Doxa 2477

Según una nueva encuesta, siete factores impulsan el retorno de la inversión en IA

Y cómo las empresas pueden prever el impacto que la IA podría tener en sus beneficios

Por Thomas H. Davenport y Laks Srinivasan

IA generativa

Harvard Business Review

#Doxa #IA #RetornoDeInversión #BeneficiosEmpresariales #TransformaciónDigital #Estrategia #Innovación #Tecnología #Negocios #Productividad #Automatización #Datos #Eficiencia #Futuro #Liderazgo #Crecimiento

Resumen. Los líderes se enfrentan a una enorme presión para cumplir con los objetivos de IA. Para comprender cómo están afrontando esta situación, los investigadores encuestaron a 1006 altos ejecutivos globales que conocían de cerca las iniciativas de IA de sus organizaciones y entrevistaron a 12Líderes de tecnología, datos e IA en organizaciones empresariales. Identificaron siete factores que pueden impulsar el valor económico de la IA: 1) claridad sobre qué tipo de valor intenta lograr la organización, 2) búsqueda de valor tanto en productos como en procesos, 3) uso de todas las herramientas disponibles en el conjunto de herramientas de IA, 4) adopción de un marco o método para crear valor con IA, 5) participación del departamento de finanzas en la certificación del valor creado con IA, 6) capacitación tanto de usuarios como de líderes en el uso de la IA, y 7) adopción de un modelo de madurez económica para comprender cómo la IA está creando valor para la organización.

Las organizaciones están invirtiendo grandes sumas de dinero en IA. Según una estimación. las empresas estadounidenses gastaron 37 mil millones de dólares en 2025 solo en IA generativa. Cada vez más, los altos ejecutivos y los consejos de administración preguntan sobre el retorno de la inversión, y existen consecuencias inminentes para los líderes que no tengan buenas respuestas. El 71 % de los directores de sistemas de información (CIO) globales encuestados recientemente afirmaron que sus presupuestos para IA se congelarían o recortarían si no se pudiera demostrar el valor de la IA en un plazo de dos años.

Queríamos analizar más de cerca el desempeño de las empresas en este ámbito y sus perspectivas para el futuro cercano. Por ello, a finales de 2025 y principios de 2026, realizamos un estudio de investigación (patrocinado por la división de formación en IA de Scaled Agile) sobre la percepción que tienen las empresas del valor de la IA y cómo lo están obteniendo. Este estudio incluyó entrevistas con 12 líderes en tecnología, datos e IA de grandes empresas y una encuesta a 1006 altos ejecutivos globales con un profundo conocimiento de las iniciativas de IA de sus organizaciones.

Los resultados fueron sorprendentemente positivos: el 45 % de los encuestados afirmó obtener un gran valor de la IA, y otro 45 % indicó obtener un valor moderado. Solo el 9 % señaló que su organización obtenía un valor mínimo, y prácticamente ninguno (0,2 %) afirmó no obtener ningún valor. Este nivel relativamente alto de valor percibido contrasta con algunos estudios ampliamente difundidos que sugerían rendimientos mucho menores, aunque estos se centraban únicamente en el valor de la IA generativa.

Sin embargo, la verdadera sorpresa reside en cómo las empresas generan valor. Descubrimos que existen al menos siete factores que pueden impulsar el valor económico de la IA. Además, varias de estas palancas de valor pueden combinarse en un modelo de madurez económica para la IA que puede generar un valor sustancial.

Siete factores que impulsan un alto valor de la IA

Empecemos por lo que no genera valor. (Al menos, todavía no). La reducción de personal, por ejemplo, aún no es un factor determinante; en un artículo anterior informamos que solo el 2 % de las reducciones anunciadas o la ralentización de las contrataciones se deben realmente a las capacidades de IA existentes en producción. El resto son beneficios anticipados de la IA o un «lavado de imagen mediante IA» de las reducciones realizadas por otros motivos. La IA generativa tampoco está generando aún un alto nivel de valor para las empresas. La creación de puestos de director de IA (o director de datos e IA) tampoco está impulsando la creación de valor.

