El ROI de la IA con agentes: la guía para el equipo ejecutivo sobre la medición del valor empresarial

El ROI de la IA con agentes mide el valor empresarial que los agentes generan en comparación con el costo de operarlos. Las métricas tradicionales de software no lo consideran en absoluto: el costo del trabajo con agentes varía en cada ejecución, por lo que el precio por usuario no puede reflejarlo. Medirlo de manera adecuada depende de tres factores: ahorros tangibles, aumentos en la productividad y resultados empresariales, con personas supervisando el trabajo en todo momento.

Esa variabilidad de ejecución a ejecución es la verdadera diferencia respecto a la automatización anterior, y los modelos de costos de licencia fija no pueden dar cuenta de ello. Para la mayoría de las empresas, esto se manifiesta como un aumento en los costos sin una relación clara con los beneficios obtenidos por el negocio. Por eso, incluso hoy en día, tantas pruebas piloto con agentes se detienen antes de llegar a la producción.

Puntos clave

• El ROI de la IA con agentes es la proporción entre el valor empresarial generado por los agentes y el costo de desarrollarlos y operarlos, y se comporta de manera diferente al software de costo fijo porque el costo de los agentes varía en cada ejecución.
• Mídalo en tres pilares: reducción directa de costos, aumentos en el rendimiento y la velocidad, y resultados empresariales en ingresos y retención.
• Dos métricas específicas del agente realizan la mayor parte del trabajo: costo por tarea completada del agente (ACCT) y el múltiplo de valor del agente (AVM).
• Gartner estima que más del 70% de los casos de uso de la IA con agentes no lograrán entregar el valor esperado, en gran medida debido a los costos de tókenes no gestionados, la mala calidad de los datos y la falta de medición.
• Alrededor del 60% del costo de una tarea con agentes se destina a la verificación y repetición de la verificación de las respuestas: el “impuesto de agencia” que la gobernanza y la orquestación están diseñadas para reducir.

Por qué los modelos tradicionales del ROI fracasan para la IA con agentes

Los modelos tradicionales del ROI asumen insumos y resultados fijos. Los agentes no ofrecen ninguno de los dos. El software convencional es predecible: una licencia cubre un conjunto definido de funciones a un precio establecido. Sin embargo, si se le asigna un objetivo a un agente, este decide qué herramientas utilizar, cuántos pasos de razonamiento realizar y cuándo detenerse, por lo que la misma tarea puede tener costos muy diferentes en cada ejecución.

La matemática por usuario no puede calcular el precio de una carga de trabajo con una variabilidad tan amplia. Por esta razón, el ROI de los agentes de IA resiste la lógica de cifras únicas que antes regía los presupuestos de software empresarial.

La transición de los modelos de costos deterministas a los no deterministas

Los modelos de costos de agente se vuelven no deterministas porque el agente decide cuánta labor requiere cada tarea. Un bot de automatización robótica de procesos (RPA) determinista sigue el mismo conjunto de decisiones y rutas de ejecución en cada ocasión; su costo es un elemento constante en el presupuesto. Dentro de un flujo de trabajo definido, un agente aún decide en tiempo de ejecución cuánta labor requiere cada tarea, por lo que el consumo de tókenes sigue la modalidad de dificultad del problema, y la misma tarea puede tener costos diferentes en distintas ejecuciones.

De esto se derivan dos puntos. El costo de cualquier tarea individual se determina como una distribución en lugar de un número fijo. Y el costo absoluto es elevado: la mayor parte del gasto se encuentra en la entrada, es decir, en el contexto que un agente lee antes de actuar, y una sola tarea con agentes puede consumir alrededor de 1000 veces más tókenes que una sesión comparable de chat o razonamiento de código. Por eso, el costo con agentes debe medirse en sus propios términos y no forzarse en modelos de precio fijo.

El marco de tres pilares para medir el ROI de la IA con agentes

Medir el ROI de la IA con agentes se basa en tres pilares: reducción directa de costos, aumentos en el rendimiento y la velocidad, y resultados empresariales. El primero captura ahorros directos. El segundo captura la capacidad que la empresa no tuvo que adquirir. El tercero captura el valor que se refleja en los ingresos y la retención, en lugar de aparecer en una factura. Juntos reemplazan la cifra única del ROI que no puede reflejar cómo los costos y el valor con agentes realmente se comportan.

Reducción efectiva de costos (eficiencia operativa)

La reducción efectiva de costos es el ahorro directo y justificable que un agente elimina de los costos recurrentes: mano de obra reasignada de tareas repetitivas, disminución del volumen de transacciones subcontratadas y reducción de los costos por unidad de proceso.

Estos beneficios son más fáciles de alcanzar cuando el proceso subyacente ya es estable, por lo que una base de automatización confiable suele establecer el límite máximo de los retornos con agentes. Las empresas que operan plataformas maduras como la automatización de procesos con agentes (APA) parten de esa base y luego incorporan la toma de decisiones con agentes sobre flujos de trabajo que ya funcionan de manera eficiente.

