# Por qué las empresas no ven ROI en IA: demasiada catedral y poco gimnasio de barrio ![[57-Catedral-y-gimnasio.webp]] Todo el mundo afirma que quiere ROI con la IA. Se firman proyectos, se anuncian programas ambiciosos y se llenan presentaciones de promesas. Aun así, empieza a aparecer un estribillo incómodo en muchos comités de dirección: “no estamos viendo el retorno que esperábamos”. La tentación es culpar a la tecnología, a los proveedores o al “estado del arte”. Pero quizá el problema está en otro sitio: hemos decidido empezar por el final. En muchas organizaciones, la historia se repite con pequeñas variaciones. Se lanza un gran proyecto de IA a medida, se monta un equipo, se elige un caso de uso “estratégico”, se habla de modelos, arquitecturas y datos. Todo suena serio, complejo y muy importante. Mientras tanto, miles de personas siguen escribiendo informes, correos y presentaciones exactamente igual que hace tres años. Tienen licencias de herramientas como ChatGPT o Copilot, pero las usan poco, mal o casi nada. > _El dinero se va a la catedral. La productividad vive en el gimnasio de barrio._ Un proyecto de IA a medida no es solo código. Implica gobernanza, seguridad, integraciones con sistemas, validación legal y cambios de proceso. Cada capa añade complejidad, plazos y riesgo. Para que el usuario final vea algo útil, la organización ha tenido que atravesar un pequeño vía crucis interno. Cuando por fin el sistema llega a negocio, si es que llega a producción antes de quedarse obsoleto por el camino, ocurre lo previsible: muchos usuarios no saben qué esperar, qué pedir o cómo encajar esa nueva herramienta en su forma real de trabajar. Esto no es torpeza, es falta de práctica. Sin esa base, cualquier solución avanzada llega a un terreno sin preparar. En paralelo, existe otra vía de inversión mucho menos glamourosa: enseñar a la gente a usar bien herramientas generales de IA generativa para su trabajo diario. Copilot y compañía no resuelven un proceso de principio a fin, pero sí impactan en algo mucho más básico y mucho más amplio: la manera en que pensamos, escribimos, resumimos, contrastamos información y tomamos decisiones. > _En el caso de Copilot, puedes empezar con Copilot Chat, que no tiene coste (incluido con la licencia de Microsoft 365), y luego ir subiendo a las personas a la versión de pago, Microsoft 365 Copilot, cuando le estén sacando provecho. Cada usuario construye su propio ROI._ Cada vez que alguien usa un asistente para procesar y priorizar el email, preparar una reunión, resumir un documento o explorar alternativas, aparece un microbeneficio. Unos minutos menos aquí, un poco más de claridad allá, una opción que no habrías visto a la primera. Aislados, parecen detalles; acumulados en miles de personas y miles de interacciones, son la diferencia entre una organización pesada y una que se mueve con más soltura. > _¿Cuánto impacta en la cuenta de resultados que los **empleados tengan más tiempo para pensar estratégicamente** en sus respectivos roles? Ni idea. Y probablemente no hay métrica para medirlo. Pero nadie negará que es un objetivo goloso. _ La mayoría de empresas ni siquiera ha llegado a ese “primer millón de usos”. No porque la herramienta no esté disponible, sino porque no han invertido en que la gente la convierta en parte natural de su forma de trabajar. Y aquí la formación puntual no basta. Hace falta acompañamiento en contexto: ayudar a la gente en sus tareas reales, sus informes reales, sus correos reales. Lo contrario es comprar destornilladores de última generación y esperar que el coste en licencias se traduzca solo en resultados. Hay otro punto clave que suele pasarse por alto: la madurez de criterio del usuario. Un profesional que lleva meses usando asistentes de IA para su trabajo diario sabe distinguir qué se puede automatizar y qué no, dónde la IA aporta valor y dónde mete ruido, qué partes de un proceso son realmente el cuello de botella. Ese profesional puede formular requisitos sensatos para un proyecto a medida. El que nunca ha salido de los usos básicos tendrá mucha más dificultad. > Repito la frase porque es importante: **sólo el profesional que lleva meses usando asistentes de IA para su trabajo diario sabe distinguir qué se puede automatizar y qué no**. La paradoja es que los grandes proyectos de IA suelen presentarse como la forma “seria” de aprovechar la tecnología, mientras que la adopción y el acompañamiento en herramientas generales se tratan como algo