Cómo pueden las empresas transformar la IA en resultados financieros concretos
Aunque la inteligencia artificial ya está presente en diversos sectores, la mera adopción de herramientas no garantiza beneficios financieros. Un estudio global de McKinsey muestra que las organizaciones que obtienen más valor de la IA combinan inversiones tecnológicas con cambios en los procesos de trabajo, un compromiso activo de los líderes y objetivos que van más allá de la reducción de costos.
Para los ejecutivos y gerentes que participan en la definición de estrategias y en la implementación de proyectos de transformación, comprender estas diferencias ayuda a explicar por qué algunas iniciativas avanzan mientras que otras se limitan a pruebas puntuales.
¿Por qué muchas empresas siguen teniendo dificultades para generar valor con la IA?
En el estudio The State of AI in 2025, publicado en noviembre de 2025, McKinsey identificó una brecha entre la difusión de la IA y su impacto en los resultados de las empresas.
Casi el 90 % de los encuestados afirmaron que sus organizaciones utilizan la IA regularmente, pero dos tercios aún no habían comenzado a expandir su uso en toda la empresa. Además, solo el 39 % informó de algún efecto de la IA sobre el resultado operativo medido por el EBIT, el beneficio antes de intereses e impuestos.
La encuesta se realizó a 1.993 participantes entre el 25 de junio y el 29 de julio de 2025. Los datos indican que adoptar herramientas y obtener beneficios en tareas específicas no se traduce automáticamente en una mejora del rendimiento financiero.
Cuatro prácticas que diferencian a las empresas de alto rendimiento
1. Rediseñar los flujos de trabajo
Uno de los factores más importantes para el éxito es la reformulación de los procesos para integrar la IA de manera profunda.
Las empresas clasificadas como de alto rendimiento en IA tenían 2,8 veces más probabilidades de afirmar que habían rediseñado fundamentalmente sus flujos de trabajo. En este grupo, el 55 % informó de cambios de este tipo, frente a solo el 20 % de las demás organizaciones.
En la práctica, esto significa ir más allá de insertar una herramienta en una rutina ya existente. Por ejemplo, en un equipo de marketing, la IA puede apoyar la investigación de referencias, el análisis de datos y la creación de versiones iniciales de campañas. Al reorganizar las etapas, la empresa reduce las tareas repetitivas y libera tiempo para actividades estratégicas, revisión y evaluación de los resultados.
2. Garantizar el compromiso activo de los líderes
El éxito de la implementación también depende del compromiso de los ejecutivos y gerentes.
Los profesionales de empresas de alto rendimiento tenían tres veces más probabilidades de afirmar que los líderes mostraban un fuerte apoyo a las iniciativas de IA. Este compromiso incluye definir prioridades, asignar recursos, establecer responsabilidades y supervisar los resultados.
Cuando la iniciativa se limita al área de tecnología, puede haber dificultades para integrarla a las necesidades del negocio. Además, los líderes deben establecer reglas de uso y validación, especialmente cuando los sistemas procesan información confidencial o decisiones que requieren juicio humano.
3. Buscar crecimiento e innovación, no solo ahorro de costos
Aunque la reducción de costos es un objetivo común, las empresas que obtienen más valor de la IA también buscan el crecimiento y la innovación.
Esto puede incluir el desarrollo de nuevos productos, la mejora de la experiencia del cliente, la identificación de oportunidades comerciales o la aceleración del análisis de información para apoyar la toma de decisiones. La tecnología deja de ser solo un medio para ejecutar tareas con menos recursos y se convierte en una herramienta para crear nuevas posibilidades de negocio.
Por ejemplo, para un gerente comercial, la IA puede ayudar a identificar patrones de comportamiento de los clientes y apoyar la definición de campañas. El resultado depende de cómo se aplican estas informaciones y de su contribución a indicadores concretos, como la conversión, los ingresos y la retención.
4. Medir resultados y capacitar a los equipos
Establecer indicadores claros para evaluar el impacto de las soluciones es esencial.
Entre las métricas posibles se encuentran el tiempo ahorrado, la reducción de errores, el costo por operación y el impacto sobre los ingresos. También es importante definir cuándo los resultados producidos por los modelos necesitan validación humana, lo que ayuda a establecer límites para la automatización y a reducir riesgos asociados a informaciones incorrectas.
La capacitación de los profesionales complementa este proceso. Los equipos necesitan aprender a formular solicitudes, verificar respuestas, proteger datos y reconocer situaciones en las que la tecnología no es adecuada.
Sin capacitación y criterios de evaluación, el uso de la IA puede extenderse sin que la organización pueda identificar qué aplicaciones realmente contribuyen al negocio.
Cómo transformar la adopción de la IA en resultados concretos
Los datos de McKinsey indican que el valor de la inteligencia artificial depende de cambios organizacionales, y no solo de la compra de herramientas. La combinación de procesos rediseñados, líderes comprometidos, objetivos de negocio claros y un seguimiento continuo de los resultados está asociada a un rendimiento superior.
Para los profesionales que lideran proyectos o participan en la implementación de estas soluciones, el primer paso es identificar un problema específico, definir una métrica de éxito y probar la tecnología en un flujo de trabajo delimitado. Basándose en los resultados, la empresa puede ajustar el proceso y evaluar si tiene sentido ampliar la aplicación a otras áreas.








