Últimamente se repite un mensaje que me parece muy acertado (y aparece también en varias noticias): sabemos calcular lo que cuesta la IA, pero nos cuesta mucho medir lo que produce. En una pyme eso tiene un efecto inmediato: si no mides, acabas pagando por herramientas “porque sí”, o recortando a ciegas justo donde te estaba ayudando.
Ya hablamos de poner presupuesto y permisos para IA. El paso siguiente —el que de verdad cambia decisiones— es montar una matriz de ROI sencilla. Nada de métricas académicas. Una hoja de cálculo que, en 60–90 minutos, te dice qué usos se quedan, cuáles se paran y cuáles merecen inversión.
Paso 1 (10–15 min): lista 8–12 usos reales de IA en tu negocio. No pongas “usar ChatGPT”. Pon tareas concretas: responder emails de soporte, resumir llamadas, redactar propuestas, crear borradores de posts, clasificar leads, preparar anuncios, revisar contratos (solo borrador), generar FAQs, etc. Si no sale de vuestro día a día, no lo metas.
Paso 2 (15–20 min): asigna dueño y frecuencia. Para cada uso, apunta: quién lo usa, cuántas veces a la semana y en qué herramienta. Esto parece burocracia, pero evita el autoengaño de “lo usamos mucho” cuando en realidad lo usa una sola persona una vez al mes. Trade-off: cuanto más detalle, más tiempo; yo me quedo con estimaciones honestas.
Paso 3 (20–25 min): puntúa valor en tres ejes. Aquí está el núcleo. Para cada uso, puntúa de 1 a 5: tiempo ahorrado (¿me quita trabajo repetitivo?), ingresos influidos (¿ayuda a vender o a cerrar antes?) y riesgo (¿qué pasa si se equivoca o si se filtra información?). Ojo: el riesgo puntúa al revés, a más riesgo, peor. Esto te obliga a ver el trade-off: hay usos que ahorran tiempo, pero no deberían tocar datos sensibles.
Paso 4 (10–15 min): convierte puntos en decisiones. Regla práctica que uso: (1) alta puntuación en tiempo o ingresos y riesgo bajo → estandariza (guía interna, plantilla de prompts, formación mínima). (2) puntuación media y riesgo medio → limita (solo ciertos casos, sin datos sensibles). (3) poca aportación o riesgo alto → corta o deja como “experimental” con presupuesto pequeño. La clave es que cada uso acabe en una acción.
Paso 5 (10–15 min): define 2 métricas por uso “top”. No más. Ejemplos: minutos por ticket antes/después, tiempo de respuesta, número de propuestas enviadas por semana, ratio de cierre, tiempo para preparar un informe. Si eliges métricas que no podéis medir, no sirven. Mejor algo imperfecto pero constante.
Errores comunes (y cómo detectarlos): 1) Medir “sensación de productividad” en vez de tareas. Se detecta porque todo el mundo dice que ayuda, pero nadie puede dar un ejemplo con tiempo concreto. 2) No separar borrador de versión final. Se detecta cuando se copia y pega sin revisar, y empiezan las metidas de pata en emails o propuestas. 3) Usar IA donde el riesgo es alto (datos de clientes, pagos, temas legales) sin control. Se detecta porque aparecen fragmentos de información sensible en prompts, capturas o historiales compartidos.
Cómo medir resultado: al terminar, deberías tener (1) una lista priorizada de usos, (2) 3–5 usos “core” con métricas y dueño, y (3) una lista de recortes claros (herramientas o planes que no se justifican). A las 2–4 semanas, revisa si las métricas se mueven. Si no se mueven, o el uso no era tan frecuente, o la IA no está aportando tanto como parecía.
Cuándo compensa delegar: si la IA ya toca procesos críticos (ventas, soporte, operaciones) y el impacto económico es relevante, compensa que alguien os ayude a aterrizar métricas, gobernanza y automatizaciones (por ejemplo, sacar datos de tiempos reales desde el helpdesk/CRM). Ahí es donde la matriz deja de ser una hoja y se convierte en un sistema de mejora continua.
