Roadmap AI – Evaluar el ROI de la IA: ¿en qué indicadores basarse?

La cuestión del retorno de la inversión (ROI) de la IA está en el centro de las preocupaciones de los directivos: como era de esperar, este tema se abordó en numerosas ocasiones durante la jornada Hoja de Ruta IA 2025. Entre las promesas de ganancias de productividad y la realidad de los costes ocultos, ¿cómo evaluar con precisión la rentabilidad de los proyectos de IA? ¿Qué indicadores priorizar para gestionar eficazmente las inversiones? Un repaso.

A tener en cuenta

• El ROI de la IA no se limita a las ganancias financieras a corto plazo: también conviene tener en cuenta los beneficios cualitativos como la mejora de la toma de decisiones, la reducción de los sesgos, la aceleración de los procesos y la instauración de una cultura de datos común.
• Los costes ocultos también deben integrarse en los cálculos, sin por ello sobreestimarlos: costes de recopilación, limpieza y gobernanza de los datos, gestión del cambio, formación de los equipos, mantenimiento de los modelos e impacto medioambiental.
• Para evaluar la calidad, hay que priorizar la observabilidad: integrar los modelos de IA en plataformas controladas permite acceder a los datos de interacción, consumo y calidad de servicio, facilitando un cálculo más preciso del ROI.

Cuando se trata del ROI de la IA, la respuesta obvia es calcular el coste del proyecto en relación con sus ganancias financieras. ¡Pero eso solo sería abordar una parte del tema! Porque es un punto en el que concuerdan la mayoría de los intervinientes de la jornada Hoja de Ruta IA Marketing Day 2025: incluso si son indispensables para convencer a los comités de dirección, las ganancias financieras a corto plazo no son las únicas a tener en cuenta para evaluar la pertinencia y la sostenibilidad de un proyecto de IA.

Esto es precisamente lo que destaca, Antoine Genot, Global Marketing Performance Director en Pernod Ricard. Su proyecto de Marketing Mix Modeling, implementado en 13 mercados en el espacio de dos años, evidentemente registró un ROI financiero medible a corto plazo. Pero también permitió registrar mejoras en otros parámetros, en particular la mejora de la toma de decisiones, la reducción de los sesgos en la compra de medios o la aceleración de los procesos.

Antoine Genot evoca así “una toma de decisiones más valiente y más rápida“, medida en particular por la variación de las inversiones de marketing de un año a otro, que pasó de ±1 % a ±10 %, lo que se traduce en arbitrajes más ágiles y firmes por parte de los equipos que se benefician de las ideas aportadas por la herramienta.

Infundir una cultura común de los datos

Otra ventaja, y no menos importante para Pernod Ricard: “hay un enorme beneficio cultural al estar en una empresa mucho más orientada a los datos (data-driven), con un lenguaje común que permite al director de marketing y al director financiero hablar el mismo idioma“, subraya.

El mismo sonido de campana se escucha en Teract (que incluye marcas como Jardiland, Gamm vert, Frais d’ICI y Bio&Co): el proyecto de datos/IA llevado a cabo con Snowflake e Imagino para facilitar la personalización de las comunicaciones en función del contexto local permitió difundir “una cultura de los datos en todos los niveles de la empresa“, según las palabras de Remy Guenot, director de adquisición y CRM.

Gracias a una “lógica de autonomización“, los equipos sobre el terreno, en cada punto de venta, pudieron apropiarse fácilmente de las nuevas herramientas. Resultado: mientras que durante 20 años persistieron fricciones entre informática y marketing, “hoy hablamos con una sola voz. Y, sin embargo, son los mismos interlocutores. Si lo hemos logrado, es porque las herramientas nos lo permiten hoy“.

Adaptar los KPI a los desafíos

No todos los proyectos de IA responden a los mismos objetivos, pero está claro que cuando se ejecutan bien, sus beneficios van más allá del impacto financiero: los criterios de evaluación deben, por lo tanto, adaptarse a cada caso. Por ejemplo, en Guy Hoquet Immobilier, se midió una división por dos de la rotación de personal tras la implementación de un vasto dispositivo de formación orquestado por la agencia Brainsonic, cuya expansión fue posible gracias a la IA.