Según los encuestados y los líderes tecnológicos empresariales, los datos, basados ​​en siete factores, apuntan en una sola dirección: las organizaciones que más se benefician de la IA no son necesariamente las que cuentan con la tecnología más sofisticada. Lo que las diferencia es algo más fundamental: la claridad con la que los líderes definen qué significa el valor para su organización, a quién responsabilizan de su consecución y la seriedad con la que abordan la medición, no como un simple ejercicio de elaboración de informes, sino como una disciplina de gestión.

Esto es lo que parece estar funcionando en las empresas de alto valor:

1. Ten claro qué tipo de valor estás tratando de lograr.

La gran mayoría de los encuestados afirma obtener valor de la IA. Sin embargo, la definición de ese valor varía considerablemente. Por ejemplo, el 14 % de los encuestados declara recibir un gran valor de la IA, pero un retorno de la inversión mínimo en la tecnología. Del mismo modo, el 9 % reporta un valor moderado, pero un retorno de la inversión sustancial.

¿Qué está pasando aquí? En pocas palabras: el valor es subjetivo. En estas respuestas, el valor debe entenderse como «la IA está haciendo lo que queremos que haga».

Algunas organizaciones buscan un retorno de la inversión a corto plazo, otras una transformación a largo plazo. Prem Natarajan, vicepresidente ejecutivo y director de IA empresarial, datos y tecnologías para el personal en Capital One, comentó por qué el banco no está interesado en buscar únicamente rentabilidad a corto plazo:

El enfoque en el valor a corto plazo es la razón por la que muchas empresas nunca logran la transformación tecnológica que les permite generar valor a largo plazo. Solo las compañías que se basan en una infraestructura tecnológica moderna y que invierten profundamente en datos propios estarán en condiciones de transformar su negocio al situar la IA en el centro de la estrategia.

Otras organizaciones, sin embargo, pueden estar centradas en obtener un retorno de la inversión más inmediato en IA. En cualquier caso, los líderes deben tener claro qué pretenden lograr y por qué.

2. Busque valor tanto en los productos como en los procesos, incluso si el beneficio no es inmediato.

La mayoría de las organizaciones se centran en el valor de la IA derivado de la mejora de los procesos internos. Sin embargo, varios de los ejecutivos que entrevistamos estaban igualmente o más centrados en la IA aplicada a las ofertas para los clientes.

Una de ellas fue Laura Matz, directora científica y tecnológica de Merck KGaA, con sede en Darmstadt, Alemania, empresa que opera en los sectores de ciencias de la vida, salud y electrónica. Matz afirmó que la diversificada compañía cuenta con iniciativas de IA tanto orientadas a procesos como centradas en productos. La mayoría de los productos o nuevos negocios que incorporan IA son relativamente nuevos y se encuentran en fase piloto, por lo que resulta difícil valorarlos hasta que alcancen una mayor escala. Las nuevas ofertas basadas en IA pueden requerir el desarrollo de nuevos ecosistemas, nuevos modelos de negocio o nuevas tecnologías, pero tras más de 350 años de trayectoria, Merck KGaA mantiene una visión a largo plazo de la innovación.

Philippe Rambach, director de IA de Schneider Electric, la multinacional francesa de tecnología energética, describió un doble enfoque estratégico. Las aplicaciones internas de IA generan beneficios financieros más inmediatos, ayudando a los empleados a trabajar con mayor rapidez y eficiencia, a la vez que brindan una mejor atención al cliente. La IA orientada al cliente en Schneider representa una estrategia a largo plazo centrada en captar cuota de mercado en mercados en constante evolución. Cada enfoque requiere diferentes métodos para medir el éxito y plazos distintos para obtener resultados.

