Caso de negocio para la IA¶
Por qué fracasan los proyectos de IA sin un business case sólido¶
El 70-85% de los proyectos de IA empresariales no generan el valor esperado o son abandonados antes de llegar a producción (McKinsey State of AI 2025). En la mayoría de los casos, el problema no es técnico. Es de alineación: se invierte en tecnología sin haber definido el problema de negocio que resuelve ni los criterios con los que se medirá el éxito.
Un caso de negocio bien construido cumple tres funciones simultáneas. Primero, obliga al equipo promotor a clarificar exactamente qué problema resuelve la IA y por qué la IA es la solución adecuada frente a otras alternativas. Segundo, proporciona un referente para evaluar si la iniciativa está funcionando durante la ejecución. Tercero, genera el mandato de la dirección que protege al proyecto cuando aparecen los obstáculos inevitables.
Estructura del caso de negocio¶
Un caso de negocio para una iniciativa de IA tiene cuatro componentes obligatorios: definición del problema, descripción de la solución, análisis de la inversión y retorno, y evaluación del riesgo.
1. Definición del problema¶
Este es el componente que más frecuentemente se trabaja de forma superficial. La definición del problema debe ser específica, cuantificable y vinculada a la operación real de la empresa.
Un mal ejemplo: "Queremos mejorar la eficiencia operativa con IA."
Un buen ejemplo: "El proceso de clasificación y respuesta a consultas de clientes entrantes ocupa 4 horas/día de dos personas del equipo de atención al cliente. El 60% de las consultas son recurrentes y siguen patrones predecibles. El tiempo medio de respuesta actual es de 6 horas y el índice de satisfacción del cliente es de 3.2/5."
La diferencia es que la segunda definición permite diseñar una solución concreta, establece las métricas de línea base y hace posible calcular el retorno.
2. Descripción de la solución¶
La descripción de la solución debe explicar qué hará el sistema de IA, qué no hará, qué datos necesita y cómo se integra en el proceso existente. No es un documento técnico, pero debe ser lo suficientemente concreto para que sea evaluable.
Elementos mínimos de la descripción: - Qué función realiza el sistema (clasificación, generación, predicción, búsqueda, etc.). - Qué datos de entrada necesita y de dónde provienen. - Cómo se integra con los sistemas existentes. - Qué tipo de supervisión humana requiere. - Qué pasa cuando el sistema falla o produce un resultado incorrecto.
3. Análisis de inversión y retorno¶
Tipos de valor de una iniciativa de IA¶
| Tipo de valor | Ejemplos | Cómo cuantificar |
|---|---|---|
| Reducción de costes | Automatización de tareas manuales, reducción de errores costosos | Horas ahorradas × coste por hora; tasa de error actual × coste por error |
| Incremento de ingresos | Personalización de ofertas, detección de oportunidades, mejora de conversión | Conversión actual × mejora esperada × valor promedio de pedido |
| Mejora de calidad | Reducción de defectos, cumplimiento normativo, consistencia de outputs | Coste de no-calidad actual; sanciones evitadas; coste de reproceso |
| Aceleración de ciclos | Reducción de tiempo de ciclo en procesos críticos | Tiempo de ciclo actual × número de procesos al mes × valor del tiempo |
Estructura de costes¶
Los costes de una iniciativa de IA suelen distribuirse en cuatro categorías:
- Costes de desarrollo o implementación: integración de APIs, desarrollo de la interfaz de usuario, configuración del modelo, pruebas.
- Costes de datos: limpieza, estructuración, etiquetado de datos de entrenamiento o de evaluación.
- Costes de operación: licencias de herramientas, coste de API por token o por llamada, infraestructura de despliegue.
- Costes de gestión del cambio: formación del equipo, documentación de procesos, gestión de la transición.
Fórmula de ROI para proyectos de IA¶
ROI = (Valor generado anualizado - Coste total del proyecto) / Coste total del proyecto × 100
Para proyectos de IA en fase piloto, se recomienda calcular el ROI sobre un horizonte de 12 meses, no sobre el piloto inicial. El piloto tiene costes de aprendizaje que no se repetirán en el despliegue a escala.
Payback period (tiempo hasta recuperar la inversión):
Payback = Inversión total / Valor mensual generado
Value drivers por función de negocio¶
| Función | Value drivers más frecuentes de IA |
|---|---|
| Ventas y marketing | Personalización de comunicaciones, predicción de churn, scoring de leads, generación de contenido |
| Operaciones | Automatización de procesos documentales, predicción de demanda, control de calidad visual, scheduling |
| Servicio al cliente | Clasificación y respuesta a consultas, extracción de información de interacciones, análisis de sentimiento |
| Finanzas | Detección de anomalías, automatización de conciliación, previsión de tesorería, extracción de datos de facturas |
| RRHH | Cribado inicial de CVs (con las restricciones del EU AI Act), generación de descripciones de puesto, análisis de encuestas |
| Legal y compliance | Revisión de contratos, extracción de cláusulas relevantes, monitorización de cambios normativos |
| IT y desarrollo | Asistencia al código, generación de tests, documentación automática, análisis de logs |
4. Evaluación del riesgo¶
Todo caso de negocio de IA debe incluir una evaluación explícita de los riesgos que podrían materializarse y afectar al retorno esperado.
Los riesgos más frecuentes que deben contemplarse son:
- Calidad del dato: ¿son los datos disponibles suficientemente representativos para el caso de uso? Un modelo entrenado o ejecutado sobre datos de baja calidad produce outputs de baja calidad.
- Riesgo regulatorio: ¿encaja el sistema de IA propuesto en alguna categoría de riesgo del Reglamento de IA de la UE? ¿Qué implicaciones tiene para los plazos de implementación?
- Resistencia al cambio: ¿qué tan dispuesto está el equipo que usará el sistema a adoptarlo? ¿Ha participado en el diseño?
- Dependencia de proveedor: ¿qué ocurre si el proveedor del modelo de IA cambia sus precios, sus términos de servicio o cierra el servicio?
- Deriva del modelo: ¿cómo se gestionará el deterioro del rendimiento del modelo a lo largo del tiempo?
Para cada riesgo identificado, se deben definir la probabilidad, el impacto y la medida de mitigación. El registro de riesgos es la herramienta operativa para esto.
Cómo presentar el business case a la dirección¶
La dirección no necesita entender cómo funciona el modelo. Necesita entender:
- Qué problema de negocio resuelve.
- Cuánto cuesta no resolverlo.
- Cuánto cuesta resolverlo con IA vs. con otras alternativas.
- Cuándo se espera el retorno.
- Qué puede salir mal y cómo está gestionado.
La presentación no debe durar más de 15-20 minutos. Si el caso de negocio no puede explicarse con claridad en ese tiempo, probablemente el problema no está bien definido o la solución es demasiado compleja para la fase actual de madurez de la organización.
Referencia¶
- McKinsey State of AI 2025: 78% de organizaciones usa IA, 74% reporta ROI en el primer año, pero solo el 39% registra impacto medible en EBIT.
- Solo el 6% de las organizaciones son "high performers" (>5% EBIT atribuible a IA). Su diferencial es que el 55% rediseña procesos al implementar IA, tres veces más que el resto.