Cómo medir el impacto de IA en un proceso: tiempo neto, errores y calidad

Saber cómo medir el impacto de IA en un proceso empieza por una comparación sencilla: la misma tarea, hecha sin IA y con IA, contada de principio a fin. Muchas personas ya usan IA para resumir un informe o limpiar una tabla y sienten que ahorran tiempo. Lo difícil llega cuando alguien pregunta cuánto, a costa de qué y si conviene extenderlo al resto del equipo.

Esta guía propone un registro breve, cuatro medidas y una regla de decisión escrita antes de medir. Después, un ejemplo calculado por una IA y comprobado paso a paso muestra el método completo.

Qué significa medir el impacto de IA en un proceso

Medir el impacto de IA en un proceso significa comparar el resultado de la tarea completa en dos condiciones: sin IA y con IA. La velocidad con la que la herramienta responde es solo una parte de ese resultado.

Las cuatro medidas del impacto son el tiempo neto, el retrabajo, los errores que escapan y la calidad. Estos son los términos que usa el resto de la guía:

Por qué no basta la percepción ni la velocidad

La percepción no basta para medir. En un ensayo aleatorizado de METR con 16 desarrolladores y 246 tareas, usar IA aumentó el tiempo de terminación en 19%; al final, los participantes estimaban que les había ahorrado 20% (METR, 2025).

La velocidad tampoco basta. En un experimento con 758 consultores de BCG, la IA mejoró rapidez y calidad en tareas dentro de su alcance; en una tarea fuera de él, los grupos con IA dieron 19 puntos porcentuales menos respuestas correctas, cifra agregada que reporta el estudio (Dell'Acqua et al., Organization Science, 2026).

Cómo levantar la línea base, aunque ya uses IA

La línea base convierte una impresión en una comparación. Conviene elegir una tarea recurrente, con un inicio y un fin claros, y con un entregable que alguien pueda revisar. Si todavía no hay una tarea elegida, la guía para identificar oportunidades de IA ayuda a escoger una, y el mapeo de procesos con IA ayuda a definir sus etapas.

Qué registrar en cada ejecución

Cada ejecución ocupa una fila. Las etapas se anotan en minutos al terminar cada una, no de memoria al final del día.

Plantilla de registro

El registro es una hoja de cálculo. Cada columna de la tabla siguiente es una columna de la hoja, y cada ejecución ocupa una fila nueva. La última columna muestra cómo se llenó la primera ejecución del ejemplo de esta guía.

Una ejecución empieza al tomar el insumo y termina al enviar el entregable. Dejarlo por escrito evita que una condición cuente etapas que la otra no.

Encabezados para pegar en la primera fila de la hoja

ejecucion,orden,condicion,preparar_min,generar_min,revisar_min,corregir_min,errores_escapados,criterios_cumplidos

Un mínimo práctico es cinco ejecuciones por condición. Alcanza para notar diferencias grandes de tiempo; no alcanza para probar diferencias pequeñas en errores, y el análisis debe decirlo.

Si ya usas IA: alterna ejecuciones con y sin ella

Quien ya usa IA no tiene un «antes» registrado. La salida es hacer a propósito algunas ejecuciones sin IA durante el periodo de medición, alternadas con las ejecuciones con IA: una sin IA, una con IA, y así sucesivamente.

Para que la comparación sea justa, los insumos deben ser comparables: el mismo tipo de informe, de extensión parecida y para el mismo destinatario. Alternar también reduce el efecto del orden, porque ninguna condición queda solo al principio o solo al final.

En cambio, un histórico reconstruido de memoria se puede anotar, pero se rotula como estimación y no sustituye la línea base.

La regla de decisión se escribe antes de medir

Si la regla aparece después de ver los números, cualquier resultado parece suficiente. Por eso conviene dejarla escrita junto al registro, con un umbral que cada equipo fija según el valor de la tarea.

Plantilla de regla de decisión

Umbral de ahorro neto: ___ %
Errores y calidad «se mantienen o mejoran» si los errores que escapan no aumentan y las ejecuciones con todos los criterios no bajan. En cualquier otro caso, «empeoran».
Escalar: el tiempo neto promedio baja al menos el umbral, y errores y calidad se mantienen o mejoran.
Ajustar y volver a medir: el tiempo neto baja, pero menos que el umbral, o baja y errores y calidad empeoran.
Detener: el tiempo neto no baja.

La regla cubre todos los casos posibles. El segundo diagrama de esta guía la muestra completa.