La IA también puede entenderse como una forma de defender el valor de una empresa. Julien Sauvagnargues, presidente de Olympus Corporation of Americas, cuyos endoscopios médicos utilizan IA para identificar pólipos potencialmente cancerosos y reducir la carga administrativa de la documentación, señaló que las empresas deben considerar las soluciones de IA como una forma de proteger la cuota de mercado, y no solo como vías para generar nuevo valor.

La IA resulta atractiva en el mercado. Si no la integramos en nuestros productos, perderemos cuota de mercado. Sabemos cuánto nos costará la IA y cuánto nos costará no implementarla.

Olympus también utiliza la IA para alcanzar objetivos de productividad personal, pero aún no mide los beneficios en este sentido.

3. Utilice todas las herramientas disponibles en el conjunto de herramientas de IA.

La IA generativa domina la cobertura mediática, pero no es lo que la mayoría de las organizaciones consideran más valioso. Entre los encuestados, el 50 % afirmó que sus empresas obtienen el mayor valor de la IA analítica, como la fijación dinámica de precios o la segmentación de clientes. La IA basada en reglas, presente a menudo en sistemas de prevención del blanqueo de capitales, suscripción de seguros y sistemas de apoyo a la toma de decisiones clínicas en el sector sanitario, así como en la automatización robótica de procesos, ocupó un cercano segundo lugar; el 40 % de los encuestados indicó que estas herramientas generaban el mayor valor. Solo el 9 % optó por la IA generativa y apenas el 2 % por la IA basada en agentes, si bien estas últimas, por supuesto, solo llevan unos pocos años en uso generalizado.

Dicho esto, la adopción por parte de agentes es un indicador del valor de la IA; quienes la adoptan tienen un 22 % más de probabilidades de afirmar haber obtenido un gran valor de la IA en general que quienes no la adoptan, y también es más probable que empleen prácticas de valor económico relativamente maduras.

4. Adoptar un marco o método para lograr valor.

Ya sea mediante un enfoque personalizado o basado en la literatura sobre gestión, una metodología estructurada para llevar la IA desde la idea hasta la producción y la obtención de valor cuantificable suele ser esencial para generar valor. Ally Financial, el grupo bancario estadounidense, cuenta con un manual de IA personalizado que guía a sus líneas de negocio desde la exploración de casos de uso hasta la implementación responsable en producción. En otro caso, una empresa eléctrica utiliza el enfoque de "etapas y puertas" —más común en I+D— para gestionar este mismo proceso.

Sin embargo, el enfoque más común entre los entrevistados es el centrado en productos digitales. que gestiona las ofertas de IA tanto internas como externas como productos, desde su concepción hasta su implementación y uso continuo.

Shamin Mohamed, vicepresidente ejecutivo y director de información y tecnología de CarMax, el minorista estadounidense de coches usados, destacó la orientación al producto como el factor más importante para lograr valor: "Aporta una estructura para proponer beneficios, revisarlos a lo largo del tiempo, modificar el negocio y lograr que las partes interesadas asuman la responsabilidad del valor alcanzado".

Cualquier marco de valoración también debe incluir un medio para preparar los datos para la IA: el 55 % citó los datos no preparados como un impedimento para la generación de valor, lo cual coincide con otras encuestas.

5. Involucre al director financiero y al departamento de finanzas en la consecución y certificación de valor.

La mayoría de las organizaciones asignan la responsabilidad de generar valor en IA al director de datos, análisis e IA (38%) o a ejecutivos funcionales específicos (35%). Solo el 2% la asigna al director financiero, pero cuando este es responsable de lograr valor en IA, el 76% de las organizaciones encuestadas reportaron haber obtenido un valor considerable. Esto se compara con el 53% bajo la responsabilidad de los directores de informática o de tecnología, y solo el 32% bajo la de los ejecutivos funcionales. La función financiera aporta rigor, credibilidad y autoridad organizacional de las que a menudo carecen otros roles.

