Métricas que importan en proyectos de IA
La mayoría de proyectos de IA en empresa miden lo que es fácil y reportan lo que suena bien. El problema: cuando dirección pide ROI a los 6 meses, esas métricas no responden. Aquí va la lista de lo que sí merece la pena medir, con foco en honestidad.
Publicado el 13 de mayo de 2026 · 9 minutos de lectura · Por Adán Mejías
Las métricas vanidosas que conviene evitar
Empiezo por las que veo siempre y casi nunca aportan:
- Número de logins / usuarios activos: dice si la gente entra, no si saca valor.
- Número de queries / mensajes enviados: volumen, no calidad.
- Número de licencias compradas: coste, no impacto.
- Satisfacción media en encuesta de 1 pregunta: ruido sin contexto.
Estas no son malas, pero solas son vanidad. Tu proyecto puede tener excelentes números aquí y estar fracasando en lo importante.
Las métricas que importan, en tres capas
Capa 1 · Adopción real
- Tasa de uso semanal por persona invitada: de las personas con acceso, ¿cuántas la usan al menos 3 días distintos por semana? Esa es la barrera real.
- Casos de uso únicos adoptados: ¿en cuántas tareas distintas se usa? Si solo se usa para "pedirle resúmenes", no se ha adoptado.
- Retención al mes 2 y al mes 6: de la gente que usaba al mes 1, ¿cuánta sigue usando? Aquí caen muchos proyectos.
Capa 2 · Impacto en el trabajo
- Tiempo liberado en tareas repetitivas: medido con encuestas cualitativas, no con dashboards mágicos. Pregunta directa al equipo: "¿cuánto tiempo te ahorras a la semana?".
- Calidad del output percibida: ¿la gente prefiere su trabajo con o sin la herramienta? Encuesta abierta cada 2 meses.
- Casos en los que la herramienta evitó un error: menos visible, pero muy potente. Pídelo en la encuesta.
Capa 3 · Impacto en el negocio
- Tiempo de ciclo del proceso target: si automatizaste un proceso de generación de informes, ¿cuánto tarda hoy vs antes?
- Coste evitado o ingreso generado: el más difícil de medir y el que dirección quiere ver. Hay que diseñarlo desde el día 1.
- Reducción de incidentes / errores: si la IA reduce errores en X tareas, mide los errores antes/después.
Cómo diseñar el cuadro de mando
Recomendación que aplico siempre: 3 métricas por capa, máximo 9 totales. Más es ruido. Cada métrica tiene:
- Definición clara (cómo se calcula).
- Cadencia de medición (semanal/mensual/trimestral).
- Umbrales (qué es verde, qué es naranja, qué es rojo).
- Dueño (quien la mira y reporta).
El truco para que dirección lo entienda
Convierte tus métricas en una historia, no en una tabla. Cada trimestre prepara una narrativa de tres párrafos: qué pasó, por qué, qué hacemos a continuación. Acompáñala de las métricas como evidencia, no como protagonistas. Las métricas dan rigor, la narrativa da comprensión.
¿Quieres definir métricas que importen para tu proyecto IA?
Lo hacemos en el AI Readiness Assessment como parte del informe.
Reservar AI Readiness Ver Consultoría IA