Métricas de IA que muestran el impacto real

Para medir el impacto de IA, las cuatro medidas se convierten en cinco cálculos que salen del mismo registro; el ahorro bruto es el único de diagnóstico. Ninguno necesita software especial: basta una hoja de cálculo.

Además, la métrica de tiempo funciona mejor por unidad de trabajo que por día. En un estudio con 5,179 agentes de atención a clientes, el efecto de un asistente de IA se midió en casos resueltos por hora: aumentó 14% en promedio y 34% en personas novatas, con impacto mínimo en las más expertas (Brynjolfsson, Li y Raymond, NBER w31161; versión publicada en QJE, 2025). El mismo cambio puede valer distinto según quién ejecuta.

El ahorro de tiempo tampoco se mide solo. La investigación DORA de 2025 encontró que la IA mejora el flujo de entregas en equipos de software, pero con frecuencia a costa de la estabilidad (resumen anual de DORA, enero de 2026). En una tarea de oficina, la estabilidad se parece al retrabajo y a los errores que escapan.

Ejemplo: medir un piloto de IA en un resumen semanal

El ejemplo aplica el método a una tarea de la guía para resumir textos con inteligencia artificial: el resumen semanal de un informe operativo para dirección. Cada ejecución empieza al recibir el informe y termina al enviar el resumen. Los criterios de calidad son cuatro: decisiones incluidas, condiciones conservadas, cifras correctas y siguiente paso claro.

El registro de diez ejecuciones

Los datos son sintéticos: se construyeron para enseñar el cálculo. No son una medición real ni un promedio esperado. El registro supone ejecuciones alternadas (S1, C1, S2, C2…), aunque la tabla las agrupa por condición.

Los tiempos están en minutos. El tiempo neto es la suma de las cuatro etapas de cada fila; por ejemplo, S1: 10 + 40 + 8 + 4 = 62. La regla del ejemplo fija un umbral de 15%.

El cálculo que hizo la IA

El registro y la regla se enviaron a una sesión nueva de Claude, con el modelo Sonnet, el 30 de octubre de 2026. Este fue el prompt, sin los datos, que ya aparecen en la tabla:

Prompt utilizado

Te comparto un registro de diez ejecuciones de la misma tarea: preparar el resumen semanal de un informe operativo para dirección. Cinco se hicieron sin IA (S1 a S5) y cinco con IA (C1 a C5). Los datos son sintéticos y sirven de ejemplo.

[registro en CSV]

Definiciones: generar_min es redactar a mano o pedir y recibir la respuesta de la IA. corregir_min es el retrabajo después de revisar. errores_escapados son errores que detectó quien recibió el resumen. criterios_cumplidos va de 0 a 4.

Calcula para cada condición:
1. Tiempo total por ejecución (suma de las cuatro etapas) y su promedio.
2. Ahorro neto por ejecución en minutos y en porcentaje sobre la condición sin IA.
3. Ahorro bruto en la etapa de generación.
4. Retrabajo promedio.
5. Errores que escapan y ejecuciones con 4 de 4 criterios.

Aplica esta regla, definida antes de medir: escalar si el tiempo neto promedio baja al menos 15%, los errores que escapan no aumentan y las ejecuciones con 4 de 4 no bajan; ajustar y volver a medir si el tiempo neto baja menos de 15%, o si baja pero aumentan los errores o baja la calidad; detener si el tiempo neto no baja.

Muestra la operación de cada cifra. No agregues datos que no estén en el registro. Di qué no se puede concluir con cinco ejecuciones por condición.

Qué respondió la IA

La respuesta mostró cada suma y llegó a esta conclusión, citada textualmente:

Como el tiempo baja más de 15% pero aumentan los errores y baja la calidad, la regla indica ajustar y volver a medir.

También desglosó el cambio por etapa:

Y advirtió límites: con cinco ejecuciones por condición, una diferencia de un solo error es compatible con el azar, y el registro no indicaba el orden de las ejecuciones. La segunda advertencia es útil: sin una columna de orden, nadie puede revisar si hubo aprendizaje o cansancio entre ejecuciones. Por eso la plantilla de esta guía la incluye.

Cómo comprobar el cálculo

Un cálculo hecho por IA se acepta solo después de recalcularlo. Basta una hoja de cálculo o unas líneas de código para sumar cada fila, promediar y aplicar la regla.

En este caso, todas las cifras coinciden. La lectura importante está en la distancia entre las dos primeras filas de ahorro: la IA recortó 36 minutos al generar, pero preparar, revisar y corregir sumaron 20.4 minutos más. El ahorro real fue de 15.6 minutos por resumen, no de 36.

