H

oy en día, los líderes empresariales enfrentan una intensa presión para transformar sus organizaciones con IA, y el resultado suele ser demasiados proyectos piloto con muy poca supervisión coordinada. Sin una forma sistemática de decidir por dónde empezar, a qué ritmo avanzar y cuándo detenerse, los esfuerzos en materia de IA se convierten rápidamente en una carga para la atención y los recursos, en lugar de una fuente de ventaja competitiva.

Las organizaciones necesitan seguir un enfoque disciplinado de portafolio, paso a paso, que trate la innovación en IA como una cadena estructurada de proyectos gestionada mediante la aplicación de principios coherentes y repetibles. Recomendamos hacer avanzar las ideas a través de cuatro etapas distintas dentro de un portafolio de innovación, cada una con su propio enfoque mental y con artefactos específicos de evaluación:

— Etapa 1: El portafolio de oportunidades (esquema).

Sirve como un punto centralizado para recibir y evaluar las ideas iniciales. Las actividades incluyen la definición del problema, las hipótesis iniciales sobre el valor y el riesgo, y el mapeo de dependencias. El resultado es una lista de ideas esbozadas, puntuadas y clasificadas.

— Etapa 2: El portafolio de diseño y alianzas (socio).

Los proyectos ya delineados entran ahora en una fase de desarrollo más detallado, en la que los equipos de innovación elaboran casos de negocio extensos que articulan los beneficios esperados, las inversiones requeridas y las métricas de éxito con un nivel de detalle mucho mayor. También mapean dependencias y desarrollan planes de capacidades que identifican qué habilidades técnicas, activos de datos e infraestructura serán necesarios. Posteriormente, los equipos establecen modelos preliminares de gobernanza que definen los derechos de decisión, la supervisión de riesgos y los requisitos de cumplimiento. Las consideraciones sobre alianzas son críticas en esta etapa. Incluso las organizaciones con sólidas capacidades internas suelen necesitar colaboraciones externas (con proveedores de tecnología, investigadores académicos, asesores en ética o colegas del sector) para materializar sus ambiciones en IA. También es esencial preguntarse qué tipo de relación se establecerá entre las personas y los sistemas de IA a medida que el proyecto avance, ya que esto influirá en los niveles de personal, los patrones de trabajo, las estructuras de reporte y los roles individuales.

— Etapa 3: El portafolio experimental / de prototipado (experimento).

La clave para experimentar con IA de manera exitosa es estructurar los experimentos como procesos de aprendizaje, y no simplemente como ejercicios de validación. Cada experimento debería evaluar no solo la viabilidad técnica, sino también la viabilidad empresarial y la deseabilidad humana. Pregúntese: ¿Puede la IA realmente realizar la función prevista? ¿Podemos integrarla con los sistemas y procesos existentes a un costo razonable? ¿Los usuarios la adoptarán y encontrarán valor en ella? Las pruebas rápidas y acotadas permiten este aprendizaje multidimensional. Los equipos pueden desarrollar modelos en papel para probar enfoques conceptuales, construir productos mínimos viables para validar la funcionalidad central o implementar proyectos piloto limitados para recopilar datos de rendimiento real. Múltiples experimentos paralelos pueden explorar diferentes enfoques técnicos o estrategias de implementación.

— Etapa 4: El portafolio de escalamiento y operación (navegación).

La implementación en producción marca un cambio fundamental de enfoque y, por lo general, implica un aumento considerable tanto en costos como en tiempo de desarrollo. Para entrar en producción, un sistema de IA normalmente requiere escalar para múltiples usuarios, capacitar a los empleados en nuevas habilidades, rediseñar los procesos para aprovechar las nuevas capacidades e integrarse con el entorno tecnológico existente. Los equipos establecen salvaguardas para prevenir el uso indebido del sistema, implementan mecanismos de seguimiento de costos para comprender el costo total de propiedad y miden el impacto real en la misión o en el negocio, en lugar de asumir que los beneficios se materializarán por sí solos.

Las revisiones periódicas de todo el portafolio son esenciales para mantener la alineación estratégica a medida que evolucionan tanto las capacidades tecnológicas como las necesidades organizacionales. El portafolio debe mantenerse equilibrado en términos de horizontes de tiempo y niveles de riesgo/retorno, con el fin de crear un flujo continuo de innovación que permita a las organizaciones mantenerse en la frontera de un campo que evoluciona con rapidez.

