Si en los últimos años la pregunta que escuchaba en las salas de juntas era: "¿Qué podemos hacer con la IA?", hoy es mucho más simple: "¿Dónde está el dinero?".
Este cambio de enfoque no es solo una percepción del mercado; es una advertencia financiera. Datos recientes de Forrester indican que la mayoría de las empresas que apuestan por el rápido retorno de la inversión (ROI) de la IA reducirán sus inversiones este año.
¿La razón? Descubrieron por las malas que hay una gran diferencia entre crear un buen proyecto piloto e implementar IA en el sistema heredado de una empresa sin gastar una fortuna ni infringir las normativas .
El escenario brasileño agrava esta resaca. Con la tasa Selic bajo presión y el costo del capital por las nubes, el "costo del error" se ha vuelto inasequible. La innovación ya no puede considerarse un pasatiempo.
O bien la tecnología impacta el resultado final (las ganancias), o bien será eliminada del presupuesto antes del segundo trimestre.
Confieso que, como emprendedor tecnológico desde la época de los sistemas diseñados para monitores monocromáticos, veo este movimiento con alivio. La IA nunca ha sido una varita mágica para inflar los precios de las acciones, aunque muchos han intentado usarla así.
Es, en esencia, una herramienta de reingeniería del flujo de trabajo. Y, como demuestran los últimos datos del MIT y Wharton, solo las organizaciones que se atreven a rediseñar sus procesos integrales obtienen un valor real y sostenible.
Por lo demás, queda la frustración de los conductores que nunca consiguen ascender y la quema de efectivo en un escenario de capital caro.
Por qué la IA “destruye” tu balance y aun así deberías invertir.
Muchos gerentes todavía me preguntan por qué sus proyectos de IA no prosperan. La respuesta, en la mayoría de los casos, radica en la falta de una base sólida.
Intentar implementar una IA avanzada sin datos organizados es como intentar competir en la Fórmula 1 con combustible adulterado. El coche puede ser potente, pero fallará en la primera vuelta.
Existe una marcada diferencia entre "tener IA" y "ganar dinero o ser más eficiente con IA". El MIT publicó un artículo el año pasado que tuvo una amplia difusión.
Este artículo mostró que, a pesar de inversiones entre US$30 mil millones y US$40 mil millones, el 95% de las organizaciones no obtuvieron un retorno de la inversión (ROI) medible de sus proyectos de IA.
Para entender qué diferencia a estos ganadores del resto, decidí analizar el 5% que lo logró.
No solo usan IA para escribir correos electrónicos más rápido. Usan la tecnología para transformar el funcionamiento de la empresa; en lugar de automatizar una tarea antigua, se preguntan si debería seguir existiendo.
Pero si la tecnología es revolucionaria, ¿por qué no hay una medición clara y por qué se reducen los márgenes? La respuesta reside menos en la tecnología y más en el desajuste estructural entre la economía de la IA, las expectativas infladas por las redes sociales, la falta de medición en las empresas y la contabilidad tradicional.
El primer error es asumir que el valor de la IA solo se refleja en nuevos ingresos o reducción de costos; en la práctica, gran parte del ROI de la IA es invisible a la cuenta de resultados clásica porque se manifiesta como la reducción de costos . Y como profesional de una empresa de servicios, afirmo que la reducción de costos es la única manera de aumentar los márgenes a largo plazo.
Consideremos un departamento de atención al cliente, uno de los primeros casos de éxito reales con IA. Mediante un chatbot, el equipo existente puede gestionar un 20 % más de solicitudes sin necesidad de nuevos empleados; el verdadero valor generado reside en la estrategia de "empleado no contratado".
Sin embargo, la contabilidad no registra los salarios impagos, y el coste de las herramientas, tokens y tecnología de IA a veces es superior al de los nuevos empleados, principalmente debido a las diferencias en el tipo de cambio. El resultado es paradójico: la empresa se vuelve más eficiente operativamente, pero sus indicadores financieros a corto plazo empeoran.
Anteriormente, invertir en tecnología implicaba comprar servidores y licencias perpetuas (inversión de capital). El dinero salía del flujo de caja, pero entraba en el balance general como un activo que se depreciaba lentamente, protegiendo así los ingresos netos.
La economía de la IA ha invertido esta lógica; la infraestructura ahora se alquila en la nube y el consumo es continuo. Cada interacción con el modelo constituye un gasto recurrente (Opex). Contablemente, esto reduce inmediatamente el EBITDA y el beneficio neto, mientras que la base de activos permanece inalterada. Matemáticamente, esto reduce drásticamente el ROE a corto plazo, haciendo que la empresa parezca menos eficiente precisamente cuando está construyendo su futura ventaja competitiva.
No existe una cuenta llamada "contrataciones que no se realizaron" o "errores que no se evitaron".
¿Cómo escapar de la trampa sin dejarse llevar por la publicidad?
Si el problema no es la tecnología en sí, sino cómo decidimos, medimos y gobernamos la IA, entonces la pregunta correcta ya no es "¿cuánto rinde esto?" sino "¿dónde tiene sentido esto?".
Aquí es precisamente donde el artículo de Harvard Business School, “The Gen AI Playbook for Organizations ”, ayuda a organizar el pensamiento ejecutivo al ofrecer un criterio de selección claro.