Cómo decidir si escalar, ajustar o detener

La regla ya está escrita, así que la decisión no depende del ánimo del equipo. En el ejemplo, el ahorro neto de 24.5% supera el umbral, pero los errores que escapan pasan de uno a dos y las ejecuciones con todos los criterios bajan de cuatro a tres. Resultado: ajustar y volver a medir.

Qué se ajusta depende de la causa:

• Si empeoran errores o calidad: una lista de verificación con los cuatro criterios antes de entregar. En el ejemplo, las ejecuciones con error son también las de más corrección, lo que sugiere revisar ahí primero.
• Si el ahorro no llega al umbral: recortar la etapa que más creció, por ejemplo con una instrucción más precisa que reduzca la revisión.

La nueva medición usa el mismo registro, la misma regla y el mismo umbral. Un límite sano es dos rondas de ajuste: si en la segunda no se alcanza «escalar», la tarea se detiene o se replantea.

Escalar significa extender el uso a más personas o a más volumen, y seguir midiendo una muestra para confirmar que el resultado se mantiene.

Detener significa volver a hacer la tarea sin IA, guardar el registro con la causa probable y revisar si otra etapa u otra tarea es mejor candidata. No es un fracaso: es información sobre una tarea que no gana con IA tal como está diseñada.

ROI de inteligencia artificial: cuándo el tiempo se convierte en dinero

El ROI de inteligencia artificial se calcula sobre el ahorro neto, nunca sobre el bruto. Y el tiempo ahorrado solo vale dinero si se usa en otro trabajo; si se diluye en la jornada, el beneficio es real, pero no es financiero.

Las fórmulas, en orden:

1. Valor del tiempo liberado = ahorro neto por ejecución en horas (minutos ÷ 60) × ejecuciones en el periodo × costo por hora de quien ejecuta.
2. Beneficio neto = valor del tiempo liberado − costo de la herramienta − costo del tiempo dedicado a medir y ajustar.
3. ROI = beneficio neto ÷ (costo de la herramienta + costo de medir y ajustar).

En el ejemplo, el ahorro neto es de 15.6 minutos por resumen. Si el resumen se hace una vez por semana durante 52 semanas: 15.6 × 52 ÷ 60 = 13.5 horas al año por persona. Para convertir esas horas en dinero hacen falta el costo por hora y el de la herramienta de cada caso; con esos datos, las fórmulas se resuelven en una hoja.

Si el ajuste todavía está pendiente, conviene esperar: un ROI calculado sobre un resultado que la regla manda ajustar mide algo que todavía va a cambiar.

Cómo medir el impacto en otras tareas con IA

El mismo registro sirve para medir el impacto de IA en otras tareas. Lo que cambia es qué cuenta como ejecución, retrabajo, error y criterio.

Qué cuenta como ejecución y retrabajo

Qué cuenta como error y calidad

Para empezar, basta una tarea, la plantilla y la regla con su umbral. En una tarea diaria, cinco ejecuciones por condición, alternadas, toman unas dos semanas; en una semanal, unas diez.

Preguntas frecuentes

¿Cómo se mide el impacto de la IA en toda una empresa?

Se mide proceso por proceso. Cada tarea tiene su registro, su umbral y su decisión; el panorama de la empresa es la suma de esas decisiones, no un índice único. Empezar por una o dos tareas recurrentes da evidencia antes de comprometer más recursos.

¿Quién debe registrar los tiempos?

La persona que ejecuta la tarea, al terminar cada etapa. Los errores que escapan los reporta quien recibe el entregable. Separar esos dos registros evita que quien produce califique su propio resultado.

¿Cuántas veces hay que medir antes de decidir?

Cinco ejecuciones por condición son un mínimo práctico para detectar diferencias grandes de tiempo. Para diferencias pequeñas, sobre todo en errores, hacen falta más ejecuciones.

¿Cada cuánto conviene volver a medir después de escalar?

Cuando cambie algo que afecte la tarea: la herramienta, el tipo de insumo o las personas que la ejecutan. Mientras tanto, medir una muestra periódica confirma que el resultado se mantiene.

¿Se puede medir el impacto de la IA sin herramientas especiales?

Sí. Una hoja de cálculo con la plantilla de registro y la regla de decisión alcanza. Lo indispensable es anotar cada etapa en el momento y definir los criterios de calidad antes de empezar.