No se necesita una IA para rentabilizar la inversión en tecnología, solo hacer esto…

Voy a partir de un principio muy sencillo, pero que se olvida con demasiada frecuencia, la tecnología no genera valor por sí sola. Lo que sí lo hace es su gestión consciente, medible y conectada con la rentabilidad. La inteligencia artificial está de moda. Se invierte en ella con la fe ciega con la que, en otra época, se invertía en oro, burbujas puntocom o NFT. Pero si no se analiza con rigor el esfuerzo y el retorno, la inversión en IA se convierte en gasto.

Y es que la estimación es, probablemente, la habilidad menos sexy y menos visible de un proyecto… y, paradójicamente, una de las más críticas.

Vamos a ponerlo en perspectiva.

Inversión en IA

A día de hoy, las empresas que adoptan IA no lo hacen porque comprendan completamente su impacto económico sino porque no quieren quedarse fuera de una carrera en la que creen que deben participar. Según un informe de McKinsey (2023), el 55% de las organizaciones ya han adoptado IA en al menos una función de negocio. Sin embargo, solo el 23% afirma haber tenido un retorno económico claro ¿Dónde está el desfase? En la gestión. Y, en el corazón de esa gestión, en la estimación.

Podríamos pensar que hacer estimaciones es simplemente decir cuánto costará algo o cuánto tiempo llevará. Pero no. Estimar es priorizar, enfocar y decidir. Es definir cuánto vale una idea antes de que consuma recursos. Es entender si una funcionalidad va a ahorrar millones… o solo parecer impresionante en una demo.

Si no se analiza con rigor el esfuerzo y el retorno, la inversión en IA se convierte en gasto

La IA puede acelerar los desarrollos, automatizar decisiones o mejorar la eficiencia. Pero, si no sabemos cuánto nos cuesta cada punto de mejora, no sabremos si estamos avanzando o simplemente corriendo sin rumbo.

Un estudio del Project Management Institute (PMI) mostró que los proyectos con estimaciones rigurosas y validaciones periódicas tienen un 70% más de probabilidad de terminar a tiempo y dentro del presupuesto. Y no hablamos de metodologías esotéricas, sino de algo tan básico como tener claro qué se va a hacer, cuánto va a costar, qué valor va a generar y cómo se medirá.

Pensemos que en 2023 Gartner publicó que más del 80% de los proyectos de IA no llegan a producción o no logran el impacto esperado. La mayoría fracasa no por problemas técnicos, sino porque no se alinearon con una estrategia clara y medible. Y aquí entra en juego una variable determinante, la estimación del esfuerzo, del impacto y de los riesgos.

De hecho, el informe CHAOS Report del Standish Group lleva décadas señalando lo mismo. Los proyectos que se gestionan sin una estimación clara tienen tres veces más probabilidades de fallar.

Podríamos pensar qué tiene que ver esto con la economía. Pues la respuesta es, que todo. Porque invertir sin estimar es como abrir una planta de producción sin planos, ni idea de cuánto material necesitas, ni de cuánto vas a vender. No lo harías en una fábrica, pero sí se hace a diario en tecnología.

Hoy se invierte en IA como se invirtió en CRM en los 2000 o en apps móviles en los 2010. Es parte del ciclo natural de la innovación. Pero hay un riesgo claro, confundir velocidad con dirección.

Si todo lo que lleva el apellido “inteligencia artificial” se da por bueno, es probable que el presupuesto vuele, que las soluciones no escalen y que, al final, se cuestione la tecnología en lugar de cuestionar su gestión.

Una buena estimación permite saber si vale más la pena automatizar una tarea o formar a una persona, entender si lo que parece caro a corto plazo tiene un retorno exponencial a medio y elegir entre varias soluciones con un criterio basado en valor, no en moda.

La IA tiene un potencial inmenso. Eso es indiscutible. Pero el valor que genera no está en el algoritmo, sino en el uso que se hace de él. Y para saber si ese uso vale la pena, hay que medir. Y para medir bien, hay que estimar desde el principio.

La estimación es, por tanto, el primer acto de responsabilidad económica en cualquier iniciativa tecnológica. Es lo que permite responder con rigor a la pregunta que todos los directores financieros se hacen, “¿Esto nos va a salir rentable?”

La IA puede hacer muchas cosas. Pero aún no puede estimar por nosotros el impacto económico real de nuestras decisiones. Para eso, hace falta algo que no se entrena con datasets: criterio, experiencia y responsabilidad.

¿Quieres mejorar la rentabilidad de tus proyectos con IA? No empieces solo por el modelo, empieza también por la estimación. Porque sin una buena base, la inteligencia artificial deja de ser una inversión… y se convierte en una ilusión costosa.