L

as empresas están realizando importantes inversiones en centros de análisis digital con inteligencia artificial y capacidades de IA generativa, sistemas de gestión de relaciones con los clientes empresariales y plataformas tecnológicas de marketing. En ningún ámbito esto es más evidente que en las funciones comerciales, donde residen el crecimiento y el impacto en los clientes.

Sin embargo, una creciente inquietud se extiende entre los altos ejecutivos. En una encuesta realizada por PwC en 2025, el 56% de los CEOs afirmó que sus empresas aún no estaban obteniendo retornos financieros de sus inversiones en IA. Escuchamos preocupaciones similares entre los ejecutivos con los que trabajamos. Aunque la confianza en el potencial de lo digital sigue siendo alta, los equipos comerciales tienen dificultades para traducir esa promesa en resultados empresariales tangibles.

Las empresas que logran convertir lo digital en valor lo tratan como una transformación del modelo operativo comercial, no solo como una actualización tecnológica. Se enfocan en cuatro cambios interconectados que reconfiguran la forma en que se generan las ideas, se toman las decisiones, se coordinan las acciones y se organizan los análisis.

Cambio #1: De la inteligencia humana a la inteligencia basada en activos

Tradicionalmente, cuando los líderes necesitaban información (por ejemplo, por qué funcionó una campaña, por qué un cliente dejó de comprar o dónde enfocarse después) recurrían a especialistas o encargaban estudios que les proporcionaban respuestas. La información residía en las personas y los proyectos. Con lo digital, la información reside cada vez más en activos analíticos, como datos, modelos y herramientas de IA integradas en los procesos comerciales.

Cambio #2: De la toma de decisiones intermitente a la toma de decisiones continua

Las organizaciones fueron diseñadas para operar con cierta cadencia: planes definidos anual o trimestralmente, ejecución entre esos periodos y revisiones de avance en puntos establecidos. Los activos digitales modifican este modelo al permitir una generación de información más rápida o al integrar recomendaciones directamente en la ejecución.

En algunas decisiones, la cadencia sigue siendo episódica, pero el tiempo del ciclo se reduce. En una empresa biofarmacéutica, determinar el tamaño y la estructura de una gran organización de ventas solía requerir seis meses de análisis basado en proyectos y otros seis meses para su implementación. Hoy en día, un equipo más reducido completa el mismo trabajo en tres meses, y la mayor parte del esfuerzo se centra en la implementación más que en el análisis. En las empresas de servicios tecnológicos, las herramientas de IA generativa reducen a la mitad el tiempo de generación de propuestas, lo que aumenta la eficiencia y la capacidad de respuesta al cliente.

Cambio #3: De la ejecución aislada a la ejecución coordinada

Durante décadas, las empresas optimizaron la ejecución comercial de forma vertical. El departamento de marketing se encargaba de la marca y la demanda, el de ventas se ocupaba de las relaciones y los ingresos, y el de servicio al cliente se centraba en la generación de valor y el crecimiento. Incluso dentro del área de marketing, los equipos de marca, generación de demanda, medios y análisis solían operar con presupuestos, métricas y prioridades distintos. La coordinación era deseable, pero no estructuralmente indispensable.

Lo digital cambia esa lógica. Hoy los clientes se mueven con fluidez entre canales y funciones. Un médico interactúa con una empresa farmacéutica a través de representantes, portales, información científica y programas para pacientes. Un comprador de servicios en la nube pasa de la investigación en línea a ventas técnicas, y luego a la implementación y soporte. Los clientes informados esperan una experiencia conectada.

Las empresas están respondiendo mediante el uso de activos digitales y recomendaciones integradas para coordinar la ejecución en torno al cliente, en lugar de hacerlo en función de fronteras departamentales.

Cambio #4: De la analítica fragmentada a la analítica centralizada

El análisis de clientes ha estado históricamente disperso entre funciones y geografías. El departamento de marketing gestionaba la analítica de campañas, el de ventas era responsable de la planeación de cuentas y el análisis comercial, y cada país utilizaba sus propios sistemas y proveedores.

