1. Contexto industrial: La envoltura estratégica
El sector en el que opera influye en gran medida en los beneficios esperados de los casos de uso de la IA que planea lanzar.
Esta primera puerta se basa en 3 criterios: las fuerzas reguladoras y los costes de cumplimiento de la industria, la madurez de su ecosistema tecnológico específico y la cultura de inversión a corto y largo plazo en su interior.
1.1 Fuerzas reguladoras y costes de cumplimiento
Cada iniciativa de IA opera dentro de unos límites normativos específicos del sector que configuran directamente el potencial de retorno de la inversión.
Tomemos el ejemplo del acceso a la prescripción data de los profesionales sanitarios
- En EE.UU., la ley HIPAA protege la información identificable del paciente, pero permite el uso y la venta de la prescripción médica desidentificada data con fines comerciales y de investigación, sujeta a controles menos estrictos, lo que ha permitido un sólido mercado de análisis de prescripción.
- En Brasil, la normativa está evolucionando: ANVISA y la Lei Geral de Proteção de Dados (LGPD) supervisan la data sanitaria, con normas similares al GDPR, pero su aplicación está menos madura; la data de prescripción se considera sensible, y su uso está sujeto a leyes de confidencialidad y secreto comercial, con acceso a menudo restringido a menos que se anonimice o agregue
- En Europa, el GDPR impone controles estrictos sobre la data personal y sanitaria, haciendo que la recopilación, el procesamiento y el uso comercial de la data de prescripción médica estén muy restringidos y requieran a menudo un consentimiento explícito o una fuerte anonimización.
En consecuencia, la rentabilidad de la utilización de la prescripción data para dirigirse a los profesionales sanitarios es fuerte en EE.UU., media en Brasil y limitada en Europa, donde la mayoría de las veces, la data se agrega a nivel regional.
Estas restricciones crean “barandillas de ROI” que determinan los casos de uso factibles.
1.2 Multiplicadores de madurez del ecosistema
El panorama tecnológico de una industria -en particular, la presencia de actores especializados y de nuevas empresas innovadoras- desempeña un papel fundamental en la aceleración del retorno de la inversión de los proyectos de IA.
Cuando un sector se beneficia de un ecosistema dinámico de proveedores de tecnología, integradores y nuevas empresas especializadas, las organizaciones pueden identificar, probar y desplegar más rápidamente soluciones de IA de vanguardia adaptadas a sus retos empresariales específicos. Este ecosistema fomenta la colaboración, el intercambio de conocimientos y el acceso a las mejores herramientas de su clase, reduciendo el tiempo de desarrollo y los obstáculos a la integración.
Además, las comunidades de código abierto y los proveedores especializados permiten a las empresas experimentar con marcos probados y beneficiarse de la innovación colectiva, lo que agiliza los proyectos piloto y acorta el tiempo de obtención de valor. Como resultado, las industrias con una rica red de actores centrados en la IA son capaces de escalar los proyectos de éxito con mayor rapidez y obtener ganancias tangibles de productividad y eficiencia antes, lo que repercute directamente en su trayectoria de retorno de la inversión.
1.3 El largo plazo como acelerador del ROI
Los sectores que adoptan una planificación plurianual (por ejemplo, el energético o el aeroespacial) obtienen un ROI acumulado de la IA significativamente mayor en periodos de 5 años en comparación con los sectores de ciclos cortos. Los ciclos a largo plazo permiten invertir en tecnologías más innovadoras y audaces, al tiempo que suavizan el coste de la gestión de proyectos, con la contratación interna y la planificación del suministro a largo plazo.
Un ejemplo famoso es la hoja de ruta de IA de BP, de una década de duración, para el mantenimiento predictivo en la perforación en alta mar.
2. Costes de implantación de la empresa: La capa de ejecución
La empresa en la que se implanta un caso de uso de IA influye significativamente en los costes de implantación en función de la madurez de 3 activos: los fundamentos tecnológicos, el data governance y el apetito empresarial por la IA.
2.1 Costes de preparación de la pila tecnológica
Las organizaciones con una infraestructura data moderna (cloud data lakes, MLOps pipelines) aceleran significativamente la implementación de los casos de uso de la IA en comparación con sus homólogas que dependen de sistemas heredados.
Para ofrecerle cifras estimadas, establecer una nueva conexión con un sistema fuente puede llevar desde unos pocos días hasta un mes, en función de los tipos de conectores disponibles.
2,2 Data deuda de gobernanza
La falta de un data governance robusto reduce significativamente el ROI de los casos de uso de la IA de dos formas principales.
En primer lugar, los proyectos se retrasan a menudo debido a la necesidad de una amplia preparación data y a la aplicación de una gestión de acceso adecuada, ya que los equipos deben dedicar un tiempo considerable a limpiar, organizar y asegurar data antes de que pueda comenzar cualquier modelado. La preparación Data puede consumir hasta 80% del esfuerzo en los proyectos de aprendizaje automático.
En segundo lugar, una gobernanza insuficiente conduce a una mala calidad de los data y a un etiquetado inadecuado, lo que repercute directamente en el rendimiento de la IA: los modelos entrenados con data incompletos, incoherentes o mal etiquetados ofrecen resultados menos precisos y fiables, lo que socava el valor empresarial y requiere una costosa reelaboración o ciclos de desarrollo más largos.
2.3 Índice de fricción por adopción
La afinidad tecnológica de los empleados y las capacidades de gestión del cambio determinan si las herramientas de IA aportan valor o se convierten en "shelfware".
