IA e indicadores clave

En 2025, la abrupta caída en la capitalización bursátil de Nvidia, provocada por la irrupción de DeepSeek, evidenció las limitaciones de las métricas financieras tradicionales para capturar la dinámica de la innovación tecnológica. DeepSeek demostró que es posible desarrollar modelos avanzados de inteligencia artificial, IA, con recursos significativamente menores, desafiando la noción de que solo las grandes corporaciones con inversiones masivas pueden liderar en este campo. Este acontecimiento subraya la necesidad de que las organizaciones reevalúen sus indicadores clave de rendimiento (KPI), ya que las métricas estáticas no son suficientes para tomar decisiones con claridad en un entorno tan dinámico.

Empresas líderes están adoptando KPI enriquecidos con IA que analizan el rendimiento pasado y ofrecen predicciones y optimizaciones futuras. Sin embargo, la integración de la IA en la medición estratégica presenta desafíos significativos. La gobernanza de datos se vuelve crucial para garantizar la integridad y la ética en la interpretación de los resultados algorítmicos. Empresas como Meta y Google han establecido marcos de gestión del rendimiento para supervisar la calidad y relevancia de sus KPI, asegurando que la automatización esté equilibrada con el juicio humano. Meta, por su parte, ha utilizado IA para mejorar la personalización de contenido y la eficiencia publicitaria, lo que ha contribuido a un aumento de 19% en sus ingresos en el tercer trimestre de 2024.

La irrupción de DeepSeek también invita a reflexionar sobre las narrativas predominantes en torno a la IA. Según Aswath Damodaran, profesor de NYU y experto en valoración financiera, este evento cuestiona las expectativas tradicionales sobre el desarrollo de la IA y plantea preguntas fundamentales sobre su valor, aplicabilidad y sostenibilidad, variables muy difíciles de medir y valorar bajo las métricas de desempeño estratégico y financiero clásicas. No se trata solo de optimizar procesos o predecir comportamientos, sino de redefinir qué significa “rendimiento” en la era digital. El caso de Nvidia y DeepSeek nos enseña los peligros de confiar ciegamente en métricas tradicionales y destaca la importancia de construir sistemas de medición más resilientes y adaptativos.

Para abordar la incertidumbre inherente al entorno empresarial actual, las organizaciones pueden aplicar la Matriz de Rumsfeld, que clasifica el conocimiento en cuatro categorías: 1. Lo que sabemos que sabemos: Información y competencias claramente identificadas y comprendidas. 2. Lo que sabemos que no sabemos: Áreas reconocidas donde existe una carencia de conocimiento. 3. Lo que no sabemos que sabemos: Conocimientos implícitos o subutilizados dentro de la organización. 4. Lo que no sabemos que no sabemos: Factores imprevistos que pueden surgir inesperadamente.

El futuro de la medición estratégica reside en la capacidad de combinar la potencia de la IA con una reflexión crítica sobre los fines últimos de las métricas. En un mundo donde “lo que se mide, se gestiona”, extrapolar información del pasado solo podrá anticipar el futuro cuando no haya mucho que anticipar. Utilizar métricas convencionales solo nos obligará a entender el futuro con una venda en los ojos cuando lo que necesitamos en realidad es aprender a analizar nuestras organizaciones con un telescopio.