El ROI de un agente de IA se mide sobre el coste del proceso completo, antes y después, y no sobre la velocidad del agente. Eso incluye el tiempo que alguien dedica a revisar su trabajo, el coste de corregir lo que se escapó y la factura mensual de modelo e infraestructura. Si su empresa no midió el proceso antes de activar el agente, el día 90 no habrá ROI que calcular, solo una impresión.
La distancia entre usar IA y ganar dinero con ella es grande. En la encuesta The state of AI in 2025 de McKinsey, solo el 39% de los encuestados reporta algún impacto de la IA en el EBIT de la empresa, y la mayoría dice que ese impacto es inferior al 5% del EBIT. No es que los agentes no funcionen. Muchas veces funcionan, pero nadie consigue demostrar cuánto valen.
La velocidad no basta: el caso Klarna
En febrero de 2024, Klarna anunció que su asistente de IA había atendido 2,3 millones de conversaciones en su primer mes, dos tercios de los chats de soporte, con un trabajo equivalente al de 700 agentes a tiempo completo. El tiempo medio de resolución bajó de 11 a menos de 2 minutos, y la empresa estimó una mejora de 40 millones de dólares en beneficio para 2024. El comunicado también afirmaba que la satisfacción del cliente estaba al nivel de la atención humana y que las consultas repetidas habían bajado un 25%.
Algo más de un año después, el CEO Sebastian Siemiatkowski dijo a Bloomberg que la empresa volvería a contratar agentes humanos, porque el coste había pesado demasiado en la evaluación y el resultado fue "menor calidad" (según Fortune, mayo de 2025).
La lección no es que el agente fallara. Es que la calidad medida en el primer mes no garantiza la calidad un año después, y que una métrica de calidad solo protege la operación si pesa lo mismo que el coste y la velocidad a la hora de decidir. Eso es lo que un buen panel de 90 días necesita desde el principio, y después también.
Antes del día 1: la línea base
Entre dos y cuatro semanas antes de activar el agente, mida el proceso tal como funciona hoy. Necesitará:
- Volumen: cuántos casos al mes (pedidos, tickets, facturas, contratos) pasan por el proceso.
- Tiempo de extremo a extremo: desde que llega el caso hasta que queda resuelto, no solo la etapa que asumirá el agente.
- Horas de trabajo por caso: todo el tiempo de personas, sumando cada mano por la que pasa el caso.
- Coste por hora cargado: salario con cargas sociales y beneficios, no solo el salario.
- Tasa de error y retrabajo: cuántos casos vuelven, se corrigen después o generan una reclamación.
Si esos números no existen, producirlos es el primer entregable del proyecto. Una muestra cronometrada de 200 casos es mucho mejor que nada.
Las cinco métricas del panel
1. Coste total por caso resuelto. Sume personas, modelo, infraestructura y el tiempo de quien opera el agente, y divida por los casos resueltos. Ese es el número que llega a la dirección.
2. Tiempo de ciclo de extremo a extremo. Un agente que responde en 3 segundos pero deja el caso parado 2 días en una cola de revisión no ha acortado nada.
3. Tasa de escalado. El porcentaje de casos que el agente pasa a una persona. Debería bajar a lo largo de los 90 días. Si se mantiene estable, el agente no está recibiendo el contexto adecuado, o el proceso tiene más excepciones de las previstas.
4. Tasa de errores que se escapan. Errores detectados después de dar el caso por resuelto: una factura registrada con un importe incorrecto, una respuesta que generó una queja. Es la métrica que decide si se puede ampliar la autonomía del agente.
5. Adopción. Cuántas personas del equipo usan el agente y confían en lo que entrega. Si el equipo rehace el trabajo del agente "por si acaso", la ganancia existe en la hoja de cálculo y no en la operación.
Los 90 días en tres fases
Días 1 a 30, modo asistido. El agente sugiere y una persona lo aprueba todo. La tasa de escalado es alta a propósito. El objetivo es medir la precisión con seguridad y reunir una base de casos en los que el agente se equivocó.
Días 31 a 60, autonomía parcial. Los tipos de caso en los que el agente acertó de forma consistente pasan a resolverse sin aprobación, con revisión por muestreo (un 10% es un punto de partida habitual). El resto sigue asistido.
Días 61 a 90, régimen. El proceso funciona como funcionará a escala. Las cifras de este mes son las que entran en el cálculo del ROI. Los meses anteriores tienen un coste de aprendizaje que no se repite.
