CFO y gerente general, el ROI de la IA no depende de cuánto invierte, depende de en cuántos agentes apuesta a la vez

En la reunión de directorio de julio, el gerente general revisa la lista de proyectos de inteligencia artificial que la empresa financia este año. Son nueve. Un piloto de atención al cliente en el área de soporte, un asistente de redacción para marketing, una prueba de automatización de facturas en finanzas, un chatbot interno de recursos humanos, dos experimentos de análisis predictivo en la gerencia comercial y tres iniciativas más que nadie en la sala recuerda con exactitud. El CFO pregunta cuánto ha retornado esa inversión hasta ahora. El silencio que sigue es la señal más clara de que algo está mal, no en la tecnología, sino en la forma en que se decidió invertir en ella.

La pregunta que de verdad importa no es cuánto dinero destinar a IA el próximo trimestre. Es en cuántas apuestas estratégicas concentrar ese dinero, y qué tan enfocada está cada una. Así lo documenta el informe de Accenture "The Front-runners' Guide to Scaling AI, Lessons from Industry Leaders", publicado el 6 de mayo de 2025, uno de los análisis más completos hasta ahora sobre por qué algunas empresas obtienen retornos reales de la IA mientras la mayoría sigue acumulando pilotos que nunca escalan.

Este dilema no es exclusivo de las multinacionales que analiza Accenture. En Chile, buena parte de los directorios que están cerrando su presupuesto de tecnología para el segundo semestre enfrentan la misma tentación, repartir el gasto en IA entre todas las gerencias para que nadie sienta que quedó fuera del cambio. Es una decisión políticamente cómoda y financieramente costosa, porque diluye el esfuerzo justo donde más se necesita concentrarlo, y explica por qué tantos pilotos locales terminan archivados sin haber llegado nunca a producción.

La disciplina, no el presupuesto, separa a los front-runners

Según ese estudio, solo el 8% de las empresas del mundo son lo que Accenture llama front-runners, es decir, compañías que ya escalaron la IA a nivel de toda la organización y la integraron a su estrategia central, no como proyecto aislado de un área. Otro 15% está en camino, clasificado como reinvention-ready, con las capacidades esenciales construidas para escalar, aunque todavía no lo ha hecho del todo. El resto, la enorme mayoría, sigue en fase de experimentación dispersa, exactamente el escenario de la reunión de directorio del primer párrafo.

El dato que debería cambiar la conversación en la próxima reunión de presupuesto es este, las empresas que escalan una sola apuesta estratégica de IA, bien ejecutada, tienen casi tres veces más probabilidad de superar las expectativas de retorno de esa inversión que las que reparten su esfuerzo entre múltiples iniciativas a la vez, según el mismo informe de Accenture. No se trata de invertir menos. Se trata de invertir con foco.

Elegir es más importante que probar de todo

Ese foco no significa hacer una sola cosa para siempre. Incluso los front-runners, las empresas que ya demostraron que saben escalar IA, solo han llevado a producción el 34% de sus apuestas estratégicas. La diferencia no está en la cantidad de ideas que prueban, está en cuáles deciden llevar hasta el final y cuáles dejan en la mesa de diseño. La disciplina no es abstenerse, es elegir.

Esa elección tiene un efecto medible en los resultados. Los front-runners con ingresos anuales sobre los 10 mil millones de dólares crecieron sus ingresos 7 puntos porcentuales más rápido que las empresas que todavía experimentan con IA sin haber escalado nada. Y en todos los tamaños de empresa, no solo en las grandes, los front-runners entregan retornos a los accionistas 6 puntos porcentuales más altos que el resto, de acuerdo con Accenture.

Lo que gana la empresa que apuesta con foco

Accenture también preguntó a estas empresas qué esperan después de desplegar y escalar IA en toda la organización. La respuesta promedio, una reducción de costos del 11% y un aumento de productividad del 13% dentro de 18 meses. Son cifras que justifican por sí solas la inversión, siempre que la apuesta esté bien elegida desde el principio, porque el mismo informe advierte que ese retorno no aparece cuando el presupuesto se reparte entre diez pilotos que nunca superan la fase de prueba.

Lo que separa a estas empresas no es solo la decisión de enfocarse, también es cómo reparten los recursos una vez que decidieron dónde apostar. Los front-runners destinan el 51% de su presupuesto tecnológico a nube e inteligencia artificial, tienen una madurez de talento cuatro veces mayor que las empresas que solo experimentan, y cuando el patrocinio viene directamente del CFO o del gerente general, no de un área aislada, el éxito es 2,4 veces más probable, según Accenture. En otras palabras, la apuesta enfocada funciona mejor cuando quien decide el presupuesto también decide poner su nombre detrás de ella.