De forma más sistemática, dentro del grupo BPCE (Banque Populaire, Crédit Agricole, Natixis, Casden…), Luc Barnaud, el Chief Data Officer, distingue entre dos tipos de proyectos: “la IA para todos” que busca una democratización amplia y “la IA transformadora” que se dirige a los casos de uso asociados a los desafíos prioritarios del grupo. El impacto de cada uno de los dos tipos de IA se evalúa según criterios diferentes.

En SNCF Gares & Connexions, Morgane Castanier, Directora de Clientes, Marketing y Tecnologías, ha adoptado la misma segmentación, con dos categorías de beneficios: “‘hago lo mismo con menos tiempo’ – sobre temas de productividad – y ‘hago más cosas en el mismo tiempo’ – para la creación de valor.“

Esta distinción permite evaluar la rentabilidad según dos criterios: las ganancias de productividad (automatización de tareas existentes, reducción del tiempo de procesamiento, optimización de los procesos) y la creación de valor (nuevas funcionalidades y servicios, innovación en la oferta). En este segundo caso, el impacto es más difícil de cuantificar pero potencialmente transformador para la empresa.

Evaluar también las ganancias cualitativas

Morgane Castanier también subraya la importancia de las ganancias cualitativas, que también son difíciles de evaluar: “si ganas 30 minutos en tu día gracias a la IA, quizás uses ese tiempo para hablar más con tus compañeros, para ir a tomar un café con ellos, para desarrollar lo interpersonal, lo relacional, momentos más informales. Y eso se llama calidad de trabajo“.

En sus evaluaciones de costes/beneficios, Morgane Castanier tiene en cuenta datos como el tiempo ganado y la tasa de adopción por parte de los empleados, en relación con los costes por usuario y por mes.

Pero esto es solo el principio: “sentimos que con el desarrollo de la IA agéntica, tendremos que ser mucho más precisos en nuestros indicadores. Tendremos que observar el tiempo de realización de las tareas, la reducción de errores, el aumento de la trazabilidad, la calidad de las secuencias… e incluso la valoración de los datos de salida del proceso, que podremos reintegrar en nuestros sistemas“, predice.

No descuidar, ni sobrestimar, los costes ocultos de la IA

Por otro lado, los “costes ocultos” a veces también tienden a descuidarse. Es el caso, en particular, del coste de la recopilación, limpieza y procesamiento de los datos, y, más generalmente, de su gobernanza. Pero tampoco hay que sobreestimar estos costes. Según Antoine Genot, hay que “gestionarlos y seguirlos” para poder demostrar a los equipos que, al final, “el coste real de la recopilación de datos no es tan elevado”.

Entre otros costes más o menos ocultos, también se encuentra la gestión del cambio –que incluye la formación de los equipos y su desarrollo de competencias, pero no solo– o el mantenimiento de los modelos y su actualización a lo largo del tiempo. Sin olvidar los costes medioambientales, cada vez más determinantes en las decisiones tecnológicas.

¿Qué hay de la evaluación cualitativa de los resultados producidos por la IA? Sigue siendo un desafío importante, subrayado por Pierre-Eric Beneteau, Partner IA y Experiencia del Cliente en Converteo, en su presentación sobre el impacto de la IA en la experiencia del cliente: “a menudo tenemos la impresión de que medir el impacto de un proyecto de IA o medir la calidad del servicio de un agente es como observar un agujero negro“, constata, aunque añade que “la realidad es mucho más sutil“.

De hecho, “si integras un modelo en una plataforma que controlas, ahí tienes acceso a todos los datos de interacción, a datos de consumo y a datos de calidad de servicio“. La clave es una mejor “observabilidad” y un cálculo más preciso del ROI. Un argumento que va en el sentido de una estrategia de internalización. Pero, una vez más, como en la mayoría de los proyectos tecnológicos, la cuestión del “Make or Buy?” se plantea caso por caso.

Además, ¿por qué considerar los proyectos de IA de forma diferente a otros proyectos de transformación? Frédérique Ville, Directora de Unidad de Negocio en La Poste y Miembro del COMEX de la Rama de Servicios de Correo y Paquetería, invita a volver a lo básico: “lo primero para mí es entender bien su modelo de negocio. ¿Dónde están nuestros inductores de costes y nuestros inductores de ingresos? ¿Cómo los vamos a mover? Y ahí, hay tres dimensiones que hay que considerar: Personas, Procesos y TI“. Tres dimensiones que deben integrarse necesariamente en los cálculos de ROI.