Lo digital hace que la descentralización sea insostenible. La analítica y la IA requieren talento escaso, una gobernanza sólida e inversión sostenida. Como resultado, las organizaciones se están moviendo hacia centros de análisis centralizados, respaldados por plataformas de datos compartidas, capacidades de IA y equipos especializados. Estos centros pueden ser internos o externos, y ubicarse dentro o fuera del país.

Cuando las empresas logran realizar estos cambios con éxito, lo digital deja de percibirse como un costo inevitable y comienza a generar el valor que los líderes esperan y necesitan.

L

as empresas han adoptado la IA con una rapidez casi inaudita, pero aún existe una brecha significativa entre el entusiasmo y los resultados. En una reciente encuesta a 750 ejecutivos (150 en tecnología, 600 en otras industrias), una sólida mayoría (65%) nos dijo que cree tener un conocimiento avanzado de la IA y sus ventajas, y el 18% afirmó tener un conocimiento de vanguardia. Pero solo el 6% aseguró tener una capacidad de vanguardia para generar valor e impacto en los estados financieros a partir de estas tecnologías.

Sabemos que la IA debe fomentar la colaboración entre líderes empresariales y tecnológicos, y no ser algo que pertenezca exclusivamente a uno u otro. Pero queríamos profundizar más, tratar de entender la conversación en sí y saber qué marca la diferencia entre el éxito y la mediocridad o el fracaso.

En nuestra investigación, descubrimos que la función financiera desempeña un papel fundamental en la colaboración entre líderes de unidad de negocio y líderes funcionales, lo cual permite que la IA genere resultados. Para comenzar, esto es lo que mostró la información sobre las áreas en las que las empresas están invirtiendo:

— Las empresas se enfocan donde se crea el mayor valor. Entre todas las empresas encuestadas, el destino número uno de las inversiones en IA fue la obtención de conocimientos del cliente, el servicio y la experiencia, con un 53% de las empresas mencionándolo como una prioridad principal. El segundo destino más popular para los fondos de IA fue operaciones y producción, seguido en tercer lugar por el desarrollo de productos, procesos y tecnología.

— Las empresas líderes en crecimiento priorizan las finanzas. Se observó un cambio sorprendente cuando nos enfocamos en las empresas con mejor rendimiento, medidas por crecimiento de ingresos (aproximadamente el 16% superior de la muestra). Para los líderes en crecimiento de todas las industrias, las actividades orientadas al cliente subieron cuatro puntos porcentuales (de 53% a 57%), pero las finanzas dieron un gran salto al segundo lugar, desplazando tanto a operaciones como al desarrollo de productos y procesos. Las finanzas fueron mencionadas por el 53% de los líderes en crecimiento, pero solo por el 37% de todas las empresas.

3 formas en que las finanzas ayudan a las empresas a tomar mejores decisiones sobre IA

Es evidente que sucede algo valioso cuando el equipo de finanzas se une a los líderes empresariales y tecnológicos en la conversación sobre IA. Esto es lo que esa colaboración permite lograr:

1. Elegir los proyectos adecuados

Nuestro trabajo con clientes nos muestra que hay tres conversaciones que mejoran notablemente cuando las finanzas se unen a la colaboración con los líderes empresariales y tecnológicos. A la conversación entre los equipos tecnológicos (Esto es lo que la IA puede hacer) y los equipos empresariales (Esto es lo que se necesita hacer), las finanzas añaden una tercer dimensión crítica: Esto es lo que más vale la pena hacer.

El equipo del director financiero (CFO, por sus siglas en inglés) cuenta con los expertos que saben cómo cuantificar el ROI de un proyecto; medir su impacto en los costos, ingresos, flujo de caja, etc.; y calcular cómo estos factores afectan el valor empresarial. Mediante herramientas como el análisis de escenarios, los equipos de finanzas también pueden ayudar a sus colegas empresariales y tecnológicos a modelar y comparar diferentes combinaciones de proyectos, y mostrar cómo diversos riesgos podrían afectar la creación de valor. El papel de las finanzas al proporcionar una prueba objetiva se vuelve aún más crucial cuando la dirección se enfrenta a múltiples opciones de proyecto, a menudo atractivas, especialmente porque con frecuencia los casos menos glamorosos son los que ofrecen el mayor retorno de inversión.