La metodología detrás de una apuesta bien enfocada

Esta lógica es la misma que subyace a la forma en que AgentLayer trabaja con empresas en Chile. En vez de proponer una transformación de IA para toda la compañía de una sola vez, la metodología parte por diagnosticar y validar un único flujo de trabajo, el que de verdad está generando cuellos de botella, y confirmar que existe un agente ya probado capaz de resolverlo. Luego viene la implementación sobre los sistemas que la empresa ya usa, sin reemplazarlos. Después, una a dos semanas de prueba real y co-creación directa con el equipo que va a usar el agente todos los días, ajustando lo que haga falta junto a quien conoce el problema de primera mano. Y al final, la entrega viene con manual de uso y soporte continuo, no con una licencia que queda sin adopción a los tres meses. Son cuatro fases, una apuesta a la vez, de piloto a producción en 30 días, en lugar de nueve iniciativas simultáneas que nadie termina de evaluar.

Un vendedor, una válvula y 45 minutos de espera

Para entender por qué una apuesta enfocada rinde más que diez dispersas, sirve bajar la abstracción a un caso concreto. Imagine a un vendedor que lleva tres semanas en una empresa industrial con un catálogo de cientos de referencias técnicas. Un cliente llama preguntando si una válvula específica cumple una norma de presión determinada y si es compatible con otro componente de su planta. El vendedor no tiene la respuesta en la cabeza, revisa fichas técnicas en carpetas compartidas, escribe al especialista interno, espera. El cliente, mientras tanto, sigue con la llamada abierta o cuelga y prueba con otro proveedor. Ese tiempo de espera, en promedio, ronda los 45 minutos, y no es un problema aislado de esa empresa. Según el reporte State of Teams 2025 de Atlassian, los equipos dedican más de una cuarta parte de su semana laboral a buscar información que ya existe en algún lugar de la organización.

El Agente Técnico de Ventas de AgentLayer se construyó para resolver exactamente ese cuello de botella. Es un copiloto interno para equipos comerciales con catálogos complejos, que responde la consulta técnica citando la ficha exacta o la norma de donde saca la recomendación, compara opciones cuando hay más de una alternativa válida y justifica por qué una es mejor que otra para ese caso puntual. La misma consulta que antes tomaba 45 minutos de espera se resuelve en 45 segundos. No es una cifra menor cuando el mercado global de knowledge management ya vale cerca de 22 mil millones de dólares, según Grand View Research, y el segmento de sales enablement crece a un ritmo cercano al 17% anual, según Fortune Business Insights, señal de que cada vez más empresas están dispuestas a pagar por resolver justo este problema.

Este agente no es, en sí mismo, la lección del informe de Accenture. Es el ejemplo de lo que significa aplicarla. Una empresa que elige resolver primero el cuello de botella técnico de su equipo comercial, en vez de intentar automatizar marketing, finanzas, soporte y ventas al mismo tiempo con presupuesto repartido en partes iguales, está haciendo exactamente lo que Accenture describe como la apuesta estratégica enfocada, la que triplica la probabilidad de superar el retorno esperado.

Cómo elegir la primera apuesta

Entonces, ¿cómo elige un CFO o un gerente general cuál es esa primera apuesta, si no puede ser todas a la vez? El informe de Accenture y la práctica de implementación coinciden en tres criterios simples. Primero, el proceso debe doler de verdad, medido en horas perdidas, oportunidades de venta que se enfrían o clientes que se van a la competencia mientras esperan una respuesta, no en una molestia menor que el equipo ya aprendió a tolerar. Segundo, debe existir ya una solución probada para ese problema específico, no una promesa de que se construirá desde cero en seis meses, porque cada mes adicional de desarrollo es un mes más de retorno que no llega. Tercero, el área dueña del proceso debe estar dispuesta a sentarse una o dos semanas a ajustar el agente junto a su propio equipo, porque ningún agente rinde si se instala sin ese período de co-creación con quienes lo van a usar todos los días.

Nada de esto garantiza que la próxima apuesta de IA de su empresa funcione a la primera. Pero la evidencia de Accenture es consistente, entre invertir un poco en muchas iniciativas y concentrar el presupuesto en una que esté bien elegida y bien ejecutada, la segunda opción gana con una diferencia demasiado grande para ignorarla. Tampoco es una apuesta que haya que hacer sola, ni desde cero, porque ya existen agentes probados en producción esperando el flujo de trabajo correcto para demostrar lo que pueden hacer. La próxima vez que la conversación de directorio llegue a la pregunta de cuánto invertir en IA este año, quizá valga más la pena preguntar primero en cuál.