La inteligencia artificial está ayudando a muchas personas a trabajar de forma más productiva, pero eso no necesariamente se traduce en mejores resultados para sus empleadores. En el estudio The State of AI 2026 de McKinsey, el 80 % de los 1.719 encuestados de 97 países afirmó que la IA había mejorado su productividad individual. Solo el 37 % señaló un impacto positivo en los resultados operativos de sus empresas.
Bruno Machado, quien escribe sobre la adopción de la IA en Ânima Educação, dice que esta brecha pone de relieve el desafío de convertir las ganancias individuales en valor empresarial. Describe un sistema personal que recopila datos de salud de sus dispositivos y le envía un resumen diario por WhatsApp. El proyecto costó 19 dólares en junio, gran parte de ellos durante el desarrollo y las pruebas; los costos rutinarios de funcionamiento fueron de apenas unos centavos. Sin embargo, una tarea pequeña se ejecutó durante semanas con el modelo más caro porque pasó por alto su configuración.
Los costos de la IA varían según la complejidad de una tarea y el modelo utilizado, escribe Machado, por lo que no todas las aplicaciones requieren el modelo más capaz. En una empresa, usar configuraciones costosas de forma indiscriminada puede elevar los gastos en numerosos flujos de trabajo. Es importante hacer un seguimiento del consumo, pero las empresas también deben determinar qué aporta cada aplicación a cambio.
En Ânima, el consumo de tokens superó los 10.000 millones en 2025, diez veces el volumen de 2024. La empresa prevé que en 2026 el uso supere en más de 20 veces el total del año pasado. Machado advierte que el aumento del consumo demuestra adopción, no rentabilidad financiera: el uso, la productividad y el impacto empresarial son medidas distintas.
Sostiene que los presupuestos para IA deben tener en cuenta costos que fluctúan con el uso, a diferencia de muchas licencias y contratos de software. Las empresas deben establecer límites de gasto, alertas y visibilidad sobre el consumo, y evaluar alternativas como las herramientas internas en función del costo total, la calidad y los resultados. Como dice Machado, los tokens sin resultados son un costo.
En Ânima, los proyectos se evalúan tomando como referencia una línea de base y unos indicadores vinculados a su propósito. En la atención a los estudiantes, la empresa hace un seguimiento de los tiempos de respuesta y los índices de resolución. En el caso de las herramientas que ayudan a los docentes, analiza cuánto trabajo operativo puede liberarse para dedicarlo a tareas que requieren criterio; las aplicaciones educativas se evalúan según la evidencia de aprendizaje.
Machado cita varios resultados operativos. Los modelos predictivos de morosidad en los pagos, combinados con la comunicación directa con los estudiantes, permitieron a Ânima recuperar internamente el mismo volumen que antes gestionaban empresas externas de cobranza, a las que se pagaba el 2 % del monto recuperado. Los contratos finalizaron, lo que eliminó un gasto anual de varios millones de reales.
En una de las marcas del grupo, sustituir los menús telefónicos por una interfaz conversacional aumentó del 30 % al 45 % la proporción de consultas atendidas sin intervención de un agente humano. La empresa aspira a acercarse al 90 % a medida que amplíe la solución. Más del 80 % de los docentes utiliza IA.RA, un conjunto de funciones respaldadas por bases de conocimiento institucionales, y se han creado más de 25.000 objetos de aprendizaje con su ayuda. Machado señala que estas cifras indican adopción y producción, mientras que los efectos en el aprendizaje requieren una evaluación aparte.
La empresa ha organizado su programa de IA en torno a iniciativas que abarcan el recorrido del estudiante, desde la matrícula hasta la educación. Cada una cuenta con el patrocinio de un comité ejecutivo y objetivos de impacto financiero para los próximos tres años. Machado dice que la participación de los directivos es importante para integrar la IA en las decisiones sobre procesos, inversión y prioridades.
Recomienda que los ejecutivos elijan un proceso significativo, midan su rendimiento actual y prueben cómo podría mejorarlo la IA. También deben asignar un responsable e indicadores claros a cualquier nueva iniciativa empresarial propuesta. En su opinión, medir los resultados, rediseñar los procesos y reasignar recursos en función del impacto son aspectos esenciales para convertir la inversión en IA en valor empresarial.
Fuentes: Canaltech.