¿Cómo calcular si un proyecto de inteligencia artificial produce valor?

Un director que evalúa un proyecto de inteligencia artificial suele recibir la misma promesa: va a ahorrar tiempo, va a reducir errores, va a pagarse solo. El problema aparece después, cuando intenta comprobarlo — porque para saber si algo produjo valor hace falta un número de antes con el que comparar, y ese número casi nunca existe.

El problema no se ha medido, así que no hay con qué comparar

La mayoría de las operaciones no llevan un número propio de lo que hoy les cuesta el problema que quieren resolver. Saben que "la nómina tarda mucho" o que "algo se está perdiendo", pero no en pesos ni en horas concretas. Sin ese punto de partida, cualquier cifra de ahorro que ofrezca un proveedor queda flotando — suena bien, pero no hay forma de confirmar si aplica a esta operación en particular o si es solo un promedio genérico de industria.

Tres categorías de valor que sí se pueden calcular

En operaciones agrícolas hemos visto el mismo problema traducirse en tres tipos de número, cada uno medible antes de aprobar cualquier proyecto:

• Fuga directa de dinero. Cuando nadie audita un proceso a detalle, entre el 5% y el 15% del valor puede irse sin control ni explicación — es dinero que ya existe en la operación, solo que nadie lo está viendo salir.
• Tiempo administrativo recuperado. Un proceso que hoy tarda tres días en cerrarse a mano puede quedar en un clic cuando el dato ya no requiere captura manual — la diferencia se mide en horas de una persona, multiplicadas por cada ciclo.
• Ahorro por mejor planeación. Cuando por fin se puede ver el patrón completo de una operación — no solo el dato del día, sino la curva de varias semanas — aparecen decisiones que antes eran imposibles: planear con anticipación en vez de reaccionar, y ahorrar del orden de 15% evitando picos que hoy se resuelven a último momento.

Medir antes de construir, no después

En Anagrama el diagnóstico inicial consiste en levantar el número real de la operación en al menos una de esas tres categorías, antes de proponer nada. Esa cifra se vuelve la vara con la que se mide el resultado después — no "¿te gustó el sistema?", sino "¿el número que medimos al principio bajó, y por cuánto?". El proyecto se aprueba contra esa comparación, no contra una promesa genérica de ahorro.

Qué preguntar antes de aprobar un proyecto de IA

• ¿Ya sabemos cuánto cuesta hoy el problema, en pesos u horas, antes de comparar con la propuesta? Sin esa línea base, cualquier cifra de ahorro es una opinión, no un cálculo.
• ¿El porcentaje de ahorro que ofrecen viene de medir un caso real, o es un promedio genérico de industria? Un promedio de industria es un punto de partida razonable, no una garantía para tu operación específica.
• ¿Con qué número exacto se va a comparar el resultado dentro de 3 o 6 meses? Si nadie puede responder esto antes de empezar, tampoco va a poder responderlo después.

Antes de creer cuánto promete ahorrar un proveedor, pregunta quién midió cuánto cuesta hoy el problema.