El boom de la inteligencia artificial que sacudió a Silicon Valley al inicio de este año se ha convertido en una paradoja para muchas organizaciones. Mientras los CEOs incentivaban a sus equipos a experimentar con la IA en todas sus facetas—desde la generación de código hasta la creación de contenido creativo—la realidad corporativa ha mostrado un contraste marcado: la inversión a gran escala y la obtención de un retorno medible siguen siendo un reto.
El fenómeno del “tokenmaxxing” —una estrategia donde las empresas compran grandes cantidades de tokens o créditos de IA para obtener descuentos o ventajas—se manifestó en compañías como Uber, que supuestamente agotó su presupuesto anual de IA en cuestión de meses. En contraste, otras corporaciones han optado por recortar licencias de Claude y otros modelos, o incluso han abandonado programas internos de gamificación, como lo hizo Meta al eliminar su tabla de clasificación interna.
Tiffany Luck, analista senior de NEA, ha señalado que este fenómeno no es nueva. “Las organizaciones están tratando de encontrar un equilibrio entre la innovación rápida y la sostenibilidad financiera”, afirma. Su comentario hace eco de la tensión constante entre la necesidad de mantenerse competitivas y la presión de justificar cada dólar invertido ante los accionistas.
Para entender por qué el retorno de inversión (ROI) en IA sigue siendo una incógnita, primero debemos reconocer que la IA no es un proyecto con un único punto de entrada y salida. Los modelos de lenguaje, la visión por computadora y las plataformas de automatización de procesos robóticos (RPA) requieren una infraestructura robusta, talento especializado y, sobre todo, datos de calidad. El costo de adquirir, limpiar y mantener estos datos puede superar el gasto en licencias de software.
Además, la métrica tradicional de ROI—ingresos generados menos costos—se complica cuando el valor de la IA se materializa en aspectos intangibles: mejora de la experiencia del cliente, reducción de errores humanos o optimización de procesos internos. Muchas empresas todavía no cuentan con marcos de medición que traduzcan estas mejoras en números palpables.
Un estudio reciente de McKinsey reveló que solo el 30 % de las organizaciones que implementaron IA reportaron un aumento cuantificable en sus ingresos en los primeros 12 meses. La mayoría de las iniciativas se centraron en la automatización de tareas repetitivas, donde el beneficio es evidente, pero el margen de ganancia suele ser bajo.
Para los profesionales de tecnología, esto significa que la estrategia de IA debe ir más allá de la adopción tecnológica. Se requiere un enfoque integral que incluya:
- Definición de objetivos claros: ¿Se busca mejorar la eficiencia operativa, crear nuevos flujos de ingresos o fortalecer la toma de decisiones? Cada objetivo demandará métricas distintas.
- Desarrollo de un framework de medición: Integrar indicadores de desempeño (KPIs) que vinculen la IA con resultados comerciales, como tiempo de respuesta, tasa de error o satisfacción del cliente.
- Gestión de talento y cultura: Fomentar la colaboración entre data scientists, ingenieros de software y expertos en negocio para traducir la tecnología en soluciones alineadas con la estrategia corporativa.
- Gobernanza y gobernanza de datos: Establecer políticas claras sobre la calidad, el acceso y la seguridad de los datos, ya que la IA es tan buena como la información que la alimenta.
El caso de Meta, que decidió eliminar su leaderboard interno, ilustra cómo la cultura corporativa puede influir en la adopción de la IA. Los líderes de Meta creyeron que la competición interna podría fomentar la innovación, pero también generó presión y desalineación entre los equipos. Al retirar la tabla de clasificación, la compañía buscó crear un entorno más colaborativo, pero también perdió una herramienta de medición de desempeño.
El desafío para las empresas es equilibrar la necesidad de impulsar la innovación con la responsabilidad de justificar los costos. A medida que los precios de los créditos de IA se estabilizan y las plataformas de código abierto ganan terreno, la barrera de entrada disminuye, pero la complejidad de la gestión y la medición aumenta.
En conclusión, el ROI de la IA no es una cuestión de tecnología, sino de estrategia y cultura corporativa. Las organizaciones que logren integrar métricas claras, fomentar la colaboración interdisciplinaria y alinear sus iniciativas de IA con objetivos comerciales concretos estarán mejor posicionadas para transformar el potencial de la inteligencia artificial en valor tangible.