Si varios éxitos de la IA han allanado previamente el camino y los empleados tienen acceso a programas de formación continua sobre la IA que ayuden a desmitificar la tecnología, demuestren los resultados y destaquen su complementariedad con los humanos, se volverán mucho más receptivos a los futuros casos de uso de la IA que se lancen.
Por ejemplo, las sesiones de formación que apoyan el lanzamiento de un producto de IA suelen incluir 20% de contenido dedicado a la aculturación de la IA, junto con al menos una sección sobre el acceso a las herramientas. Cuanto más se centralicen estos productos en una única interfaz y se dirijan a equipos ya formados, más disminuirá el esfuerzo de aculturación entre 30 y 40%.
3. Beneficios multihorizonte: La matriz de valores
Los beneficios de los casos de uso de la IA se estructuran en torno a dos horizontes temporales para desbloquear todo su valor, con ganancias que varían en tangibilidad.
El primer horizonte abarca un año y es altamente tangible, centrándose en las ganancias relacionadas con el lanzamiento de nuevos productos y servicios posibilitados por la IA, así como la automatización de tareas posibilitada por la IA.
El segundo horizonte abarca de dos a tres años y es menos tangible, ya que implica mejoras en la toma de decisiones estratégicas y una mayor resistencia de la empresa a los cambios del mercado mediante el uso de la IA.
3.1 A corto plazo (0-12 meses)
Motor de crecimiento
El método principal para el crecimiento de los ingresos consiste en aumentar los ingresos de los productos existentes. En el ámbito de la personalización, considere dos ejemplos ilustrativos: El motor de recomendaciones de Netflix, que aumentó el compromiso de los clientes en 30% y, en consecuencia, redujo las bajas. Otro ejemplo es Stitch Fix, una empresa de ropa que emplea algoritmos de IA para analizar las preferencias y los comportamientos de los clientes, ofreciendo así recomendaciones de ropa a medida. Esta personalización a gran escala sería inalcanzable sin la IA, y es precisamente esta tecnología la que hace viable el modelo de negocio de Stitch Fix.
El segundo enfoque consiste en lanzar nuevos productos que antes no eran rentables hasta la llegada de la IA. Por ejemplo, Nutella se asoció con Ogilvy Italia para utilizar una red neuronal en la creación de siete millones de etiquetas de tarro únicas, que se agotaron en una semana. Sin la IA, producir un número tan elevado de etiquetas únicas habría sido prohibitivamente caro o simplemente imposible, por lo que la campaña resultó excepcionalmente rentable.
3.2 A largo plazo (más de 12 meses)
Superioridad de la decisión estratégica
Siempre es un reto evaluar el impacto de una decisión estratégica en las finanzas de una empresa, y más aún evaluar la influencia de la artificial intelligence en esa decisión. Sin embargo, las opiniones convergen en reconocer que la IA ya se ha convertido en un socio estratégico en la toma de decisiones. Un ejemplo proporcionado por Artefact es el uso de la modelización de la mezcla de marketing, una herramienta diseñada para optimizar la asignación del presupuesto de marketing a través de varios canales para el año siguiente. En algunos casos, el aumento de beneficios que permite esta optimización puede alcanzar hasta 40%.
Resistencia organizativa
La adopción de una cultura impulsada por la IA aporta agilidad a las organizaciones al integrar el aprendizaje continuo, la adaptabilidad y la experimentación rápida en las operaciones cotidianas. La IA permite a los equipos automatizar las tareas rutinarias, detectar anomalías rápidamente y agilizar los flujos de trabajo, liberando a los empleados para que se centren en la innovación y la creación de valor. Esta cultura fomenta la toma de decisiones descentralizada y capacita a los equipos para probar nuevas ideas, analizar los resultados e iterar sobre los procesos en tiempo real, fomentando una mentalidad en la que se acepta el cambio y el fracaso se ve como una oportunidad de aprendizaje. Como resultado, las organizaciones se vuelven más flexibles, están mejor preparadas para responder a los cambios del mercado y son capaces de evolucionar sus estrategias y funciones para hacer frente a los retos emergentes, convirtiendo la agilidad en una parte esencial de su identidad y de su fuerza operativa.
El 90% de las empresas encuestadas en un estudio de Dataiku consideran que la IA es una herramienta de resistencia ante el riesgo de recesión y las crisis económicas. Más del 80% de los directivos afirman mantener o aumentar sus inversiones en IA a pesar de las incertidumbres económicas, lo que refleja una fuerte confianza en la capacidad de la IA para proteger a las empresas frente a las perturbaciones.
El marco de ROI concéntrico
Basándonos en todos los factores mencionados, proponemos la siguiente fórmula para calcular el ROI de un caso de uso de IA, que depende de tres niveles: la industria, la empresa y la racionalización de los casos de uso en torno a los costes de TI, data y gestión del cambio. Aunque la evaluación de cada factor es compleja, esta fórmula le ayudará a tener en cuenta todos los elementos a considerar.
Conclusión: Equilibrar la ecuación de la rentabilidad
Este marco va más allá del análisis estático de costes y beneficios para modelar los impactos en cascada de la IA:
- Las fuerzas de la industria establecen el campo de juego de la rentabilidad
- La preparación de la empresa determina los costes de entrada
- Los horizontes de beneficios se componen con el tiempo
En nuestro último artículo, exploraremos cómo hacer operativo este marco a través de 2 ejemplos de la industria sanitaria, uno orientado al ROI de 0 a 12 meses y otro orientado a +12 meses.