complementario. Se asume que “la gente ya se apañará” o que un par de sesiones bastan. Luego llegan las cifras: licencias infrautilizadas, asistentes integrados que casi no reciben peticiones, cuadros de mando que nadie abre. Es cierto que las herramientas generalistas tienen límites. Pueden no conocer tus datos internos si usas la versión más barata. No hablan tu jerga sectorial con precisión y no cubren procesos regulados al milímetro. Pero usar estos límites como excusa para no construir una base de adopción es un error caro. Que el lápiz no sea perfecto no es una excusa para no escribir con él. >_ Lo que está en juego no es un proyecto concreto, sino la capacidad de toda la organización para trabajar con IA como algo cotidiano._ La secuencia correcta no es complicada de entender. Primero, gimnasio: formar, acompañar, practicar, medir pequeñas mejoras, ajustar. Después, catedral: con esa experiencia acumulada, invertir en proyectos a medida donde tenga sentido concentrar esfuerzo: procesos críticos, servicios clave, ventajas específicas. Cuando se respeta este orden, los proyectos a medida cambian de naturaleza. Dejan de ser apuestas teóricas y se convierten en extensiones naturales de algo que ya funciona a pequeña escala. Los requisitos son más claros, las expectativas más realistas, los usuarios participan desde el principio con ideas concretas y no solo con opiniones sueltas. Y el ROI ya no depende de un único caso de uso brillante, sino de la conexión con hábitos que la organización ha ido consolidando. El argumento no es “olvida los proyectos a medida”. Es más simple: sin una base amplia de adopción en herramientas sencillas, esos proyectos no tienen suelo donde apoyarse. Puedes construir un sistema de IA muy sofisticado; si la gente no sabe pedirle cosas útiles a un asistente, tendrás una solución impecable técnicamente y casi irrelevante en la práctica. La pregunta fastidiosa no es cuántos proyectos de IA tienes en marcha, sino cuánta gente está usando la IA en su trabajo diario. - Cuántos documentos se escriben a mano, tecleando palabras en los teclados. - Cuántos documentos complejos se procesan con ayuda de la IA para un mejor y más rápido entendimiento. - Cuántas reuniones se apoyan en la IA durante la preparación, ejecución y posterior seguimiento. - Cuántas decisiones se toman tras contrastar escenarios con un modelo generativo. Y la avanzada que me obsesiona últimamente: - **Cuánta inteligencia le estás sacando a los últimos modelos de OpenAI o Anthropic**. Porque usar GPT-5.1 para resumir documentos es ir a comprar el pan con un Lamborghini (como *literalmente* hace mi vecino, pero eso es otra historia) Si el presupuesto de IA se parece más a la construcción de una catedral que a la apertura de un gimnasio de barrio, el desenlace es fácil de anticipar. Habrá arquitectura, habrá demos, habrá titulares y quizá nota de prensa. Y no está nada claro si habrá retorno. Y por si quieres algo práctico que se pueda medir mañana, tres indicadores que cualquier organización puede adoptar sin proyectos adicionales: - Porcentaje de tareas de redacción con Copilot en equipos clave. - Número de resúmenes automáticos de informes generados cada semana. - Porcentaje de reuniones preparadas con un primer borrador creado con IA y post-procesadas con IA. Son pequeñas métricas, pero señalan un cambio real en cómo se trabaja cada día. Si no cambia eso, da igual cuánta IA aparezca en tus diagramas: seguirá siendo una línea cara en el presupuesto. # Perspectivas de Máquina Y como Máquina es muy majo, ha cogido mi texto y nos ha dado una serie de perspectivas sobre la idea inicial, pensadas para abrir ángulos nuevos, provocar un poco y enriquecer el análisis. Están organizadas en bloques para que podamos usarlas como disparadores de pensamiento o como material para extender el artículo. Máquina es muy majo. Pero ojo, algunas perspectivas molestarán a algunos. ## 1. La perspectiva económica No es solo un tema de adopción. Es un tema de incentivos internos. Los grandes proyectos permiten justificar presupuestos, montar equipos y repartir responsabilidades. La adopción individual, en cambio, es barata, silenciosa y difícil de atribuir a un departamento concreto. Por eso se subinvierten las herramientas sencillas aunque sean más rentables. ## 2. La perspectiva de madurez organizativa Muchas empresas intentan correr antes de andar. Compran un modelo, montan un stack, hablan de agentes, pero no tienen una cultura mínima de