Varias de las empresas que entrevistamos cuentan con organizaciones financieras que se asocian con ejecutivos de tecnología para certificar el valor de la IA. Nimish Panchmatia, quien supervisa la IA en el banco DBS, con sede en Singapur, describió su enfoque:

Desde 2021, el banco incluye en su Informe Anual el valor económico generado por el análisis de datos y la IA. Realizan un seguimiento de los resultados de las pruebas A/B, cuantifican la diferencia como valor económico y el director financiero de cada unidad valida sus respectivas cifras, que luego se consolidan en una cifra global a nivel de grupo.

6. Capacitar tanto a los usuarios como a los ejecutivos en inteligencia artificial.

El desafío se presenta en dos niveles: el 58 % de las organizaciones no ha capacitado a sus empleados en productividad con IA ni en el uso de herramientas, mientras que el 29 % reconoce que los líderes carecen de los conocimientos necesarios para impulsar la creación de valor mediante la IA. Las organizaciones que invierten tanto en la capacitación de sus empleados como en la fluidez de sus líderes en IA obtienen una ventaja de 23 puntos porcentuales en la generación de valor.

Fundamentalmente, la adopción por parte de los empleados no es el obstáculo: solo el 13 % menciona la resistencia de la fuerza laboral como un impedimento para la obtención de valor de la IA. Los empleados no se resisten, sino que esperan un liderazgo sénior eficaz y la eliminación de otras barreras, como la falta de marcos de valor y datos insuficientes.

7. Siga un modelo de madurez del valor económico de la IA.

Estos modelos predicen niveles de logro de valor significativamente diferentes. Este modelo de madurez económica se basa en tres componentes.

La primera opción es simplemente implementar sistemas de IA en producción: los proyectos piloto y los experimentos pueden ser útiles para el aprendizaje, pero no generan valor económico. Cuantos más casos de uso en producción, mejor; solo el 6 % afirma tener actualmente uno o más proyectos piloto, pero ningún caso de uso en producción, mientras que el 58 % indica tener uno o pocos casos de uso en producción, y el 36 % cuenta con numerosos casos de uso en producción que emplean todo tipo de IA.

Un segundo componente del modelo de madurez consiste en evaluar el valor de los casos de uso en producción, idealmente tanto antes como después de la implementación. En nuestra encuesta, casi la mayoría evalúa el valor antes y después de la implementación, pero solo para algunos casos de uso. Únicamente el 11 % lo hace para todos los casos de uso. Un mayor porcentaje de empresas (32 %) evalúa el valor solo antes de la implementación, y el 9 % no cuenta con suficientes casos de uso en producción como para considerar la evaluación del valor.

El tercer componente del modelo de madurez consiste en agregar valor en toda la organización e informarlo, al menos de manera informal. Sorprendentemente, la mayoría (72%) de las organizaciones informa que agrega el valor de los casos de uso de IA. El componente final es la presentación de informes más formales, en algunos casos externos.

Un modelo de madurez económica de IA

Basándonos en estos componentes, desarrollamos un modelo para predecir cómo la inversión en IA podría generar valor económico adicional. Identificamos seis etapas, cada una de las cuales representa un avance tanto en sofisticación como en el retorno de la inversión previsto. Para desarrollarlo, analizamos las respuestas de nuestra encuesta y observamos en qué etapa de su proceso de implementación de IA se encontraban sus empresas, según indicaron los encuestados, y si sus organizaciones habían logrado un "gran valor". Así es como funciona:

Etapa 0: Solo proyectos piloto no evaluados (3% de las organizaciones encuestadas)

Las organizaciones realizan experimentos con IA, pero no miden los resultados. Solo el 4 % de los encuestados en esta etapa logró un resultado "muy bueno".

Etapa 1: Producción sin evaluación (11%)

En esta etapa, la organización ha superado los proyectos piloto y ha implementado la IA en producción; es decir, la utiliza en sus prácticas comerciales reales, pero aún no evalúa su impacto en el negocio. Descubrimos que simplemente superar la fase piloto genera un gran avance en el retorno de la inversión (ROI): el 18 % de los encuestados en esta etapa reportó un gran valor derivado de sus inversiones en IA.