Así como hemos estado midiendo las cosas incorrectamente, la mayoría de las empresas también intentan usar la IA en los lugares equivocados. En lugar de partir de las capacidades de la tecnología, el punto de partida debería ser la naturaleza de la tarea y el costo del error asociado.
Esto crea una matriz estratégica (imagen a continuación) que separa el trigo de la paja y protege su flujo de efectivo:
No todo el trabajo es igual; algunas tareas dependen en gran medida del conocimiento tácito, el juicio humano, el contexto, la experiencia acumulada y la conciencia política del entorno. Otras se basan en datos explícitos, reglas claras, patrones repetitivos y un gran volumen de trabajo.
1. La zona "sin arrepentimientos": bajo coste de errores, datos estructurados. Aquí es donde se encuentran las rápidas ganancias de eficiencia que facilitan los gastos operativos: tareas como la revisión inicial de currículums, la redacción de correos electrónicos operativos, la elaboración de resúmenes de reuniones, etc.
La primera gran iniciativa que lideré con IA generativa fue un proceso de selección con más de 4800 solicitantes. Utilizamos IA para la preselección inicial y, según los criterios de RR. HH., seleccionamos a los 200 mejores, les asignamos puntuaciones y explicamos las razones de las mismas.
¡Unilever anunció recientemente que con una herramienta similar redujo el tiempo de contratación de 4 meses a 4 semanas!
Por lo tanto, en este cuadrante 1, el plan es avanzar directamente a la automatización completa. La IA lo hace, nadie necesita revisar cada coma, el retorno de la inversión (ROI) es inmediato y sencillo, ya que libera tiempo del equipo.
2. Modo copiloto: alto coste de errores, datos estructurados. Piense en programación o contratos legales. La IA genera el código o borrador en segundos, pero un error en este caso puede detener el software o provocar una demanda.
Los despachos de abogados han comenzado a ver resultados con generadores de contratos entrenados a partir de su propia base de datos, utilizando su estilo de escritura y con toda la seguridad de un SLM (Small Language Models, versiones compactas y específicas de los LLM tradicionales).
El plan en este cuadrante es dejar que la IA produzca mientras los humanos revisan. Se gana velocidad, pero se mantiene la seguridad, y la productividad técnica se dispara.
3. El creador de alternativas: bajo costo de error, conocimiento tácito. Lluvia de ideas de marketing, ideas de diseño, eslóganes... El "error" aquí es simplemente una mala idea que puede descartarse.
En la Navidad de 2025, Coca-Cola, en colaboración con OpenAI y Bain & Company, lanzó la plataforma Create Real Magic . El resultado: más de un millón de usuarios en 43 mercados interactuaron con la herramienta, generando miles de variaciones creativas.
En este caso, la IA funciona muy bien para generar volumen y opciones, y luego el humano elige la mejor. Esto aumenta la creatividad sin riesgo financiero.
4. La zona de "órdenes humanas": alto costo del error, conocimiento tácito. Aquí es donde las empresas han perdido recientemente cientos de millones de dólares, dejando decisiones estratégicas, despidos, diagnósticos médicos complejos o inversiones de alto riesgo en manos de la IA, y esto NUNCA debería hacerse.
En este caso, la IA es simplemente un asistente de investigación; debe existir para quitarle trabajo irrelevante a las personas excepcionales de la organización. La decisión final siempre será humana. Intentar reemplazar a personas en esta área para "mejorar el balance" es la receta más rápida para destruir el valor a largo plazo de la empresa.
La solución tampoco será técnica.
Los proyectos de IA fracasan con más frecuencia debido a métricas incorrectas que a fallos técnicos. Evaluar la IA únicamente por el ROI directo e inmediato es una forma eficiente de descartar iniciativas prometedoras desde el principio; los proyectos bien gestionados utilizan métricas intermedias claras: tiempo de ciclo, volumen procesado, tasa de adopción real, reducción de excepciones y aprendizaje del sistema a lo largo del tiempo.
El ROI se convierte en una consecuencia y no en un criterio para la supervivencia temprana.
Para el liderazgo, el desafío es doble: primero, aceptar que la contabilidad tradicional (estado de resultados) no capturará todo lo relevante; segundo, tener la disciplina para aplicar la IA en las áreas correctas de la matriz anterior. Debemos dejar de preguntarnos "¿cuánto rinde esta IA?" y empezar a analizar: "¿a qué tipo de tarea se está aplicando y cuál es el costo real del error?".
El desafío sigue siendo considerable, pero veo señales que indican el camino. Intentar automatizar la estrategia supone entrar en el cuadrante de alto riesgo de la matriz de Harvard; por otro lado, ignorar la automatización de los aspectos básicos conlleva el riesgo de fracaso por ineficiencia.
El secreto no es dejar de invertir, sino saber dirigir el negocio, porque la IA no destruye balances, sólo expone, y muchas veces de forma implacable, decisiones mal estructuradas.
*Henrique de Castro es CEO de New Rizon, científico de datos especializado en IA del MIT, tiene un MBA ejecutivo de Insper y está cursando una maestría en gestión para la competitividad de FGV.
