La contradicción de la IA: empleados más rápidos, empresas sin ROI demostrable

Síganos y léanos en Google Discover

Un consultor de Boston Consulting Group que usa GPT-4 completa 12,2% más tareas, trabaja 25,1% más rápido y mejora la calidad de su trabajo en más de 40%. El experimento, con 758 consultores, es real. El problema es lo que viene después: esa productividad casi nunca llega al estado de resultados de la empresa.

En América Latina el patrón se repite con regularidad. Una empresa habilita ChatGPT, Copilot, Claude o Gemini. Los equipos aprenden a redactar más rápido, resumir mejor, programar con menos fricción. La dirección espera que ese ahorro de tiempo se convierta, casi por ósmosis, en más ingresos o menos costos. No ocurre.

El tiempo que la IA libera se lo comen las reuniones, las aprobaciones, los reprocesos y la transferencia manual de datos entre sistemas que no se “hablan”. Un equipo de mercadeo puede pasar de cinco horas a una para producir el primer borrador de un artículo, y el artículo tarda una semana en publicarse porque la revisión jurídica toma cuatro días y la aprobación de marca sigue “viajando” por correo electrónico. La IA aceleró una tarea. El proceso, que es lo que el cliente percibe, no cambió.

Ese es el error de diagnóstico más caro: medir productividad individual cuando lo correcto es actuar sobre el flujo completo, de punta a punta. En un proceso de crédito de consumo, la IA puede leer el estado de cuenta, extraer los datos de un formulario y resumir información financiera en segundos. Pero si la verificación de identidad, el análisis de fraude y la aprobación siguen desconectados entre sí, automatizar un eslabón no transforma la cadena.

La cifra que debería atraer la atención de cualquier directorio en la región es, según el Foro Económico Mundial, que solo 23% de las empresas latinoamericanas reportan generar algún valor económico con IA, y apenas 6% declara una mejora superior a 5% en su Ebit. GPT-4, Claude y Gemini funcionan bien. El problema es de integración: la IA sigue viviendo aislada del CRM, del ERP, de la plataforma de atención, de la facturación.

Klarna lo aprendió en público. Su asistente atendió cerca de dos tercios de las consultas de servicio al cliente y mejoró en 82% los tiempos de respuesta. Meses después, la compañía reforzó de nuevo el componente humano: los casos complejos y la calidad de la experiencia lo exigían. La máquina no falló. El diseño inicial le asignó tareas que no le correspondían.

La mirada del directorio no se dirige a cuántos empleados usan IA. El proceso crítico -ventas, cobranza, servicio, crédito- debe rediseñarse para que la máquina elimine esperas y trabajo transaccional, y las personas se queden con el juicio, la excepción y la decisión que de verdad mueve el negocio.

Ingreso por empleado, costo por transacción y tiempo de ciclo dicen más sobre el retorno de la IA que cualquier número de licencias activas. La velocidad individual ya está resuelta. Lo que falta es la disposición a rediseñar la empresa alrededor de ella.