Cuando pregunto en una empresa si la IA les está sirviendo, la respuesta más común es «sí, la gente la usa bastante». Después pregunto cuánto tiempo ahorraron, en qué tarea, comparado con qué. Ahí la conversación se pone más lenta.
No es falta de interés. Es que casi nadie midió cómo estaban las cosas antes de empezar, y sin ese número cualquier respuesta es una impresión. El problema es que las impresiones sobre la IA tienen un sesgo conocido: suelen ser más optimistas que la realidad.
La sensación de ir más rápido no es ir más rápido
En 2025, el instituto METR hizo un experimento con 16 programadores con experiencia, sobre 246 tareas reales de sus propios proyectos. Antes de empezar, esperaban que la IA los hiciera un 24 % más rápidos. Al terminar, creían que los había acelerado un 20 %. La medición mostró lo contrario: con IA tardaron un 19 % más.
Es un estudio chico, sobre un tipo de trabajo muy específico, y no dice que la IA no sirva. Dice algo más útil: que la percepción de quien la usa no alcanza para saberlo. La misma distancia aparece a escala. El State of AI 2026 de McKinsey, con 1.719 encuestados, encontró que el 80 % de quienes usan IA en su trabajo dice que mejoró su productividad, pero solo el 37 % atribuye a la IA algún impacto en el resultado operativo de su empresa.
Porcentaje de encuestados que afirma cada punto.
- Dice que la IA mejoró su productividad individual 80 %
- Atribuye a la IA algún impacto en el resultado operativo (EBIT) 37 %
Entre una cosa y la otra hay una tarea que alguien tiene que medir.
Fuente: McKinsey, The state of AI in 2026: On the road to ROI · agosto de 2026
Parte de esa distancia se explica por algo muy simple. En su edición de marzo de 2025, McKinsey encontró que menos de una de cada cinco organizaciones seguía indicadores concretos de sus soluciones de IA generativa, y que esa era, entre todas las prácticas que analizaron, la que más se asociaba con el impacto en el resultado. Medir no es un trámite posterior. Es parte de lo que hace que funcione.
Antes de empezar: la línea de base
La línea de base es cómo está la tarea hoy, sin IA. Sin ella, dentro de un mes vas a tener un número suelto que no se compara con nada. Tomarla no requiere un sistema ni un cronómetro. Alcanza con esto:
- Una tarea, no un área. «Responder las consultas que llegan por mail», no «atención al cliente».
- Diez casos anotados. Durante una o dos semanas, quien hace la tarea anota en una planilla la hora de inicio y de fin de diez casos. No hace falta más precisión que esa.
- Cuántas veces por semana pasa. El volumen es lo que convierte minutos en horas.
- Cuántos casos vuelven. Un error que llega al cliente, una corrección de un jefe, un retrabajo. Aunque sea un conteo aproximado.
Lo importante es anotarlo antes de probar nada. Una estimación escrita el primer día vale más que un dato exacto reconstruido de memoria un mes después, cuando ya todos quieren que haya funcionado.
Las cuatro cosas que conviene medir
| Qué | Cómo se mide | La trampa típica |
|---|---|---|
| Tiempo | Minutos por caso, contando la revisión humana, contra la línea de base | Medir solo lo que tarda la IA y olvidarse del tiempo de revisar y corregir |
| Calidad | Una persona que no hizo la tarea revisa una muestra con un criterio escrito antes | Que evalúe el mismo que la hizo, que siempre la va a ver mejor |
| Errores | Cuántos llegan al cliente, al sistema o a otra área, y cuántos se frenan antes | Contar errores solo cuando alguien se queja, que es cuando ya es tarde |
| Uso real | Qué parte de los casos de la semana se hizo de la nueva forma y cuántas personas la usaron | Contar licencias pagadas o gente capacitada en lugar de casos resueltos |
La columna de errores es la que más se saltea y la que más importa. Una tarea puede hacerse en la mitad del tiempo y estar produciendo, sin que nadie lo note, resultados peores. Por eso, en cualquier medición, tiempo y calidad van juntos. Uno sin el otro no dice nada.