Aumentos en el rendimiento y la velocidad (múltiplo de valor del agente)

Las mejoras en el rendimiento y la velocidad miden el trabajo que un agente absorbe sin aumentar el personal: la capacidad para la que, de otro modo, una empresa tendría que contratar o subcontratar empleados. Aquí es donde el múltiplo de valor del agente (AVM) de Gartner realiza la contabilidad. Divide el impacto empresarial total (ahorros en costos más ingresos incrementales más margen) entre el costo total de agente, lo que proporciona un único indicador de cuánto valor genera cada dólar invertido en el agente.

Un AVM alto indica que un agente genera mucho más valor del que consume. Un valor bajo indica una carga de trabajo que aparenta estar ocupada, pero que no está generando un retorno de la inversión. Las tasas de procesamiento directo y la reducción del tiempo de ciclo son las señales operativas que lo alimentan.

Resultados empresariales y valor estratégico

Los resultados empresariales son los rendimientos que nunca aparecen como una línea de costo: mayor conversión, mejor satisfacción del cliente (CSAT), menos escalamiento y una resolución más rápida. Son más difíciles de atribuir que la reducción de costos, razón por la cual a menudo se subestiman. Sin embargo, con frecuencia superan los ahorros directos en una implementación completa.

Una encuesta de adoptantes de IA con agentes señala que los indicadores orientados al cliente y las métricas de ingresos son la señal más clara de que el valor con agentes está aumentando en lugar de estancarse. Pero nada de esto se refleja como ROI, hasta que la empresa realiza el trabajo de convertir esas ganancias en ahorros de costos reales o ingresos.

Métricas clave para hacer un seguimiento: ACCT y AVM

Dos métricas, ACCT y AVM, realizan la mayor parte del trabajo al medir el ROI de los agentes de IA en todo un portafolio empresarial de IA. El costo por tarea completada, la medida que McKinsey identifica como la relevante, es el costo total para finalizar una tarea con éxito, más allá de cómo un proveedor fije el precio de los tókenes, los puestos o las llamadas.

Gartner lo formaliza como costo por tarea completada del agente, o ACCT; un número más bajo significa que el costo de generar cada resultado es menor. El AVM, presentado anteriormente, se encuentra junto a él en el lado del valor: retorno por cada dólar del costo del agente. Ambos pueden moverse de manera independiente. Un agente puede ser económico por tarea y aun así no justificar su ejecución o puede ser costoso y claramente valer la pena. Ese compromiso es el que debe observarse a nivel de portafolio.

Un término relacionado que vale la pena conocer: Gartner también define un puntaje de optimización de memoria de contexto (CMOS), una métrica adyacente a las de Operaciones Financieras (FinOps) que mide el promedio de tókenes de entrada por tarea completada. Supervisa la eficiencia de los tókenes, lo cual es útil para la ingeniería de costos, pero es una señal de costo en lugar de una métrica del ROI.

Ejemplo de calculadora del ROI para IA con agentes en el servicio de asistencia técnica

Un servicio de asistencia técnica de Tecnología de la Información (TI) es uno de los lugares más claros para modelar el ROI de la IA con agentes, ya que la reducción de costos directos es el más concreto de los tres pilares y el más sencillo de estimar.

Para un servicio de asistencia técnica de TI, una de las implementaciones con agentes más comunes en las primeras etapas, los insumos son cantidades conocidas: volumen de tickets, cantidad de personal del servicio de asistencia técnica, costo laboral por agente y costo de licencia por puesto. Una capa con agentes que resuelve tickets rutinarios antes de que lleguen a una persona cambia cada una de esas líneas.

Ese cambio se refleja de manera directa en las cifras: ingrese su propio volumen de tickets, cantidad de personal y costos de licencias para ver los ahorros.

La reducción de costos es donde los números son más claros, pero representa el piso del ROI con agentes. El rendimiento y los resultados empresariales se construyen sobre esta base.

Por qué más del 70% de los casos de uso de IA con agentes no logran entregar el valor esperado

Según las estimaciones de Gartner, más del 70% de los casos de uso de IA con agentes no logran entregar el valor esperado, y la causa rara vez es el modelo. La mayoría de las fallas se deben a costos de tókenes no gestionados, mala calidad de los datos y cargas de trabajo que carecen de una métrica empresarial acordada para realizar las mediciones.

El problema más complejo es que la mayoría de las empresas no pueden demostrar el valor que realmente generan. Por lo general, la instrumentación para conectar la actividad del agente con un resultado de Pérdidas y Ganancias (P&L) no existe, y esa brecha es, precisamente, lo que erosiona el ROI de los agentes de IA a gran escala. La verdadera pregunta ya no es si la IA funciona, sino qué casos de uso justifican la inversión.