2. Resolver los problemas adecuados

La IA puede proporcionar con seguridad las respuestas correctas a las preguntas equivocadas, dejando a las organizaciones preguntándose por qué no obtienen rendimientos de su inversión. Imagine, por ejemplo, que su empresa tiene un problema de pérdida de clientes, lo que genera una caída en las ventas y un aumento en los costos para adquirir nuevos clientes. Hay muchas razones por las que podría disminuir la lealtad. ¿Los representantes de ventas necesitan ser más proactivos con las cuentas existentes? ¿Los equipos de atención al cliente están descuidando a ciertos clientes o no detectan señales de alerta? ¿Hay un problema de segmentación? (Es decir, ¿está atrayendo al cliente equivocado en primer lugar?) ¿Es un problema de precios? ¿El centro de contacto es ineficiente o ineficaz? La IA puede ayudar con cualquiera de estos aspectos, pero ¿cuál importa más?

Para realizar este tipo de análisis de causa raíz, usted necesita tres personas trabajando lado a lado para identificar la fuente del problema, llegar a las preguntas correctas que necesitan respuesta y luego elaborar un plan para abordarlas rápida y tácticamente: un profesional en IA, un especialista en operaciones y alguien con sólidas habilidades en planeación y análisis financiero, es decir, un experto en finanzas.

Los equipos de finanzas aportan otra fortaleza en la búsqueda de los problemas subyacentes: normalmente tienen menos temas intocables o “zonas prohibidas” que cualquier otro grupo en la empresa. Obligan a que la conversación vaya por donde los hechos dicen que debe ir.

3. Garantizar la rendición de cuentas y la creación de valor sostenida

Por último, las finanzas aportan una aptitud esencial: la rendición de cuentas. Esto puede generar tres beneficios.

El primero entra en juego al seleccionar y gestionar proveedores. El mercado de la IA está más lleno de ruido que un apiario. Los equipos de finanzas pueden ayudar a mantener las conversaciones con los proveedores centradas en sus propios criterios y objetivos de creación de valor, en lugar de permitir que los proveedores definan las métricas por usted.

En segundo lugar, las finanzas ayudan a los equipos a proteger las ganancias contra la erosión. Siempre existe la tentación, especialmente con nuevas tecnologías atractivas, de seguir “jugando” con las ganancias, pero eso podría no ser la mejor decisión empresarial.

En tercer lugar, las finanzas ayudan a controlar el presupuesto. La IA de este año pronto se enfrentará al ciclo de planeación del año que viene. Lo recomendable es que las finanzas estén involucradas desde dentro, donde pueden ofrecer varios beneficios: asegurarse de que las ganancias de este año se integren como base para el próximo; construir un presupuesto con un flujo continuo de financiamiento para nuevos proyectos; e integrar la IA en la planificación empresarial y tecnológica, convirtiendo logros rápidos en capacidades a largo plazo.

¿Cómo lograrlo?

La colaboración ideal en materia de IA incluye tres conversaciones cruciales y una dosis saludable de lo que se necesita desde la perspectiva empresarial (Esto es lo que se necesita hacer), algo de entusiasmo justificado por parte de los equipos tecnológicos (Esto es lo que la IA puede hacer), y algo de equilibrio por parte del equipo de finanzas (Esto es lo que más vale la pena hacer).

Hay algunos pasos prácticos que las empresas pueden tomar para garantizar que se produzca la conversación correcta.

En primer lugar, alinee lo que significa el éxito, ya sea eficiencia operativa, eficacia operativa o crecimiento de los ingresos. Estos lineamientos estratégicos mantendrán el foco en la colaboración. En segundo lugar, reclute dentro de la organización a un equipo de finanzas con la mentalidad adecuada. Finalmente, haga que el departamento financiero se involucre en su propia transformación habilitada por IA. Cuando la IA se aplica a las finanzas, esta función puede convertirse en un socio estratégico mucho más eficaz para el negocio, no solo un historiador que mira el negocio por el retrovisor, sino un socio que puede monitorear la actividad en tiempo real, mejorar las previsiones, acelerar la obtención de información y reducir el riesgo.

Al final, las empresas que logran el éxito con la IA no son necesariamente las que tienen los modelos más avanzados ni los conjuntos de datos más grandes, sino aquellas que reúnen conocimientos diversos para tomar las decisiones más inteligentes. Las finanzas, con su capacidad para determinar el valor, garantizar la rendición de cuentas y proporcionar una perspectiva objetiva, desempeñan un papel indispensable para que las inversiones en IA sean realmente rentables.