El día 90 hay tres decisiones posibles: escalar a más volumen u otros procesos, ajustar y medir 30 días más, o apagarlo. Apagar con datos es un resultado legítimo, y barato comparado con mantener un agente del que nadie sabe si se paga.
Ejemplo hipotético: clasificación de facturas de proveedores
Las cifras siguientes son un ejemplo hipotético construido para mostrar el cálculo. No son resultados de clientes.
Una empresa recibe 6.000 facturas de proveedores al mes. Hoy, cada una lleva 8 minutos de trabajo manual (cotejar con el pedido, clasificar, contabilizar). Son 800 horas al mes. Con un coste cargado de 30 euros por hora, el proceso cuesta 24.000 euros al mes.
| Métrica | Antes del agente | Con el agente (30% de escalado) | Con el agente (50% de escalado) |
|---|---|---|---|
| Volumen | 6.000 facturas al mes | 6.000 facturas al mes | 6.000 facturas al mes |
| Horas de trabajo | 800 horas | 229 horas | no detallado |
| Coste por hora | 30 euros | 30 euros (analista) | 30 euros (analista) |
| Coste mensual | 24.000 euros | 10.070 euros | unos 13.250 euros |
| Ahorro mensual | n/a | 13.930 euros | unos 10.750 euros |
| Payback | n/a | unos 5,4 meses | 7 meses |
Con el agente, en el mes 3 (régimen):
- El 70% de las facturas (4.200) se resuelve sin intervención. Un analista revisa el 10% de ellas, 3 minutos cada una: 21 horas.
- El 30% (1.800) se escala. El analista resuelve cada una en 6 minutos, porque el agente ya ha rellenado la mayor parte: 180 horas.
- El 2% de las facturas autónomas tiene un error que se escapa y se corrige después, 20 minutos cada una: 28 horas.
- Modelo e infraestructura: 2.000 euros al mes. Monitorización y ajustes: 20 horas de ingeniería a 60 euros, es decir, 1.200 euros.
Total: 229 horas de analista (6.870 euros) más 3.200 euros de operación, es decir, 10.070 euros al mes. El ahorro es de 13.930 euros al mes. Si construir e implantar el agente costó 75.000 euros, el payback ronda los 5,4 meses y el retorno a 12 meses se sitúa en torno al 123%.
Ahora cambie una sola premisa: la tasa de escalado se queda en el 50%, no en el 30%. El coste mensual sube a unos 13.250 euros, el ahorro baja a unos 10.750 euros y el payback se alarga a 7 meses. Por eso la tasa de escalado es la métrica que más atención merece en los primeros 60 días. Para simplificar, el ejemplo ignora los errores que ya existían en el proceso manual.
Hay un detalle que el director financiero va a preguntar: 571 horas liberadas al mes solo se convierten en ahorro si se reasignan o dejan de contratarse. Si el equipo sigue con el mismo tamaño haciendo lo mismo, la ganancia es capacidad, no caja. Ambas tienen valor, pero deben aparecer por separado en el informe.
Los errores más comunes
- Medir tareas procesadas en lugar de casos resueltos. Un agente puede procesar 10.000 elementos y resolver 4.000.
- Dejar fuera el coste humano de la revisión. Tras la puesta en producción es la partida de coste más grande, y casi siempre falta en la hoja de cálculo.
- Comparar el mes 1 del agente con el proceso maduro. El primer mes siempre parece malo.
- No tener una métrica de calidad con el mismo peso que las de coste y velocidad.
- Olvidar el coste variable del modelo. Crece con el volumen, y un piloto con 500 casos al mes no muestra cómo queda la factura con 50.000.
Checklist para el día 0
- La línea base del proceso está medida y tiene un responsable.
- El criterio de éxito del día 90 está escrito, con un número (por ejemplo: coste por caso un 30% menor, sin aumento de los errores que se escapan).
- Hay una persona con autoridad para decidir escalar, ajustar o apagar.
- El panel con las cinco métricas se actualiza al menos cada semana.
- El coste de modelo e infraestructura se sigue por caso, no solo en la factura mensual.
- El equipo sabe cómo reportar un error del agente, y ese reporte se convierte en dato.
Siguiente paso
Si está a punto de poner un agente en producción, escriba primero el criterio de éxito del día 90 y la línea base. Sin esos dos números, cualquier resultado se discutirá como una opinión.
Así trabajamos en la Cyborg Forge: el criterio de éxito se acuerda antes del primer día, y la PoC termina con un Decision Package que recomienda escalar, ajustar o descartar. Para ver cómo medimos cada etapa, lea nuestra metodología.