El impuesto de agencia y los costos ocultos de tókenes

El impuesto de agencia es el costo de verificar el trabajo de un agente más el costo de volver a hacerlo cuando no es correcto; y en producción, el costo de repetir el trabajo rara vez es cero. La mayor parte de ese gasto se oculta en la refinación en lugar de en el primer resultado: alrededor del 60% del costo de una tarea con agentes se destina a verificar y volver a verificar las respuestas en lugar de generarlas.

Reducir el impuesto significa reducir los ciclos de error y reintento que lo respaldan. En nuestras pruebas de inteligencia de contexto, los agentes equipados con el motor de razonamiento de procesos y la memoria operativa redujeron casi un 20% el promedio de llamadas a herramientas por ejecución en un flujo de trabajo empresarial, lo que logró un comportamiento correcto en el primer intento que reemplaza los ciclos de error y reintento.

En producción, eso se traduce de manera directa en un menor costo de la aplicación (interfaz de programación) de la API, una reducción en la latencia y una ejecución más predecible. Una capa como el Orquestador Mozart se encarga del resto, limitando la distribución de costos y manteniendo los resultados que se pueden controlar para que la variabilidad no se acumule ejecución tras ejecución.

Cómo maximizar el ROI con Automation Anywhere

El ROI de la IA con agentes se determina en la capa operativa que rodea al agente: observabilidad, gobernanza y orquestación. La plataforma de APA está diseñada para ese nivel. Mide la actividad del agente en relación con los resultados empresariales, mantiene a las personas involucradas en la toma de decisiones y asegura que los agentes sigan rutas de ejecución gobernadas, de modo que las cargas de trabajo de IA empresarial puedan escalar con control y un ROI defendible de los agentes de IA.

Eso se evidencia con mayor claridad cuando cada unidad de trabajo tiene un precio. La IA para ITSM es un ejemplo: resuelve tickets rutinarios antes de que lleguen a una persona, lo que convierte un costo conocido por ticket en ahorros directos.

Conclusión: cómo pasar de la prueba piloto a la producción

Pasar de una prueba piloto a la producción implica medir el ROI de la IA con agentes utilizando métricas diseñadas para el trabajo con agentes en lugar de software de costo fijo: el costo por tarea completada, el múltiplo de valor del agente y los resultados empresariales en ingresos y retención que no aparecerán en una hoja de costos.

Contar agentes no es progreso. Demostrar qué casos de uso generan un retorno real sí lo es.

Lograrlo requiere disciplina en la medición, gobernanza y una capa operativa que mantenga la visibilidad de los costos y los resultados desde la prueba piloto hasta la producción. Vea cómo Automation Anywhere le ayuda a medir y gestionar el ROI de la IA con agentes.

Preguntas frecuentes

¿Cómo se mide el ROI de la IA con agentes?

Mídalo en tres pilares: reducción directa de costos, aumentos en el rendimiento y la velocidad, y resultados empresariales, utilizando métricas específicas del agente, como el costo por tarea completada y el múltiplo de valor del agente, que los modelos de software por usuario no pueden captar.

¿Cuál es la diferencia entre el ROI de GenAI y el de la IA con agentes?

El ROI de GenAI mide la eficiencia en la generación de contenido: borradores, resúmenes, respuestas. El ROI de la IA con agentes mide la ejecución: si un flujo de trabajo con agentes completa un proceso empresarial de varios pasos de principio a fin y a qué costo.

¿Qué es un ROI realista para la IA con agentes en el entorno empresarial?

Las expectativas son elevadas. Los ejecutivos encuestados anticipan un retorno de alrededor del 171%, mientras que los resultados reales quedan rezagados: solo cerca del 25% de las iniciativas de IA entregaron el ROI esperado (McKinsey). La brecha está en la medición y la gobernanza, no en la capacidad del modelo.

¿Cómo ayuda el múltiplo de valor del agente a calcular el retorno de las inversiones en agentes de IA?

El múltiplo de valor del agente de Gartner divide el impacto empresarial total (ahorros de costos más ingresos incrementales más margen) entre el costo total del agente. Un múltiplo más alto significa que cada dólar gastado en el agente genera un mayor valor.

¿Qué es el costo por tarea completada y por qué es importante para el ROI de la IA con agentes?

El costo por tarea completada mide el costo total para finalizar una tarea con éxito, más allá del modelo de precios del proveedor. Esta es la métrica que McKinsey señala como la verdaderamente relevante. Gartner lo formaliza como costo por tarea completada de agente (ACCT); un valor más bajo implica una entrega de resultados más eficiente.

¿Por qué fracasan la mayoría de las pruebas piloto de IA con agentes?

Dos cosas: el entorno se amplía y el valor no se mide. Una demostración en un conjunto de datos limpio rara vez sobrevive al entorno operativo completo, y donde los agentes sí resisten, los costos de tókenes no gestionados y la mala calidad de los datos dejan el retorno sin comprobar.