Por qué muchas empresas todavía no convierten la IA en resultados financieros

La IA puede ayudar a una persona a terminar una tarea en menos tiempo sin que eso cambie los costes, los ingresos o los beneficios de la empresa. Esa diferencia ayuda a entender los resultados de la encuesta de McKinsey de 2026: el 80 % de las personas encuestadas afirmó que la IA había mejorado su productividad individual, mientras que el 37 % atribuyó a esta tecnología algún impacto en el EBIT, es decir, el resultado antes de intereses e impuestos. Alrededor del 6 % cumplió la definición de «alto rendimiento» de McKinsey: atribuir a la IA al menos el 5 % del EBIT y describir su impacto como significativo. Son respuestas y atribuciones de la encuesta, no pruebas de que una práctica concreta produzca por sí sola mejores resultados financieros. 68

Por qué ganar tiempo no siempre mejora las cuentas

Una tarea más rápida es solo un eslabón de un proceso empresarial. Si las aprobaciones, los traspasos entre equipos, los sistemas y las responsabilidades para tomar decisiones siguen igual, el tiempo ahorrado puede no traducirse en menos costes ni en más ingresos. La encuesta de McKinsey de 2026 relaciona un mejor desempeño con el rediseño de los flujos de trabajo; en una investigación anterior, esa fue la característica con mayor relación con el impacto en el EBIT entre las que se analizaron. La asociación resulta indicativa, pero no demuestra causalidad. 514

También importa qué se mide. El acceso a una herramienta, su uso y el tiempo ahorrado pueden mostrar que la IA se está utilizando; por sí solos, no indican si la empresa vende más o gasta menos. La brecha que recoge la encuesta entre productividad individual e impacto en el EBIT hace necesario seguir ambos tipos de resultados. 68

Cómo pasar de los proyectos piloto al valor para el negocio

Empezar por un resultado concreto

Conviene elegir un proceso en el que una persona responsable pueda definir el problema y el resultado que se quiere comprobar. El objetivo podría ser reducir el coste de un servicio o mejorar la conversión, pero debe responder a una necesidad del negocio y no limitarse a contar cuánta actividad genera la IA. Antes de cambiar el proceso, hay que establecer una referencia para poder comparar los resultados.

Un alcance inicial acotado facilita la evaluación: permite identificar dónde ayuda la IA, en qué puntos todavía hace falta intervención humana y si merece la pena ampliar el uso.

Asegurar la calidad de los datos y asignar responsables

En una sesión sobre comercio de DMEXCO 2026 se describió un problema frecuente: los datos de producto que envían los proveedores llegan en distintos formatos, con etiquetas inconsistentes e información incompleta. Si no existe un estándar acordado, esas diferencias se trasladan de un sistema a otro y pueden exigir correcciones manuales. 25

Es importante definir quién responde por la calidad de los datos, por el resultado del negocio y por las decisiones sobre cuándo revisar la respuesta de la IA. En el comercio, contar con información de producto coherente y completa —incluidos precios correctos cuando corresponda— también es relevante a medida que el descubrimiento de productos se extiende a asistentes de IA, redes sociales y marketplaces. 273334

Rediseñar el flujo de trabajo, no solo la tarea

Hay que observar el proceso de principio a fin: qué información entra, qué gestiona la IA, dónde se necesita aprobación y quién actúa a partir del resultado. Cuando tenga sentido, se pueden eliminar o modificar pasos innecesarios, manteniendo a las personas responsables del criterio, las excepciones y las decisiones que implican riesgos para el negocio.

No se trata solo de añadir una herramienta a un proceso existente, sino de replantear cómo se hace el trabajo. La investigación de McKinsey relaciona el rediseño de los flujos de trabajo con un mayor impacto financiero declarado, aunque la encuesta de 2026 no demuestra que ese rediseño, por sí solo, genere esos resultados. 514

Medir con indicadores financieros

Hay que comprobar si el cambio repercute en los ingresos, los costes, el margen o el EBIT, y no quedarse únicamente con la adopción, el volumen producido o el tiempo ahorrado. La evaluación debe incluir los costes de implementación y de revisión humana, y comparar los resultados con la situación inicial. Así se puede comprobar si la mejora de productividad llega realmente a las cuentas de la empresa.

La idea clave

La encuesta no ofrece una fórmula garantizada para obtener beneficios de la IA. Sí muestra por qué la adopción y la productividad no bastan para medir el éxito: las personas consultadas declararon muchas más mejoras en su productividad individual que impactos positivos en el EBIT. Las empresas pueden responder con casos de uso bien definidos, datos fiables, responsabilidades claras, procesos rediseñados y mediciones financieras, manteniendo a las personas al frente del liderazgo y el criterio. 6814