Las empresas pueden aumentar su confianza especificando cuándo la IA puede actuar de forma independiente, cuándo se requiere una escalada a la revisión humana y quién es responsable de los resultados finales.

• Seguimiento de los resultados económicos, no de la actividad. Las licencias compradas, los modelos desplegados y los pilotos lanzados revelan poco sobre el rendimiento empresarial. Las métricas deben centrarse en el rendimiento de las decisiones, la utilización de activos, el crecimiento de los ingresos, la mejora del margen y otras medidas vinculadas directamente al valor económico.

• Tratar el retraso como un costo. Una iniciativa de 50 millones de dólares pospuesta por cuatro trimestres puede convertirse en un problema de 75 millones a 100 millones de dólares, no porque la tecnología cambie, sino porque la organización perdió un año de aprendizaje, mejora operativa e impacto financiero.

La economía de la IA a menudo se enmarca como una historia laboral, pero eso no explica la magnitud de los rendimientos logrados por los principales adoptantes. Esas ganancias surgen porque la IA permite a las organizaciones tomar mejores decisiones más rápido, no sólo porque reduce los costos laborales. Las mejores decisiones mejoran el uso de los activos existentes, aumentan la flexibilidad organizacional y permiten a las empresas capturar oportunidades que los competidores más lentos pierden. La ventaja competitiva no vendrá de tener IA, sino de construir una organización que pueda convertir consistentemente mejores decisiones en mejores resultados comerciales.