El problema ya no es que la IA no funcione
Lo que presenté con Josué Madera en Frontera Futura, el AI Summit de Tijuana: por qué un sistema que acierta el 90% es más peligroso que uno que falla, la decisión de alertar en vez de corregir en silencio, y las cinco métricas con las que medimos el ROI de la IA en producción.
El problema ya no es que la IA no funcione
El jueves presenté en Frontera Futura, el AI Summit de Tijuana, junto con Josué Madera. La charla se llamaba "Escalar sin perder control" y el público no eran ingenieros: eran directivos y dueños de empresa de la región. Esto es lo que dijimos, por qué lo dijimos así, y las cinco métricas con las que medimos si un proyecto de IA sirve o no.
La tesis con la que abrimos
La frase que pusimos en pantalla antes que cualquier otra cosa fue ésta: el problema ya no es que la IA no funcione. Es que funciona lo suficientemente bien como para dejarla sola.
Hace tres años el argumento en una sala como ésa era si la tecnología servía. Ese debate se acabó. Hoy pruebas un modelo una tarde, ves que hace bien el 90% del trabajo y la conclusión natural —humana, comprensible— es déjalo correr.
Ahí es donde quema. Un sistema que se equivoca de forma evidente se corrige el primer día. Un sistema que acierta el 90% de las veces y falla en silencio el otro 10% se te queda meses en producción antes de que alguien note el patrón.
Una cifra que usamos, y la cito con su asterisco: el estudio de MIT NANDA (2025) reporta que cerca del 95% de las iniciativas de IA generativa no muestran retorno medible. Es un preprint, con muestra chica y autoreporte, y sus propios autores descartan causalidad. No lo uso como prueba. Lo uso como síntoma: si tantísimos proyectos no logran demostrar retorno, el problema rara vez es el modelo. Es que nadie definió qué se iba a medir.
La decisión que definió el proyecto
Para no quedarnos en la abstracción llevamos un caso real de comercio exterior. Un sistema que revisa documentos aduanales y compara la información de dos fuentes distintas, carácter por carácter.
El sistema encuentra que un dato no coincide entre una fuente y otra. Y ahí aparece la pregunta que definió el proyecto entero:
¿Lo corrige solo, o levanta la mano?
Decidimos que alerte. Siempre. Nunca corrección en silencio.
La razón es específica de la industria y por eso funciona tan bien como ejemplo: en un documento aduanal, un dato "corregido" por cuenta propia no es una errata que se arregla después. Es una infracción. La diferencia entre alertar y corregir es la diferencia entre una observación interna y una multa.
Y hay una segunda razón, menos legal y más honesta: el modelo alucina. Lo sabemos. No es un defecto que vaya a desaparecer con la siguiente versión, es una propiedad del sistema. Entonces se diseña asumiéndolo, en vez de diseñar para el caso feliz y esperar que no pase.
La regla que me llevo de ese proyecto: la IA propone, el sistema dispone, y una persona responde. Si en tu operación esa tercera parte no tiene nombre y apellido, no tienes IA en producción. Tienes un piloto con suerte.
ROI operativo: cómo se mide de verdad
Ésta fue la parte donde más preguntas hubo, y no me sorprende: es donde casi todos los proyectos de IA se quedan sin argumento. Alguien pide el retorno y la respuesta es una anécdota.
Nosotros lo medimos con cinco cosas. Ninguna es sofisticada; todas son incómodas, que es distinto.
Horas-persona liberadas por semana
Medidas antes y después, no estimadas. La palabra clave es "medidas". Un antes que nadie cronometró no es una línea base, es una opinión — y contra una opinión cualquier resultado se ve bien.
Errores enviados a la autoridad
El único valor aceptable es cero. No es una métrica que se optimiza, es una que se respeta. En cuanto aceptas "casi cero" cambiaste de negocio sin darte cuenta.
Onboarding
Cuántos días toma capacitar a una persona nueva para el puesto. Es la métrica que más se ignora y la que mejor revela si el sistema de verdad absorbió complejidad o solo la movió de lugar. Si capacitar sigue tomando lo mismo, el conocimiento nunca se fue del humano.
Costo por transacción
Tokens más infraestructura más revisión humana. Las tres. Casi todo el mundo mide la primera porque llega en una factura con el logo del proveedor, y se olvida de que la revisión humana también se paga — solo que llega escondida en la nómina.
Costo del error evitado
El que nadie pone en el slide. Y es el más grande de todos.
Por qué el quinto es el más grande
Los primeros cuatro se calculan. Éste hay que estimarlo, y por eso incomoda: no hay una factura que lo respalde.
Pero pensemos qué mide. Mide la multa que no llegó. La operación que no se detuvo. La revisión de la autoridad que no escaló. El cliente que no se perdió porque su embarque no se atoró en la frontera.
En una operación de comercio exterior, una sola de esas cosas puede costar más que todo el proyecto de IA del año. Y como no ocurrió, no aparece en ningún reporte. El valor de un sistema que previene desastres es literalmente invisible: se manifiesta como ausencia.
Por eso vale la pena estimarlo aunque sea con rangos amplios y supuestos escritos. Un número imperfecto pero declarado le gana a un cero implícito. Si lo dejas fuera del cálculo estás diciendo, sin querer, que evitar errores no vale nada — y entonces cualquier discusión de presupuesto la vas a perder contra el proveedor que promete lo mismo más barato.
La prueba de fuego. Si tu proyecto de IA no puede contestar esas cinco preguntas con números, todavía no está en producción: está en demo. Aunque lleve un año corriendo y aunque le hayas puesto un nombre bonito.
De lo que no hablamos
Vale la pena decir lo que no estuvo en la charla, porque fue deliberado.
No hablamos de qué modelo usamos. No hubo benchmarks, ni comparativa de proveedores, ni arquitectura. No porque el público no lo entendiera —de eso se trata precisamente el error de subestimar una sala— sino porque no cambia la decisión de nadie. El modelo que elijas hoy no va a ser el mismo en seis meses. La pregunta de si tu sistema corrige o alerta, en cambio, te va a acompañar todo el proyecto.
El detalle técnico prueba autoridad entre pares. Frente a alguien que tiene que decidir si invierte, la precisión que no puede evaluar no se lee como rigor: se lee como que no le estás hablando a él.
Y el equipo
En el escenario estuvimos dos, pero eso es la punta visible. El stand, las demos, y cada conversación con quien se acercó a preguntar las sostuvo el equipo completo.
Gracias a la organización de Frontera Futura por el espacio y por el nivel del evento, y a todos los que se quedaron a preguntar cuando terminamos. Las mejores conversaciones del día pasaron después de la charla, no durante.
Si tienes IA operando en tu empresa y al leer las cinco métricas te quedaste pensando en una que no puedes contestar: ésa es exactamente por donde hay que empezar.