«¿Y esto de verdad se paga solo?» es la pregunta que más veces nos hacen, con otras palabras, cuando una pyme se plantea invertir en IA. Llega después de haber visto una demo convincente, un caso ajeno contado sin números, o una cuota mensual que parece asequible hasta que se suma todo lo demás. Este artículo reúne las dudas que más se repiten sobre el ROI y la puesta en marcha de un proyecto de IA en una empresa real, no en una presentación: cómo se calcula, qué entra en el coste, cuánto se tarda en verlo, qué caso de uso elegir primero y qué hacer si, tras el piloto, los números no cuadran. Enlaza con las guías donde desarrollamos cada bloque con más detalle. No sustituye un análisis del caso concreto: es el mapa para saber qué preguntar antes de aprobar presupuesto.
El ROI de un proyecto de IA no se decide en la propuesta comercial, se decide en cómo se elige el primer caso de uso y en si alguien vuelve a mirar los números tres meses después con datos reales, no con la estimación inicial.
Qué es el ROI de la IA y cómo se mide
¿Qué significa exactamente «ROI de una implantación de IA»?
No es solo «horas ahorradas» ni «cuánto cuesta la licencia al mes». Es la relación entre el beneficio neto que genera el proyecto durante un periodo y lo que ha costado ponerlo en marcha y mantenerlo, normalmente expresada en porcentaje o en tiempo de recuperación. El beneficio no es únicamente tiempo liberado: también cuenta la reducción de errores, la capacidad de absorber más volumen sin contratar, o ingresos que antes se perdían por lentitud de respuesta. Confundir el ROI con la cuota mensual de un software es el primer error de cálculo, y suele ser el más caro. Lo desarrollamos con más detalle en nuestra guía de cómo medir el ROI de la IA en una pyme.
¿Qué fórmula uso para calcular el ROI de un proyecto de IA?
La más habitual es (beneficio neto del periodo − coste total del periodo) dividido entre el coste total del periodo, expresado en porcentaje. El beneficio neto sale de restar al valor generado (horas liberadas valoradas al coste real de esa hora, errores evitados, ingresos incrementales) el coste operativo continuo del sistema. El coste total incluye la puesta en marcha y el mantenimiento del periodo, no solo la licencia. La fórmula es sencilla; lo difícil es rellenar cada variable con datos reales y no con estimaciones optimistas hechas antes de tener una sola semana de uso en producción.
¿ROI y payback son lo mismo?
No. El ROI mide cuánto rinde la inversión, en porcentaje, durante un periodo dado. El payback, o periodo de recuperación, mide cuánto tiempo tarda el beneficio acumulado en igualar el coste total: un proyecto con un ROI del 300% puede tardar seis meses o dos años en cruzar ese punto de equilibrio, según el ritmo real de adopción. Para decidir si aprobar un proyecto conviene mirar los dos números juntos, no solo el que suena más grande en una diapositiva. Desarrollamos la fórmula completa del punto de equilibrio, con un ejemplo numérico y tres escenarios de sensibilidad, en nuestra guía de payback de la automatización.
Qué entra en el coste total (y qué se olvida)
¿La cuota mensual del software ya es «el coste del proyecto»?
No, y es el error de presupuesto más habitual. La licencia mensual suele ser la parte más pequeña y más visible del coste, lo cual la hace fácil de mirar y fácil de tomar por el total. El coste real incluye también la integración con los sistemas que ya usa la empresa, la limpieza o preparación de los datos que va a usar el sistema, la formación de quien lo va a operar cada día, y el tiempo de quien lo supervisa y ajusta durante las primeras semanas, que casi nunca es cero.
¿Cuánto cuesta realmente añadir Microsoft 365 Copilot a mi organización?
Depende de cuál de los dos productos licencies, y confundirlos infla o desinfla el cálculo de ROI. El complemento Copilot Business, para hasta 300 usuarios sobre planes Business Basic, Standard o Premium, cuesta 18,20 €/21,00 $ por usuario y mes con compromiso anual (15,60 €/18,00 $ en la promoción vigente hasta el 30 de septiembre de 2026), o 21,84 €/25,20 $ facturando mes a mes sin compromiso. La versión completa de Microsoft 365 Copilot, sin tope de usuarios y compatible tanto con planes Business como con Enterprise E3/E5, cuesta 26,00 €/30,00 $ por usuario y mes con compromiso anual, o 27,30 €/31,50 $ facturando mes a mes con compromiso anual. Antes de meter esa cifra en la hoja de cálculo de ROI, confirma cuál de los dos vas a licenciar: el ahorro por usuario que necesitas para justificar cada uno no es el mismo, y las dos divisas nunca se mezclan como si fueran la misma cifra.
