Casi ocho de cada diez empresas ya usan inteligencia artificial generativa en al menos una función del negocio. La cifra suena a victoria. No lo es. Este artículo trata sobre la brecha entre adoptar IA y que la IA le devuelva algo medible a su negocio — y sobre el ROI de la IA como la pregunta que casi ningún directivo panameño se está haciendo todavía en serio. Si su empresa lleva meses o años probando herramientas de IA sin un número que lo respalde, lo que sigue le va a incomodar un poco. Es la idea.
Lo esencial
- Solo el 6% de las empresas atribuye más del 5% de su EBIT al uso de IA — el resto adoptó la herramienta sin capturar el ROI de la IA que prometía.
- El problema no es el modelo ni el presupuesto: es la falta de disciplina operativa y de métricas base antes de escalar.
- Medir el ROI de la IA en una PyME no requiere un equipo de data science — requiere elegir un proceso, fijar una línea base y comparar antes/después.
El 94% adoptó IA. Casi nadie puede probar el ROI de la IA
Empecemos por el número que casi nadie repite en las reuniones de directorio. Según el reporte “The State of AI” de McKinsey, apenas el 39% de las empresas encuestadas dice haber visto algún impacto en su EBIT atribuible al uso de IA — y de ese grupo, la mayoría reporta un impacto menor al 5%. El segmento que McKinsey llama “alto desempeño en IA” — empresas que atribuyen más del 5% de su EBIT a la IA y reportan valor significativo — representa apenas el 6% de los encuestados.
Casi ocho de cada diez empresas usan IA generativa. Menos de una de cada diez puede mostrar un número que lo justifique.
Ese 6% no llegó ahí por tener mejor tecnología. McKinsey encontró algo más incómodo: las empresas de alto desempeño comparten disciplina operativa, rediseño de procesos alrededor de la IA — no IA pegada encima de un proceso viejo — y gobernanza clara sobre dónde y cómo se mide el impacto. El ROI de la IA no es un problema de modelo. Es un problema de gestión.
Un dato del MIT (Project NANDA, “The GenAI Divide”) lo confirma desde otro ángulo: el 95% de los pilotos empresariales de IA generativa no logra un impacto medible en el estado de resultados. No porque los modelos fallen — los modelos de 2026 son más baratos y más capaces que los de hace 18 meses. Fallan los procesos alrededor: alcance mal definido, arquitectura de datos que nunca estuvo lista para producción, y gestión del cambio tratada como un detalle de último momento.
Por qué su empresa probablemente ya está en ese 94%
Reconocer el patrón es el primer paso. Estas son las tres formas más comunes en que una PyME panameña termina sin poder medir el ROI de la IA después de meses de inversión:
El piloto sin línea base. Se lanza la herramienta, se mide el entusiasmo del equipo, nunca se registró cuánto tardaba el proceso antes. Sin línea base no hay comparación posible — y sin comparación, no hay ROI, solo percepción.
La IA pegada, no integrada. Un asistente de IA que resume correos no cambia el resultado del negocio si nadie rediseñó el flujo de trabajo alrededor de él. McKinsey encontró que los centros de atención al cliente que solo dieron acceso pasivo a herramientas de IA redujeron el tiempo de llamada apenas un 5-10%. Los que rediseñaron el proceso completo alrededor de agentes de IA lograron reducciones de 60-90%.
Nadie es dueño del ROI de la IA. Si no tiene un responsable — un nombre, no un comité — nadie va a reportarlo quince meses después cuando la novedad se apagó y el presupuesto de renovación llegue a la mesa.
Punto clave
La diferencia entre el 94% que no puede medir el ROI de la IA y el 6% que sí, no es el presupuesto ni el modelo — es que el segundo grupo midió antes de escalar y le puso nombre al responsable del número.
Si este análisis le resulta útil, recíbalo cada semana: 👉 Suscríbete al newsletter de DacmosGroup
Un framework de ROI de la IA que no necesita un equipo de datos
No hace falta un departamento de ciencia de datos para medir el ROI de la IA en una PyME. Hace falta elegir un proceso, no diez, y seguir tres pasos antes de escalar cualquier iniciativa:
| Paso | Qué hacer | Qué evita |
|---|---|---|
| 1. Línea base | Medir tiempo, costo o error del proceso ANTES de tocarlo con IA | Reportar “mejoras” que nadie puede comprobar |
| 2. Un dueño | Asignar una persona responsable de reportar el número cada mes | Que el proyecto se diluya cuando pase la novedad |
| 3. Ventana de decisión | Fijar 90 días para mostrar impacto medible o cortar la iniciativa | Pilotos zombis que consumen presupuesto sin fecha de cierre |
Un piloto sin línea base no fracasa ni tiene éxito — simplemente no se puede medir, y eso es peor que fracasar.
Este framework de ROI de la IA no elimina el riesgo de abandonar una iniciativa. Lo vuelve una decisión informada en vez de una sorpresa en la reunión de presupuesto del año siguiente. Las empresas de alto desempeño que identifica McKinsey no tienen menos pilotos fallidos — tienen un proceso para cerrarlos rápido y aprender, en lugar de dejarlos flotando indefinidamente.
Preguntas frecuentes
¿Qué es el ROI de la IA y por qué es tan difícil de medir?
El ROI de la IA es el retorno financiero o de eficiencia medible que una empresa obtiene de sus inversiones en inteligencia artificial. Es difícil de medir porque la mayoría de las iniciativas se lanzan sin una línea base previa que permita comparar el antes y el después.
¿Cuánto tiempo debería tomar ver resultados de una iniciativa de IA?
Un piloto bien definido debería mostrar señales de impacto medible dentro de 90 días. Si después de ese plazo no hay un número claro que reportar, es momento de rediseñar el enfoque o cerrar la iniciativa.
¿Una PyME necesita un equipo de datos para medir el ROI de la IA?
No. Necesita elegir un proceso concreto, registrar su estado actual antes de intervenir con IA, y asignar una persona responsable de reportar el resultado cada mes — eso es suficiente para empezar a medir con disciplina.
El número que sí importa
El 94% que adoptó IA sin poder medir el ROI de la IA no perdió por usar mala tecnología. Perdió por tratar la adopción como el objetivo final, en lugar de tratarla como el punto de partida de una disciplina de medición que casi nadie quiere hacer el trabajo de construir. La pregunta no es si su empresa va a usar IA — ya la está usando. La pregunta es si alguien en su empresa puede mostrarle, con un número, qué le devolvió.
¿Su empresa tiene un proceso con línea base medida antes de lanzar IA sobre él, o todavía está contando cuántas herramientas activó este trimestre?
Cuénteme en los comentarios qué proceso eligiría primero para medir — la respuesta suele revelar más de lo que parece sobre dónde está realmente su empresa en esta curva.
Si quiere seguir esta conversación cada semana, suscríbase al newsletter de DacmosGroup.
Y si la gobernanza es la pieza que le falta para escalar IA con confianza, revise también nuestro análisis sobre gobernanza de IA para PyMEs panameñas — el complemento natural de este artículo: aquí medimos el retorno, ahí controlamos el riesgo.