La pregunta que congela cualquier reunión de tecnología empresarial es siempre la misma: «¿Qué ahorró realmente?». Durante años, la respuesta honesta de los líderes tecnológicos fue alguna variante de «todavía lo estamos midiendo». Esa respuesta ya no funciona.
La investigación de la RAND Corporation sobre por qué fracasan los proyectos de IA encontró que la mayoría de las iniciativas nunca alcanzan producción significativa, con una tasa de fracaso aproximadamente el doble que la de proyectos de TI ordinarios. No es un problema tecnológico. Es un problema de medición.
Lo que se reporta hacia las juntas directivas es, en su mayoría, actividad: cuántas personas iniciaron sesión en una herramienta, cuántos flujos de trabajo fueron tocados, cuántos pilotos están en marcha. Ninguna de esas cifras le dice a un CFO si el negocio está realmente mejor.
Métricas del piso, no de la pantalla de inicio de sesión
En distribución y logística, el patrón es predecible: el equipo tecnológico reporta con orgullo que una herramienta está «en uso» en un departamento. El uso es el número más fácil de recolectar y el menos útil para reportar, porque no dice nada sobre si el trabajo mejoró.
Las métricas que importan son independientes de cualquier reporte de proveedor de software: fill rate, precisión de pedidos, costo por unidad recogida, tiempo desde la colocación del pedido hasta la salida del camión. Estas cifras vienen del piso operativo. Si una herramienta funciona, uno de esos números se mueve. Si ninguno se mueve, la herramienta aún no está funcionando, sin importar cuántas personas la usen.
El caso más concreto documentado en la fuente: construir una guía de pedidos solía tomar días. Después de corregir el proceso con IA, el mismo trabajo tomó 25 minutos o menos. Eso no es una estadística de uso. Son horas devueltas a alguien cada vez que se necesita construir una guía de pedidos.
Tres reglas para que el capital tecnológico rinda cuentas
Primero, establecer la línea base antes del despliegue, no después. Sin el número de partida la semana previa al lanzamiento, nunca se sabrá si se movió. Segundo, nombrar un responsable de la métrica en sí, no solo de la tecnología. Alguien debe rendir cuentas del número independientemente de si la herramienta sobrevive. Tercero, fijar una fecha de revisión. Noventa días suelen ser suficientes para saber si algo funciona. Los pilotos que corren indefinidamente sin un punto de decisión raramente terminan en una decisión; simplemente se convierten en líneas presupuestarias permanentes.
El propio autor reconoce haber estado en el lado equivocado de esa regla de 90 días: mantuvo un sistema de e-commerce funcionando mucho más allá del punto en que ya sabía que no era la opción correcta. El costo hundido ya invertido hacía que continuar pareciera la decisión responsable. En retrospectiva, ese costo hundido era la razón para cambiar antes, no para esperar.
La lectura de Ágora Capital
El problema que describe Singer es, en el fondo, un problema de incentivos mal alineados. Cuando el éxito de un proyecto tecnológico se mide por adopción y no por retorno, el aparato burocrático interno tiene todos los incentivos para reportar actividad y ninguno para reportar resultados. El capital corporativo merece las mismas reglas que el capital de inversión: sin métrica de retorno verificable, no hay tesis.
La empresa que puede trazar un dólar tecnológico hasta una mejora específica —un fill rate, un costo por caso, una guía de pedidos que tardaba días y ahora tarda minutos— es la que sobrevive su próxima revisión presupuestaria con confianza. La que no puede, llega a esa reunión explicando una línea de gasto en lugar de exhibir un resultado. Libre empresa significa también libre de pilotos eternos que nunca rinden cuentas.
