El problema real no es la IA. Es lo que le preguntan en la sala.
Un CFO que aprueba un proyecto de IA enfrenta una presión específica: el comité de dirección quiere saber si el dinero está trabajando. No en seis meses. En la próxima reunión.
El problema es que la mayoría de los proyectos de IA no están diseñados para producir métricas tempranas. Se entregan como cajas negras. El equipo interno no sabe qué medir. Y el CFO llega al comité con una presentación de avance tecnológico cuando lo que le piden es un argumento financiero.
Este artículo describe qué métricas son defendibles en los primeros 90 días, cómo se obtienen y cómo presentarlas sin sobreprometer.
Qué espera el comité en los primeros 90 días
El comité de dirección no espera un ROI definitivo en 90 días. Pero sí espera tres cosas:
- Evidencia de que el proyecto está en producción, no en piloto eterno.
- Indicadores que conecten la IA con el negocio, no con la tecnología.
- Un argumento para continuar, basado en datos, no en expectativas.
El CFO que llega con eso tiene una posición sólida. El que llega con un roadmap técnico, no.
Las métricas que se pueden medir desde la semana uno
Cuando un agente de IA entra en producción, genera datos de uso desde el primer día. Esos datos son la materia prima de las métricas tempranas.
Volumen de tareas procesadas por el agente
Cuántas consultas, documentos, solicitudes o transacciones procesó el agente en el período. Este número tiene valor directo: cada tarea procesada por el agente es una tarea que no procesó una persona.
Tasa de resolución sin intervención humana
Qué porcentaje de los casos el agente resolvió de forma autónoma, sin escalado. En proyectos bien diseñados, este número supera el 70% en las primeras semanas para tareas bien definidas.
Tiempo de ciclo antes y después
Si el agente automatiza un proceso que antes tardaba 48 horas, y ahora tarda 4, esa diferencia es medible desde el primer caso procesado.
Horas recuperadas por el equipo
El cálculo es directo: volumen de tareas × tiempo promedio por tarea antes de la automatización. No es una estimación; es una multiplicación sobre datos reales.
Un ejemplo con hipótesis de rango
Una empresa de distribución con operaciones en tres países tenía un proceso de conciliación de facturas que ocupaba entre 25 y 35 horas mensuales del equipo de finanzas. El proceso era manual, dependía de dos personas y generaba entre 8 y 12 errores por ciclo de cierre que requerían corrección.
Con un agente diseñado específicamente para ese flujo, el proceso pasó a ejecutarse de forma autónoma. En el primer mes de producción, el equipo registró:
- 28 horas recuperadas (dentro del rango esperado)
- 2 errores en el ciclo, ambos detectados por el propio agente antes del cierre
- Tiempo de ciclo reducido de 3 días a menos de 6 horas
En términos financieros, el ahorro mensual en horas de trabajo calificado se ubicó entre 1.800 y 2.400 euros, dependiendo del costo hora del equipo. El proyecto tuvo un costo de implementación de referencia de 12.000 euros. El período de recuperación estimado: entre 5 y 7 meses.
Eso es lo que un CFO puede llevar al comité en el mes dos.
Qué métricas no son defendibles en 90 días
Hay métricas que los proveedores de IA presentan como logros tempranos y que el comité de dirección rechazará con razón:
- "Potencial de ahorro anual" calculado sobre supuestos sin datos reales de producción.
- "Satisfacción del equipo" como indicador principal de valor.
- "Capacidad instalada" sin evidencia de uso real.
- NPS interno o encuestas de adopción sin correlación con resultados operativos.
Estas métricas no son falsas. Son prematuras. Presentarlas en los primeros 90 días debilita la posición del CFO porque el comité las interpreta como ausencia de resultados concretos.
Cómo estructurar el reporte al comité
Un reporte de 90 días sobre un proyecto de IA que funciona puede estructurarse en cuatro bloques:
1. Estado de producción
El agente está activo. Estos son los procesos que cubre. Este es el volumen procesado en el período.
2. Métricas operativas
Horas recuperadas, tasa de resolución autónoma, reducción de errores, tiempo de ciclo. Datos reales, no proyecciones.
3. Hipótesis financiera actualizada
Con los datos de producción, la estimación de ROI inicial se ajusta. Si el proyecto va bien, el período de recuperación se acorta. Si hay desviaciones, se explican y se corrigen.
4. Próximos 90 días
Qué procesos se incorporan, qué métricas se agregan, qué resultado se espera al mes seis.
Este formato le da al comité lo que necesita: evidencia de progreso, argumento financiero y visibilidad sobre lo que viene.
Por qué esto depende del diseño del proyecto, no solo de la IA
La razón por la que muchos CFOs no pueden presentar estas métricas en 90 días no es que la IA no funcione. Es que el proyecto no fue diseñado para producirlas.
Un proyecto bien diseñado define, antes de empezar, qué se va a medir, cómo se va a medir y cuándo se va a reportar. Los agentes se instrumentan para registrar su propio rendimiento. El equipo sabe qué datos capturar desde el día uno.
Cuando eso no ocurre, el CFO llega al mes tres con una demo y sin números.
Conclusión
Los primeros 90 días de un proyecto de IA son suficientes para tener métricas operativas reales: horas recuperadas, errores eliminados, tiempo de ciclo reducido, tasa de resolución autónoma. Esos números son defendibles ante cualquier comité de dirección porque se basan en producción real, no en proyecciones.
La condición es que el proyecto esté diseñado para producirlos desde el inicio.
Si está evaluando un proyecto de IA y quiere saber qué puede medir en sus primeros 90 días, solicite un diagnóstico gratuito. En 15 minutos identificamos qué procesos generan métricas tempranas en su operación específica.