iteración, revisión y documentación. Ese déficit cultural impide que herramientas como Copilot se integren en el flujo real de trabajo. La falta de ROI es el síntoma de ese desfase, no del estado de la tecnología. ## 3. La perspectiva política interna Las catedrales de IA son proyectos políticamente convenientes. Dan visibilidad a quien las impulsa. Son defendibles en un comité. La adopción diaria, en cambio, no da prestigio, no genera presentaciones y no se puede celebrar con un “go-live”. Es un trabajo incómodo que no luce. Las organizaciones se mueven hacia donde hay reconocimiento, no hacia donde hay retorno. > **Nota de David**: _hace falta tener mucha seguridad en uno mismo para impulsar en una gran empresa un proyecto transformacional que no luce mucho ante un comité._ ## 4. La perspectiva sociotécnica El ROI de la IA depende más de cambiar la interacción humano-máquina que de añadir nuevos modelos. Si el profesional no sabe formular instrucciones, pedir contrastes o revisar resultados, da igual la potencia del sistema. La clave no está en el modelo, sino en la práctica cognitiva. El cuello de botella no es técnico, es humano. ## 5. La perspectiva de economía del comportamiento La adopción no falla por falta de formación, sino por fricción. Si escribir una instrucción en Copilot requiere pensar demasiado, abrir una ventana, cambiar de pestaña o recordar un formato, la gente no lo hará. Los grandes proyectos suelen ignorar esta micro-fricción. El ROI aparece cuando la IA se convierte en un gesto natural del trabajo, no en una ceremonia. ## 6. La perspectiva estratégica La empresa que domina la base obtiene dos ventajas: - una capacidad más afinada para identificar casos a medida realmente valiosos; - y un criterio mucho más realista para excluir proyectos que no aportan nada. Sin ese criterio, se financian iniciativas desalineadas que luego alimentan la narrativa del “ROI decepcionante”. ## 7. La perspectiva de gestión del conocimiento La IA no sustituye el conocimiento organizativo; lo amplifica. Cuando ese conocimiento está disperso, obsoleto o mal documentado, los proyectos a medida tardan más y rinden menos. La adopción amplia de herramientas generalistas obliga, casi por accidente, a ordenar ese conocimiento (resúmenes, explicaciones, borradores). Es otra vía de retorno que pasa desapercibida. ## 8. La perspectiva de comportamiento colectivo Las organizaciones subestiman el poder de la masa crítica. Cuando cientos de personas usan IA a diario, emergen patrones nuevos de trabajo que cambian los procesos sin necesidad de rediseñarlos formalmente. Ese cambio emergente es más sólido y más barato que un rediseño top-down. Los grandes proyectos ignoran esta dinámica. ## 9. La perspectiva de riesgos Paradójicamente, empezar por grandes proyectos aumenta el riesgo. El coste hundido es mayor, las expectativas también, la presión por justificarlo crece y la tolerancia al error disminuye. La adopción masiva de herramientas sencillas, en cambio, reparte el riesgo en miles de interacciones pequeñas. El aprendizaje es más rápido, y los errores cuestan mucho menos. ## 10. La perspectiva operativa El verdadero retorno de la IA en esta fase está en acelerar tareas que hoy paralizan a la organización: correos eternos, reuniones sobre reuniones sin decisiones, documentos mal estructurados, reporting manual, sincronización entre áreas. Si eso no cambia, no hay proyecto a medida capaz de compensarlo. Primero se libera el día a día, luego se automatiza lo estratégico. ## 11. La perspectiva meta El ROI que buscan muchos directivos no llega porque están midiendo la inversión equivocada. Miden el coste del proyecto, no el coste del proceso actual. Miden el retorno puntual, no el retorno acumulado. Miden la arquitectura, no el hábito. Hay un cambio de lógica pendiente: el valor de la IA es aditivo, no puntual. ## 12. La perspectiva provocadora La mayoría de los proyectos de IA no fallan por ambición, sino por orgullo. A nadie le motiva reconocer que el retorno vendrá del nivel más básico: que tu equipo sepa pedir buenas instrucciones y revisar resultados. Es más fácil lanzar un programa de transformación que admitir que la empresa entera tiene que aprender a trabajar de otra forma. --- Artículos relacionados en la web: - [Sobre el famoso informe de MIT del estado de la IA](10-MIT-y-proyectos-que-salen-mal.md) - [The Economist: el verdadero impacto de la IA llegará a lo largo del año que viene](16-The-Economist-El-impacto-de-la-IA-2026.md)