¿Qué costes se olvidan más a menudo al presupuestar un proyecto de IA?
Sobre todo tres. El tiempo de las personas que preparan y limpian los datos antes de que el sistema pueda usarlos bien, que a menudo cuesta más que la propia licencia. El tiempo de supervisión humana que exige cualquier sistema con impacto en decisiones, que no desaparece cuando el proyecto «ya funciona». Y el coste de mantenimiento cuando cambia un proceso, un formulario de origen o una versión del modelo y hay que revisar la integración. Ninguno de los tres suele aparecer en la propuesta comercial inicial.
¿Afecta el AI Act al coste o al calendario de un proyecto de IA?
Sí, en la medida en que el sistema interactúe con personas o entre en los supuestos del artículo 50 del Reglamento (UE) 2024/1689. Desde el 2 de agosto de 2026 es exigible, sin periodo transitorio, la obligación de informar de que se está interactuando con un sistema de IA cuando corresponda; el único aplazamiento que contempla el Reglamento, hasta el 2 de diciembre de 2026, es el del marcado técnico de contenido sintético del artículo 50.2, y solo para proveedores de sistemas generativos ya comercializados antes del 2 de agosto de 2026. Diseñar ese aviso, y valorar si el sistema puede resultar de alto riesgo, es trabajo que hay que presupuestar desde el principio, no un trámite legal de última hora que se añade cuando el proyecto ya está en producción.
Cuánto se tarda en ver retorno
¿Cuánto tarda en verse el ROI de un proyecto de IA?
Depende del tipo de proyecto, pero hay un patrón que se repite. Automatizaciones de un proceso concreto y bien acotado (facturas, correo entrante, extracción de datos) suelen mostrar los primeros resultados medibles entre 4 y 12 semanas después de entrar en producción, no antes. Sistemas más ambiciosos, como un agente que toca varios sistemas o un despliegue de Copilot a toda la plantilla, tardan más en generar valor medible, entre varios meses y algo más de un año, porque dependen de que la organización cambie de verdad cómo trabaja, no solo de que el software funcione. Cualquier proveedor que prometa retorno desde el primer mes en un proyecto no trivial está vendiendo, no midiendo.
¿Qué hace que el retorno tarde más de lo previsto?
Casi siempre lo mismo: baja adopción real por parte de quien tendría que usar el sistema cada día, datos de entrada más sucios o inconsistentes de lo previsto al presupuestar, y un caso de uso elegido por ser vistoso en una demo en lugar de por el volumen y la repetitividad reales del proceso. El software rara vez es el cuello de botella; el cambio de hábito de trabajo, sí.
Elegir el caso de uso correcto
¿Cómo elijo el primer proceso a automatizar para maximizar el ROI?
Buscando la intersección de tres cosas: volumen alto, que se repita muchas veces al día o a la semana y no una vez al mes; reglas relativamente estables, que no cambien de criterio según quién lo revise; y un coste de error tolerable mientras el sistema aprende a funcionar bien. Procesos administrativos repetitivos, como clasificar correo, extraer datos de facturas o generar primeras versiones de documentos, suelen cumplir los tres criterios mejor que procesos poco frecuentes aunque parezcan más estratégicos sobre el papel. Priorizar bien este primer caso es, con diferencia, la decisión que más condiciona el ROI de todo el proyecto; es justo el trabajo que hacemos en la consultoría estratégica de IA antes de tocar una sola línea de implementación.
¿Empiezo con automatización de procesos o con un agente de IA más complejo?
Con automatización de procesos, casi siempre. Un flujo que conecta sistemas y aplica reglas claras tiene un coste de implantación menor, un comportamiento más predecible y un ROI más fácil de medir que un agente con autonomía de decisión, porque hay menos variables que puedan salir mal y menos supervisión humana que diseñar desde cero. Los agentes de IA aportan más valor cuando el proceso ya no se puede resolver con reglas fijas porque exige interpretar contexto, pero eso suele llegar después de haber ordenado primero lo automatizable con reglas, no antes.
¿Necesito un piloto antes de escalar, o puedo ir directo a producción?
