La tesis en una frase: hay dos tipos de KPIs de IA y solo uno paga la factura. Están los que lucen en la demo —usuarios que se registraron, prompts lanzados, la ovación del comité— y están los que mueven el trabajo real: casos que se resuelven sin que nadie los toque, horas que dejan de gastarse, errores que bajan. El primer grupo es teatro; el segundo es operación. Y la regla para distinguirlos es brutal de simple: si no lo mides cada semana desde una línea base, es teatro.
Los KPIs de IA en empresa que importan (y los que son puro teatro)
Cuando una empresa presume de su proyecto de IA, casi siempre enseña la métrica cómoda: cuánta gente lo usó, cuántas consultas se lanzaron, lo contento que salió el equipo de la formación. Son números que suben solos con el tiempo y que no dicen nada de si el trabajo se hace mejor. El número incómodo —el que decide si el proyecto rinde— es otro: qué tarea concreta salía antes de una manera y ahora sale mejor, más rápida o con menos errores. Entre esos dos grupos de métricas vive la diferencia entre un proyecto que rinde y una demo cara.
No es una opinión de consultor con ganas de llevar la contraria. El informe de MIT NANDA «The GenAI Divide: State of AI in Business 2025» analizó 300 despliegues y encontró que el 95% de los pilotos de IA no tuvo ningún impacto medible en la cuenta de resultados, a pesar de que más del 80% de las empresas ya habían probado herramientas como ChatGPT o Copilot (informe completo, 2025). Traducido: casi todo el mundo mide adopción y casi nadie mide resultado. Ese hueco es el teatro.
La regla del teatro: sin línea base y sin cadencia semanal, es humo
Una métrica sin línea base no es una métrica: es un adorno. «Resolvemos 200 tickets al mes con IA» no significa nada si no sabes cuántos resolvías antes, cuánto tardabas y cuántos volvían mal. El número que cuenta no es el absoluto, es el delta contra cómo se hacía sin la herramienta. Por eso el primer día de cualquier proyecto de IA que se tome en serio se dedica a medir el antes —el baseline—, no a lanzar la demo.
Y una métrica que solo miras en la reunión trimestral tampoco cuenta. La adopción se decide en semanas: si un equipo prueba la herramienta, no le convence y vuelve al método manual, para cuando llega el comité de dentro de tres meses el proyecto ya está muerto y nadie se enteró a tiempo. Cadencia semanal desde una línea base es lo que separa un cuadro de mando de una foto de postal.
Las cuatro métricas operativas que sí cuentan
Si vas a medir una sola cosa, mide el trabajo. Estas cuatro son las que dicen si la IA está haciendo algo o solo está encendida:
- Casos resueltos sin intervención humana. De cada cien tareas que entran —tickets, correos, facturas, consultas—, cuántas salen resueltas y bien sin que una persona tenga que tocarlas. Es la métrica reina de cualquier automatización: mide trabajo hecho, no actividad. Si montas un agente contable con IA, este es el número que decide si te ahorra un puesto o te da uno más que revisar.
- Horas ahorradas contra el baseline. No «horas que la herramienta dice que ahorra», sino la resta real: lo que tardaba el proceso antes menos lo que tarda ahora, por su frecuencia. Es la métrica que se traduce directamente a dinero y la que el comité entiende sin traductor.
- Tasa de error. Una IA que hace el triple de trabajo con el doble de errores no te ahorra nada: te traslada el coste de hacer al coste de revisar y corregir. Medir el porcentaje de salidas que hay que rehacer es lo que evita el autoengaño de «va rapidísimo» mientras alguien limpia detrás.
- Uso real por persona, no licencias activas. Cuánta gente la usa de verdad cada semana en su trabajo, rol por rol. Es la métrica que destapa el adoption gap —gente con acceso que no la toca— antes de que se convierta en un proyecto muerto. La compra de la licencia la pagas tú; el uso se gana, y solo se ve si lo mides por persona.
Esto no son los KPIs de GEO —no los confundas—
Hay un sitio donde esta distinción se lía a propósito: la visibilidad en IA. Que tu marca aparezca en ChatGPT o en Google AI también se mide, pero eso es otra disciplina con su propio cuadro —tasa de mención, citación, share of voice—, y lo desglosamos en los KPIs de GEO. Ese cuadro mide si te ven; el de este artículo mide si tu operación funciona. Son dos tableros distintos, y presentarlos como si fueran el mismo es el truco favorito de quien quiere enseñar el número bonito. Si lo que necesitas es llevar la visibilidad a dirección sin humo, eso también tiene su formato propio: el informe de GEO para dirección.
Cómo montar el cuadro sin humo
- Mide el baseline antes de encender nada. El día uno es para cronometrar y contar el proceso actual, no para la demo. Sin ese antes, cualquier después es una anécdota.
- Elige una tarea concreta y visible, no «la IA en la empresa». Casos resueltos de ESE proceso, horas de ESE proceso. Un tablero de una tarea que rinde convence más que diez indicadores genéricos.
- Pon las cuatro métricas operativas en cadencia semanal y con dueño. Alguien mira el delta cada semana y actúa cuando cae, igual que con cualquier otro número del negocio.
- Separa el tablero de operación del de visibilidad. GEO en un sitio, operación en otro. Mezclarlos solo sirve para esconder el que va mal detrás del que va bien.
Nada de esto es exótico: es tratar la IA como cualquier otra parte del negocio que se quiere que rinda —con línea base, con delta y con alguien mirando—. Si prefieres que ese tablero lo monte y lo sostenga quien además arregla el proceso que hay debajo, la automatización de operaciones es justo eso: no te entregamos un panel de vanity metrics, te dejamos midiendo trabajo hecho.