Etapa 2: Evaluación previa a la implementación (17%)

En esta etapa, las organizaciones adoptan un enfoque ligeramente más estructurado para analizar el impacto empresarial de la implementación de la IA, pero solo al inicio del proceso: justifican los proyectos de IA con proyecciones de retorno de la inversión y estudios de viabilidad, pero aún no validan los resultados. Este avance genera una mejora modesta con respecto a la etapa anterior, aumentando al 20 % el porcentaje de quienes afirman obtener un valor significativo. Este es el menor grado de valor añadido derivado de una transición de etapa en el modelo.

Etapa 3: Evaluación posterior a la implementación (30%)

En esta etapa, las organizaciones miden los casos de uso individuales de la IA después de su implementación, un paso que genera un aumento significativo de valor: el 44 % de los encuestados en esta fase informó que estaba obteniendo un "gran valor" de la IA, más del doble que en la Etapa 2.

Por ello, identificamos este punto como el primer gran punto de inflexión en el proceso de adopción de la IA. Sin embargo, también observamos que las empresas parecen estancarse en esta etapa. Los encuestados indicaron que pasaron una media de seis años en ella, lo que la convierte en una especie de cuello de botella.

Etapa 4: Evaluación anual agregada (21%)

En esta etapa, las organizaciones consolidan anualmente el valor de la IA en toda su cartera, convierten los beneficios en un valor agregado para la organización y comparten los resultados de manera informal con toda la empresa. Esto permite a los líderes comparar el valor total de la IA con el gasto total en IA y también facilita comparaciones con el crecimiento o la disminución de los ingresos y las ganancias.

Este proceso más formalizado supone un avance significativo en la creación de valor: el 58% de los encuestados en esta etapa declaró haber obtenido un "gran valor" de la IA.

Etapa 5: Informe formal (16%)

En nuestra etapa final, las organizaciones informan sobre el valor de la IA a los consejos de administración, los inversores o los mercados públicos, lo que exige un alto nivel de rigor y responsabilidad en la medición de dicho valor. En esta etapa, el valor vuelve a dispararse: el 85 % de los encuestados afirma haber obtenido un gran valor de la IA, lo que representa el segundo punto de inflexión más importante.

Algunos ejecutivos se mostraron cautelosos respecto a la presentación de informes externos. Uno de ellos expresó su preocupación de que los analistas pudieran presionar a la empresa para que aumentara su dividendo si se divulgaban públicamente los sólidos resultados de la IA. Sin embargo, los ejecutivos que entrevistamos coincidieron en que la presentación formal de informes externos representa el nivel más alto de madurez económica de la IA cuando se realiza de forma responsable.

El camino hacia la obtención de valor mediante la IA no es principalmente un desafío técnico, sino de gestión. Todas las organizaciones tienen acceso a la tecnología de IA, pero solo algunas la implementarán de forma que generen beneficios económicos reales y cuantificables. Estos siete factores, y en especial el modelo de madurez, ofrecen una hoja de ruta práctica para convertirse en una de ellas.

Lea más sobre IA generativa o temas relacionados: IA y aprendizaje automático. tecnología y análisis. análisis y ciencia de datos. automatización e informática empresarial.

Thomas H. Davenport es Profesor Distinguido de Tecnología de la Información y director académico del Instituto Metropoulos de Tecnología y Emprendimiento en Babson College, investigador visitante en la Iniciativa del MIT sobre la Economía Digital y asesor sénior del Programa de Directores de Datos y Análisis de Deloitte.

Laks Srinivasan es cofundador y director ejecutivo del Return on AI Institute, y anteriormente fue director de operaciones de Opera Solutions, una de las primeras empresas de servicios de big data e inteligencia artificial.