Un piloto acotado, con alcance y plazo definidos de antemano, casi siempre sale más barato que un despliegue completo que hay que deshacer a medias. El piloto no es una versión más pequeña del proyecto final: es el experimento que confirma o desmiente los supuestos con los que se calculó el ROI antes de comprometer presupuesto a mayor escala. Sin ese punto de control intermedio, la decisión de escalar se toma con la misma información, o la misma falta de ella, con la que se aprobó el proyecto al principio.
Medir de verdad y decidir si escalar
¿Qué debo medir durante el piloto, además del ahorro de horas?
Al menos cuatro cosas: la tasa de adopción real, es decir, cuánta gente de la que debería usarlo lo usa de verdad y no cuánta lo probó una vez; la tasa de error o de intervención humana necesaria; el tiempo de ciclo del proceso completo de principio a fin, no solo el paso que se automatizó; y el coste operativo real del periodo, incluida la supervisión. Un piloto que solo reporta horas ahorradas está midiendo la mitad del problema. Repasamos fase a fase qué mirar antes de aprobar, durante el piloto y al escalar en nuestro checklist de ROI de implantación de IA para pymes.
¿Qué hago si tras el piloto el ROI no llega?
Conviene separar tres causas posibles antes de dar el proyecto por fallido, porque cada una tiene una solución distinta: el caso de uso elegido no tenía volumen o estabilidad suficiente, y entonces se cambia de caso de uso en lugar de insistir en el mismo; el sistema funciona pero nadie lo usa de forma constante, y eso es un problema de adopción y de proceso, no de tecnología; o el coste real resultó mayor que el estimado porque se subestimó la integración o el mantenimiento, y entonces se recalcula con los datos reales del piloto, no con la estimación inicial. Pivotar con datos del piloto en la mano cuesta mucho menos que insistir a ciegas durante otro trimestre.
¿Cómo distingo un problema de adopción de un problema de tecnología?
Mirando quién usa el sistema y cuándo deja de usarlo. Si produce resultados correctos en pruebas pero el equipo vuelve al método manual en cuanto nadie lo supervisa, el problema no es la precisión del modelo: es que el nuevo flujo no encaja con cómo trabaja realmente la gente, o nadie explicó por qué merece la pena el cambio de hábito. Si en cambio el equipo lo usa con ganas pero corrige el resultado casi siempre, el problema sí está en el sistema o en los datos que lo alimentan. Son diagnósticos distintos y conviene no tratarlos como si fueran el mismo, porque la solución de uno no arregla el otro.
Errores que hacen fracasar el cálculo
¿Cuál es el error más caro al calcular el ROI de un proyecto de IA?
Calcularlo una sola vez, antes de empezar, y no volver a mirarlo con datos reales. La estimación inicial sirve para decidir si el proyecto merece un piloto, no para justificar una decisión de escalar tomada meses después con datos que ya no reflejan cómo se está usando el sistema de verdad. El segundo error más caro, muy cerca del primero, es medir solo el lado del beneficio, las horas ahorradas, sin actualizar también el lado del coste con lo que realmente cuesta mantener el sistema en producción. En nuestra experiencia implantando estos proyectos, casi todos los cálculos que se derrumban lo hacen por uno de estos dos motivos, no por un fallo del modelo.
¿Tiene sentido comparar el coste de la IA con el de contratar a una persona?
Como referencia de orden de magnitud, sí; como comparación uno a uno, casi nunca es honesta. Una persona aporta juicio, adaptación a excepciones y responsabilidad que un sistema automatizado no sustituye sin más; un sistema bien implantado aporta capacidad de absorber picos de volumen sin contratar y una consistencia en tareas repetitivas que una persona, por buena que sea, no mantiene igual a las tres de la tarde de un viernes que a primera hora del lunes. La pregunta útil no es «IA o persona», sino qué parte del trabajo conviene automatizar para que la persona dedique su tiempo a lo que sí requiere criterio.
El ROI que se sostiene en el tiempo no sale de encontrar la tecnología perfecta, sino de elegir bien el primer caso de uso, presupuestar el coste completo desde el principio y medir con la misma honestidad con la que se estimó antes de aprobar el proyecto. Si quieres priorizar casos de uso y calcular el caso de negocio antes de comprometer presupuesto, en Summum IA lo trabajamos en la consultoría estratégica de IA, con diagnóstico de madurez y hoja de ruta priorizada; a veces la respuesta honesta, con lo que hay hoy en la empresa, es que la IA todavía no es la prioridad.