KPIs de IA: si no puedes nombrar el número, no tienes proyecto

El experimento disfrazado de proyecto

Hay una pregunta que ordena todo: qué número va a mover esto. Si en la reunión de arranque nadie la responde con un dato concreto, no tienes un proyecto de IA. Tienes un experimento con presupuesto.

El experimento es legítimo cuando lo llamas por su nombre y le pones un límite de tiempo y de plata. El problema es cuando se disfraza de proyecto. Se compra la licencia, se arma la demo bonita, se presenta al directorio. Y la operación sigue exactamente igual que el mes pasado.

Un proyecto se compromete con un resultado. Un experimento explora. Los dos sirven. Pero cobrarle a la empresa como proyecto algo que es exploración es donde se quema el dinero.

Nadie sabe el número porque nadie diagnosticó

La razón de fondo es incómoda: muchas empresas no saben qué dolor tienen. Sienten que deberían usar IA, pero no ubicaron dónde se les va el tiempo, dónde se cae la plata, dónde la operación no da abasto.

Sin diagnóstico no hay número. Y sin número, el equipo elige el caso de uso por lo que está de moda, no por lo que duele. Es una decisión sin criterio, y casi siempre gana lo equivocado:

• El área que más grita, no la que más pierde.
• El caso que se ve bien en demo, no el que mueve un KPI real.
• La herramienta que trae el proveedor, no el proceso que hay que rediseñar.

El diagnóstico es lo que convierte una intención en un número defendible. Primero se mide el dolor. Después se decide qué tecnología, si es que alguna. McKinsey lo viene repitiendo: el valor de la IA no se reparte parejo, se concentra en pocos casos atados a la operación, y muchas empresas no logran llevarlo al estado de resultados.

Cómo definir KPIs para proyectos de IA

Definir un KPI de IA no es elegir una métrica bonita. Es cerrar cuatro casillas antes de encender el primer modelo.

• El número: qué indicador de operación o negocio se va a mover (horas, costo por caso, tasa de conversión, tiempo de ciclo).
• La línea base: cuánto vale hoy ese número, medido, no estimado de memoria.
• El delta: cuánto esperas moverlo y por qué es suficiente para pagar el proyecto.
• El plazo: en cuánto tiempo lo vas a comprobar con datos, no con percepción.

Si no puedes llenar esas cuatro casillas, no estás listo para contratar tecnología. Estás listo para diagnosticar. Está bien, pero es otra etapa y hay que decirlo en voz alta.

El KPI no es la métrica del modelo

Un error caro es confundir la métrica técnica del modelo con el KPI del negocio. Que el modelo llegue a 95% de accuracy no es un resultado. Es una condición interna.

El KPI vive en la operación, no en el modelo. Nadie en el directorio cobra por accuracy. Cobran por horas liberadas, por costo por transacción, por casos cerrados sin intervención humana, por tiempo de respuesta al cliente.

La métrica del modelo importa para el equipo técnico. El KPI importa para la empresa. Un proyecto serio traduce lo primero en lo segundo antes de empezar, no después de la demo. Anthropic hace el mismo punto con los agentes: empieza simple, mide contra un resultado claro y solo agrega complejidad cuando esa complejidad mejora el número.

Sin línea base no hay KPI

No puedes probar que moviste algo si no sabes de dónde partiste. La línea base es la parte que casi todos se saltan, y es la que después hace imposible defender el proyecto.

Si vas a automatizar la clasificación de tickets, mide primero cuántas horas toma hoy y cuánto cuesta el error. Si no lo mides antes, cualquier mejora después es una anécdota, no un dato.

La ausencia de línea base es la razón por la que tantos proyectos de IA no pueden decir si funcionaron. No fracasaron ni triunfaron. Simplemente nunca fueron medibles.

Los KPIs que mienten

Hay números que se sienten bien y no significan nada. Los KPIs de vanidad son el refugio favorito de un proyecto que no movió la operación.

• Cantidad de consultas al asistente (uso no es resultado).
• Usuarios que probaron la herramienta (adopción no es impacto).
• Documentos procesados, si nadie usa el resultado aguas abajo.
• Horas ahorradas que nunca se convirtieron en menos costo ni más capacidad.

El filtro es simple: si ese número sube y el estado de resultados o la capacidad operativa no cambia, es un KPI de vanidad. Sirve para el reporte, no para la empresa. BCG insiste en lo mismo: el valor real aparece cuando la IA se ata a un proceso central, no cuando se mide actividad suelta.

Del KPI al sistema

Definir el número es el inicio, no el final. Una automatización aislada que mueve un KPI por un mes y después se cae no es transformación. Es un parche con buena prensa.

La empresa AI Native no persigue métricas sueltas. Conecta el KPI con el proceso rediseñado, con los datos que alimentan el sistema y con la memoria que hace que cada iteración sea mejor que la anterior. El número es la brújula. La arquitectura IA es lo que lo sostiene en el tiempo.