El problema de la métrica favorita: "horas ahorradas"
Decir que un copiloto ahorra 6 horas por colaborador a la semana suena bien. Pero si esas horas no se convierten en mayor producción, mejor servicio o menor headcount, son humo contable.
Tres palancas reales de EBITDA con AI
- Reducción de costo unitario: agentes que automatizan procesos de alto volumen y baja complejidad (back office, conciliación, soporte L1).
- Expansión de margen comercial: pricing dinámico, segmentación avanzada y next-best-action en ventas.
- Aceleración de ciclo cash: cobranza predictiva, scoring crediticio, gestión inteligente de inventario.
El framework AI-EBITDA en 4 pasos
- Identifica el proceso candidato y su contribución al P&L (no a la operación: al P&L).
- Define una métrica de costo o margen antes-después, medible mensualmente.
- Estima el costo total: licencias, integración, formación y mantenimiento (TCO a 24 meses).
- Construye el caso en valor presente neto, con escenario pesimista incluido.
Una iniciativa AI que no resiste un VAN con sensibilidad de -30% en beneficios, no está lista para producción.
El error que repite el 80% de los proyectos
Comprar la herramienta antes de definir la métrica. Cuando llega la hora de medir, no hay baseline. Resultado: nadie puede decir si la inversión funcionó.
Qué exigir al sponsor
Antes de firmar el contrato con cualquier proveedor AI, pídele al sponsor interno que defina por escrito: línea base, métrica objetivo, frecuencia de medición y consecuencias si no se cumple. Si no puede, el proyecto aún no existe.
