Por qué la mayoría de los proyectos de IA no se pueden medir desde el inicio
El problema no es la tecnología. Es que los proyectos llegan a la mesa del CFO con una narrativa de eficiencia pero sin una línea base documentada.
Cuando no existe una línea base, no hay forma de medir si el proyecto funcionó. Y cuando no hay forma de medir, el presupuesto se convierte en un acto de fe.
Esto ocurre con frecuencia en empresas de 50 a 300 personas, donde los procesos están en la cabeza de las personas, no en un sistema. El equipo de operaciones sabe que algo tarda mucho o genera errores, pero no tiene el dato exacto. Entonces propone automatizarlo con IA sin poder responder cuánto cuesta hoy ni cuánto debería costar mañana.
La lista de verificación que sigue está diseñada para que el CFO haga las preguntas correctas antes de aprobar, no después de gastar.
Dimensión 1: El proceso
¿Está el proceso documentado o solo existe en la práctica?
Si el proceso no está documentado, no se puede automatizar de forma confiable. Un agente de IA necesita reglas, excepciones y criterios de decisión. Si esa información está dispersa entre personas, el proyecto tendrá un costo oculto: el tiempo de relevamiento antes de construir cualquier cosa.
¿Cuántas veces se ejecuta este proceso por semana o por mes?
La frecuencia determina el impacto potencial. Un proceso que ocurre dos veces al mes tiene un techo de ahorro muy distinto al que ocurre veinte veces al día. Si el equipo no tiene este dato, el ROI proyectado no tiene base.
¿Cuántas personas lo ejecutan y cuánto tiempo dedican?
Este es el punto de partida para cualquier hipótesis de ahorro. Sin este número, no hay forma de calcular el costo actual del proceso ni de compararlo con el costo de la solución propuesta.
¿Cuáles son las excepciones frecuentes?
Todo proceso tiene casos que se salen de la norma. Si el equipo no puede listar las excepciones más comunes, el proyecto subestimará la complejidad real y el tiempo de implementación.
Dimensión 2: El dato
¿Dónde vive la información que alimenta este proceso?
Un agente de IA opera sobre datos. Si esos datos están en un ERP, en hojas de cálculo, en correos electrónicos o en PDFs escaneados, el esfuerzo de integración varía de forma significativa. El equipo debe poder responder esto con precisión.
¿Qué tan limpia y estructurada está esa información?
La calidad del dato es el factor que más frecuentemente subestiman los equipos de operaciones. Datos inconsistentes, duplicados o sin formato estándar aumentan el tiempo de implementación y reducen la confiabilidad del output.
¿Existe algún sistema de registro que capture el estado actual del proceso?
Si no hay registro, no hay línea base. Y sin línea base, no hay forma de demostrar que el proyecto funcionó.
Dimensión 3: El costo
¿Cuánto cuesta hoy este proceso en horas-persona?
Esta es la pregunta más básica y la que más frecuentemente llega sin respuesta. El cálculo es simple: horas dedicadas por semana × costo promedio por hora × 52 semanas. Si el equipo no puede hacer este cálculo, el proyecto no tiene justificación económica documentada.
¿Qué errores genera el proceso actual y cuánto cuestan esos errores?
Los errores tienen costos directos —reprocesos, correcciones, devoluciones— y costos indirectos —tiempo de supervisión, impacto en clientes, riesgo regulatorio. Un proyecto de IA que reduce errores debe poder cuantificar ese impacto antes de aprobarse.
¿Cuál es el costo total estimado del proyecto, incluyendo implementación, licencias y mantenimiento?
El costo de construir un agente es solo una parte. El equipo debe presentar el costo total durante los primeros doce meses, no solo el costo de desarrollo.
Dimensión 4: La adopción
¿Quién va a usar el output de este agente y cómo cambia su trabajo?
Un agente que genera un reporte que nadie lee no produce valor. La adopción depende de que el output sea útil, accesible y esté integrado en el flujo de trabajo real de las personas que lo necesitan.
¿Hay alguien en el equipo responsable de operar y mantener el sistema una vez implementado?
Los proyectos de IA que no tienen un responsable interno claro tienden a degradarse. El equipo debe designar a alguien antes de la aprobación, no después.
¿Cuál es el criterio de éxito a los 90 días?
Si el equipo no puede definir qué significa que el proyecto funcionó en los primeros tres meses, no hay forma de evaluar si el presupuesto se usó bien.
Un ejemplo concreto: el cierre mensual en una empresa de distribución
Una empresa de distribución con 120 empleados tardaba entre cuatro y seis días en cerrar el mes. El proceso involucraba a tres personas del área de finanzas, consolidación manual de datos de tres sistemas distintos y una revisión final que generaba entre ocho y doce correcciones por ciclo.
Antes de aprobar cualquier proyecto, el CFO pidió respuestas a las preguntas de esta lista. El equipo documentó el proceso, identificó los tres sistemas de origen, calculó el costo en horas-persona —aproximadamente 180 horas al mes entre los tres perfiles— y listó los errores más frecuentes.
Con esa base, fue posible diseñar un agente que consolida los datos de los tres sistemas, aplica las reglas de validación documentadas y genera un borrador del cierre listo para revisión. La hipótesis de ahorro, conservadora, estaba entre 90 y 120 horas mensuales en el primer trimestre de operación. El costo del proyecto se recuperaba en un rango de cuatro a seis meses.
El proyecto se aprobó porque tenía una línea base, un criterio de éxito y un responsable interno. No porque la tecnología fuera prometedora.
Conclusión
La IA no es el riesgo. El riesgo es aprobar proyectos sin la información necesaria para saber si funcionaron.
Esta lista de verificación no está diseñada para frenar iniciativas. Está diseñada para que las iniciativas que se aprueben tengan las condiciones mínimas para producir resultados medibles.
Si su equipo de operaciones no puede responder estas preguntas con datos, el primer paso no es un proyecto de IA: es un diagnóstico del proceso.
En OuroAI trabajamos con equipos de finanzas y operaciones para hacer ese diagnóstico en menos de dos semanas, identificar los procesos con mayor potencial de automatización y construir la línea base que hace posible medir el retorno.
Si quiere revisar si su operación tiene procesos listos para este tipo de intervención, puede solicitarlo a través del formulario de diagnóstico gratuito en nuestra web. Sin necesidad de agendar una llamada de inmediato.