Tres tareas, tres formas de medirlas
| Tarea | Línea de base | Qué mirar durante la prueba |
|---|---|---|
| Responder consultas de clientes por mail | Tiempo desde que entra la consulta hasta la primera respuesta, y cuántas respuestas necesitaron una segunda aclaración | Mismo tiempo, más una revisión semanal de diez respuestas hecha por alguien que conoce al cliente |
| Armar presupuestos comerciales | Horas entre el pedido y el envío, y cuántos presupuestos salieron con un precio o una condición mal | Mismo tiempo, errores de precio encontrados antes de enviar y errores encontrados después |
| Cargar facturas de proveedores | Facturas cargadas por hora y diferencias encontradas al conciliar a fin de mes | Qué porcentaje pasa sin corrección y cuántas diferencias aparecen en la conciliación |
Un ejemplo con números, para que se vea la cuenta. Supongamos que entran 60 consultas por semana y cada una lleva 12 minutos: son 12 horas semanales. Si con IA el borrador sale en 5 minutos y revisarlo lleva 4, cada consulta pasa a 9 minutos y la semana a 9 horas. El ahorro no son los 7 minutos que parece a primera vista, son 3 por consulta: 3 horas por semana, unas 12 por mes. Es un buen resultado, pero bastante menos espectacular que el que uno se imagina mirando lo rápido que escribe la herramienta.
El ahorro real se mide con la revisión incluida. Si no, estás midiendo lo rápido que escribe la IA, no lo rápido que trabaja tu equipo.
Qué resultados son razonables esperar
Tener una referencia ayuda a no decepcionarse ni entusiasmarse de más. Una encuesta a trabajadores de Estados Unidos analizada por la Reserva Federal de St. Louis encontró que quienes usaban IA generativa ahorraban en promedio el 5,4 % de sus horas de trabajo: unas 2,2 horas en una semana de 40. Un tercio de esos usuarios ahorraba una hora o menos; uno de cada cinco, cuatro horas o más.
El otro dato que conviene tener a mano viene de un estudio de Erik Brynjolfsson y otros investigadores sobre 5.179 agentes de atención al cliente. Con un asistente de IA, resolvieron en promedio un 14 % más de consultas por hora. Pero la mejora no fue pareja: los más nuevos y menos experimentados mejoraron un 34 %, y en los más experimentados el efecto fue mínimo.
Eso tiene una consecuencia práctica para la medición: mirá el resultado por persona, no solo el promedio. Si la mejora se concentra en los que recién empiezan, la IA está funcionando como una forma de pasar lo que saben los más experimentados al resto. Y eso, en empresas donde hay una o dos personas que saben mucho y no logran contagiar al equipo, puede valer más que las horas ahorradas.
Cuánto se usa de verdad
Hay una métrica que casi nadie mira y que explica muchos fracasos: qué parte de los casos se está haciendo de la nueva forma. Una herramienta puede funcionar muy bien y no mover ningún número porque la usa una sola persona de seis. Los planes de empresa suelen mostrar el uso en el panel de administración; si no, alcanza con preguntar una vez por semana cuántos casos se hicieron de cada manera.
Cuando el uso es bajo, el problema casi nunca es la herramienta. Es que nadie decidió que la tarea se hace así ahora, o que a la persona que la hace nadie le mostró cómo, o que lo nuevo todavía cuesta un poco más y aparece una urgencia. Se arregla distinto que un problema de calidad, y por eso conviene medirlos por separado.
Adoptar, ajustar o descartar
Con las cuatro mediciones sobre la mesa, al final del plazo la decisión suele ser bastante clara. Lo ideal es haber escrito los umbrales antes de empezar; si no se hizo, esta tabla sirve de guía:
| Lo que muestran | Decisión |
|---|---|
| El tiempo baja, la calidad se mantiene o mejora y la mayoría del equipo lo usa | Adoptar: escribir cómo se hace, sumar a quienes faltan y pasar a la siguiente tarea |
| El tiempo baja pero aparecen errores o cae la calidad | Ajustar la tarea: achicarla a la parte que sale bien o sumar un control antes de que el resultado salga |
| Funciona bien, pero lo usa una o dos personas | Ajustar la adopción, no la herramienta: quién enseña, cuándo, y qué se deja de hacer de la forma vieja |
| No hay mejora de tiempo después del plazo, o hubo errores graves | Descartar, y [dejar escrito por qué](/blog/descartar-una-iniciativa-de-ia-con-evidencia) |
Durante la prueba, la medición se mira una vez por semana, en la reunión de seguimiento. Una vez adoptada, alcanza con una revisión mensual de las mismas cuatro cosas, para detectar a tiempo si el uso se cae o si la calidad empieza a bajar.
Medir así parece más trabajo del que vale una prueba chica. Pero es lo único que te permite contestar, dentro de tres meses, si la IA le sirve a tu empresa con un número en lugar de una impresión. En el Programa INTEGRA la línea de base se toma antes de probar cualquier herramienta, y cada tarea termina con una de esas tres decisiones.
Escribe Pablo Brunet, consultor de inteligencia artificial para PyMEs en Santa Fe. Hace más de 16 años que trabaja con PyMEs y creó el Método INTEGRA.
