En la economía del conocimiento, todas las empresas tienen la expectativa de incorporar inteligencia artificial. Para los CIO, esta tecnología pasó a ser la principal prioridad de inversión en IT para los próximos dos años, con un escenario lleno de oportunidades, aunque también con riesgos inéditos.

Sin embargo, mientras las compañías destinan millones a transformar la forma en que se hacen los negocios, al mismo tiempo desperdician presupuesto, cometen errores estratégicos e incluso enfrentan consecuencias reputacionales. ¿El motivo? No cuentan con un sistema que les permita medir qué inversiones en inteligencia artificial realmente generan retorno.

Según una encuesta reciente de Prosper Insights & Analytics, cerca del 30% de la fuerza laboral usa inteligencia artificial de manera habitual. Entre dueños de empresas y ejecutivos, ese número trepa a casi el 50%.

Mientras la adopción crece y el uso se amplía, una investigación de Larridin sobre el estado de la inteligencia artificial empresarial en 2026 mostró que el 62% de los líderes senior no cuenta con un inventario completo de las apps que se usan en toda la organización. El dato llama la atención: la inteligencia artificial es la principal prioridad de inversión en IT, pero casi dos tercios de esos directivos ni siquiera saben qué apps de inteligencia artificial tienen. Apenas el 16% sigue la relación entre inversión y beneficio, un dato clave para calcular el retorno.

La inteligencia artificial está en todos lados, pero no pasa lo mismo con la visibilidad ni con las métricas.

El costo invisible de la inteligencia artificial

Para muchas organizaciones, la compra de licencias de inteligencia artificial y el despliegue de herramientas se volvió una respuesta a la presión competitiva. Esa dinámica se apoya en la idea de que tienen apenas 18 meses para armar su estructura de inteligencia artificial antes de quedar atrás.

Russ Fradin, CEO y cofundador de Larridin, sostiene que esta carrera por adoptar inteligencia artificial desvió a las empresas de un problema más grande: la diferencia entre el valor que esperan obtener y el que realmente consiguen en resultados concretos de negocio, como ingresos, ahorro de costos o mejoras en la productividad.

"Comprar inteligencia artificial no es la parte difícil; no faltan soluciones que prometen impacto, con paneles de control y casos de uso convincentes", dijo Russ Fradin. "Sin embargo, las empresas no tienen contexto sobre cómo se usan realmente esas soluciones en los flujos de trabajo diarios de los empleados. Las empresas deben vincular el uso con un impacto real", agregó.

Cuando las cifras de adopción y uso no alcanzan para contar toda la historia

Muchas empresas ni siquiera pueden responder preguntas básicas sobre su estructura de inteligencia artificial: ¿qué herramientas de inteligencia artificial usan? ¿Los empleados realmente usan esas herramientas, que muchas veces son caras? ¿Cuánto y con qué frecuencia? ¿Qué herramientas de verdad vale la pena conservar? ¿Hay casos de uso destacados que puedan replicarse para más usuarios y más áreas?

Sin una estructura que muestre cómo se usa la inteligencia artificial y qué efecto tiene sobre la productividad y los ingresos, las organizaciones avanzan a ciegas: definen presupuestos en función de la cantidad de licencias y del entusiasmo de los ejecutivos, en lugar de basarse en resultados concretos.

Datos de Prosper Insights & Analytics muestran que, entre ejecutivos y dueños de empresas, los usos más frecuentes de la inteligencia artificial generativa son la investigación, con 50%; las búsquedas en internet, con 47%; y la asistencia para redactar, con 38%. Esas señales muestran que la adopción y la prueba de estas herramientas ya están en marcha. Sin embargo, también se trata de los usos más evidentes para muchos usuarios y, en varios casos, podrían no tener un efecto claro y medible sobre el retorno de la empresa. Sin una mirada a nivel corporativo, ¿los líderes pueden saber qué casos de uso generan resultados y merecen una inversión fuerte y una expansión dentro de más áreas?

Russ Fradin ve paralelismos entre la etapa actual de la inteligencia artificial y los primeros años de la publicidad online. En ese momento, las empresas compraban anuncios digitales sin visibilidad sobre los resultados, hasta que aparecieron plataformas de medición que liberaron billones en valor al demostrar qué clics y conversiones realmente generaban impacto.

La medición puede tener el mismo efecto en la inteligencia artificial. Una vez que las organizaciones captan esa capa de información que hoy falta, en lugar de apoyarse en suposiciones, proyecciones o encuestas declarativas, los líderes pueden tener una visión clara de dónde la inteligencia artificial genera resultados concretos.

Los riesgos de avanzar a ciegas con la inteligencia artificial

La falta de medición y de visibilidad dentro del ecosistema de inteligencia artificial genera ineficiencias, superposiciones y desperdicio de recursos. Además, aumenta el riesgo: los líderes no pueden gestionar de forma efectiva aquello que no ven.

Cuando las empresas no cuentan con un inventario completo de toda la inteligencia artificial en uso, ya sea autorizada o no, pierden la capacidad de aplicar controles, evitar filtraciones de datos o garantizar el cumplimiento de políticas internas y externas.

Una investigación de Larridin mostró que el 67% de las empresas no tiene visibilidad completa sobre las herramientas de inteligencia artificial que usan sus empleados, y que casi la mitad de la adopción de esta tecnología ocurre por fuera de los canales formales de compra.

"Este punto ciego afecta más que a los presupuestos", explicó Russ Fradin. "Se trata de la estrategia de la empresa, de su capacidad de respuesta y de la seguridad", completó.

La ventaja competitiva de contar con métricas precisas sobre inteligencia artificial

El principal beneficio para las organizaciones que logran establecer marcos de medición sólidos y actualizados para la inteligencia artificial es una ventaja sostenida en agilidad, innovación y control de costos. Esas empresas alcanzan una mayor productividad, acortan los plazos de entrega de sus proyectos y consiguen una alineación clara entre las iniciativas de inteligencia artificial y los objetivos del negocio.

Tratar la medición de la inteligencia artificial como una disciplina central del negocio es lo que marca la diferencia entre las empresas en esta etapa. "La inteligencia artificial es una herramienta estratégica para ejecutar el negocio", agregó Russ Fradin. Eso implica apoyarse en análisis en tiempo real que respondan preguntas sobre retorno, nivel de uso e impacto.

Con esas respuestas, las organizaciones pueden concentrar las inversiones donde generan mayor valor, optimizar procesos a partir de datos concretos y potenciar a sus equipos para que rindan al máximo junto con la tecnología.

Aclaración: el estudio de percepción del consumidor mencionado fue realizado por mi empresa, Prosper Insights & Analytics. Es el mismo conjunto de datos que usan la National Retail Federation, Amazon Web Services, Bloomberg y la London Stock Exchange Group para análisis económicos comparativos.

*Este artículo fue publicado originalmente por Forbes.com