Casi todos los proyectos de IA se justifican con la misma palabra, productividad. Es una métrica cómoda. Siempre sale bien, nadie la audita y no compromete a nada. «El equipo es más productivo» es una frase que no se puede facturar ni refutar.
Nosotros preferimos la métrica incómoda, qué ganancia concreta dejó el sistema. Horas que ya no se pagan por una tarea mecánica. Solicitudes que antes se enfriaban y ahora se cierran. Un servicio que antes no se podía ofrecer y ahora sí. Si no podemos señalar la ganancia, no defendemos el proyecto.
La productividad difusa es el síntoma del proyecto difuso
Cuando un proyecto solo puede justificarse con productividad genérica suele ser porque nadie definió qué debía mover. Se construyó la capacidad, «ahora tenemos un asistente», en lugar de perseguir el resultado, «las solicitudes se responden en minutos y el equipo cierra más visitas».
La diferencia se ve en nuestros propios casos. En la inmobiliaria con la que trabajamos, la medida no es «el equipo va más rápido». Son más de tres horas al día que dejaron de gastarse en cribar solicitudes. Cada consulta costaba antes entre cinco y diez minutos de comprobación manual. En la gestora de fincas, la medida es que las facturas dejaron de teclearse. Cifras pequeñas y concretas. Se pueden comprobar y por eso valen.
El sector entero acaba de medirse con esta métrica
Y el resultado explica por qué insistimos.
En agosto de 2025, un informe del MIT titulado «The GenAI Divide» recorrió más de trescientas iniciativas de IA en empresas, con entrevistas y encuestas a directivos. Su titular dio la vuelta al mundo, el 95 % de las organizaciones no llegaba a ningún impacto medible en la cuenta de resultados. El método recibió críticas, así que lo cruzamos con algo más grande.
La encuesta global de McKinsey sobre el estado de la IA, publicada unos meses después con casi dos mil directivos de más de cien países, midió lo mismo desde otro ángulo. Más de ocho de cada diez organizaciones no ven un impacto tangible de la IA generativa en su resultado de explotación. Y eso con casi nueve de cada diez usando ya IA en alguna función.
La lectura fácil de esas cifras es que la IA no funciona. No es la nuestra y tampoco es la de los informes.
Lo que los dos describen es adopción masiva sin integración ni medida, pilotos que se quedan en demostración y capacidades construidas sin un resultado que perseguir. Exactamente el proyecto difuso del principio, el que se justifica con productividad genérica porque nadie definió qué debía mover. El 95 % no dice que la tecnología falle. Dice que sin una ganancia definida no hay manera de demostrar que funcionó.
El pequeño grupo que sí extrae valor comparte patrón, según ese mismo informe: procesos concretos, integración con los sistemas que ya existen y resultados definidos antes de construir. La métrica incómoda, con otro nombre.
Cómo se compra IA con esta métrica
Nuestro método empieza por esa pregunta y a veces incomoda. La primera fase no es elegir tecnología, es mapear dónde duele y traducir cada caso posible a su ganancia esperada. La segunda es descartar. De todos los casos que la IA «podría» resolver, casi siempre sobra la mayoría. O la ganancia es difusa o el caso no es viable todavía.
Si algo no compensa, lo decimos antes de cobrarlo, porque un proyecto sin ganancia definida es exactamente el tipo de proyecto que muere a los seis meses. Y a los que sí arrancan les espera el segundo examen, mantenerse vivos.
Esto también cambia las conversaciones de presupuesto. Un sistema que le devuelve tres horas al día a un equipo se defiende solo delante de cualquier dirección financiera. Un sistema que «mejora la productividad del equipo» compite contra todas las demás cosas que también la mejoran, desde otro monitor hasta una silla mejor.
La transformación que multiplica
Hay una razón de fondo para ser exigentes con la métrica. La transformación digital fue en gran parte aditiva, cada herramienta sumaba su ahorro. La transformación con IA, bien hecha, es multiplicativa. Un sistema que filtra solicitudes ahorra las horas de la criba y además libera al equipo para otra cosa, así que cambia cuántas operaciones caben en un mes. Precisamente porque el potencial es multiplicativo, medirlo con una métrica que no se puede auditar es desperdiciarlo.
La productividad llega igualmente, no la despreciamos. Pero llega como consecuencia, no como justificación.
La pregunta cabe en cualquier reunión. ¿Qué ganancia concreta dejó este sistema el mes pasado? Si la respuesta empieza por «productividad», estás oyendo otra vez la frase que no se puede facturar ni refutar.
Si tienes un proceso concreto donde la ganancia se puede señalar con el dedo, empieza por automatización de procesos con IA. Si todavía estás decidiendo dónde aplicarla, en la guía de agentes de IA contamos cómo separar los casos que compensan de los que no. La otra mitad de esa cuenta es lo que cuesta el sistema y la desglosamos en la guía de coste.
Si quieres ponerle cifra a una tarea concreta, nuestra herramienta gratuita cuenta lo que hoy pierdes con ella y te dice si compensa automatizarla.