VENTAJA COMPETITIVA….GESTIÓN DE COSTES

Cómo los líderes construyen una ventaja en costes basada en la IA

Por Matthieu Berthion, Jacopo Brunelli, Paul Catchlove y Paul Goydan

La mayoría de las empresas no logran obtener rendimientos significativos de sus inversiones en IA. Los líderes utilizan la IA para generar una ventaja en costes mediante:

• La integración de la IA en el rediseño integral de procesos y modelos operativos, en lugar de tratarla como una iniciativa aislada.
• El enfoque en unos pocos casos de uso de alto impacto, el establecimiento de bases sólidas de datos y tecnología, y la priorización de la reinvención de los flujos de trabajo. La mayor parte del valor proviene de cambiar la forma en que se realiza el trabajo, no de la IA en sí misma.
• La adopción de un enfoque disciplinado y gradual: comienzan con casos de uso probados que generan resultados rápidos, reinvierten esos ahorros en una transformación más amplia y despliegan herramientas avanzadas, como la IA con capacidad de actuación autónoma (agentic AI), cuando resulta oportuno.
• El seguimiento riguroso del impacto financiero para garantizar que las ganancias de eficiencia se traduzcan en resultados en la cuenta de pérdidas y ganancias.

La IA ha entrado en la fase de «demostrar resultados». Según una investigación de BCG, casi un tercio de todas las empresas invirtió al menos el 1,7 % de sus ingresos en IA el año pasado; para 2026, se prevé que esa cifra se acerque a dos tercios. Sin embargo, la inversión y el entusiasmo en torno a la IA superan el ritmo de los retornos cuantificables. Cabe destacar que el 60 % de las empresas reporta un valor mínimo o nulo —ya sea en reducción de costes o en aumento de ingresos— a pesar de haber realizado esfuerzos considerables.

• Paralelamente, aumentan los riesgos y los gastos: casi dos tercios de las empresas informan de costes de escalado de la IA difíciles de controlar,
• una proporción similar se enfrenta a problemas de «alucinaciones» y desafíos relacionados con la explicabilidad.
• Aproximadamente tres cuartas partes señalan preocupaciones de seguridad y dificultades derivadas de los datos no estructurados.

Las empresas están invirtiendo sin lograr las reducciones de costes esperadas

No obstante, algunas compañías están tomando la delantera. Estas empresas líderes reconocen que sus estrategias de IA y de reducción de costes son inseparables.

Otro análisis de BCG llegó a conclusiones similares

Las empresas líderes en IA logran:

• una reducción de costes tres veces mayor,
• márgenes EBIT 1,6 veces superiores y
• un retorno sobre el capital invertido 2,7 veces mayor que sus competidores.
• Están aumentando la transparencia en sus cadenas de valor,
• agilizando la toma de decisiones y
• liberando capital para reinvertirlo en crecimiento e innovación.

Estas compañías demuestran lo que es posible y ofrecen claves para que otras puedan ponerse al día.

Dónde se equivocan las empresas

La reducción de costes impulsada por la IA no es solo un problema tecnológico. Requiere replantear los procesos, los modelos operativos y la forma en que realmente se realiza el trabajo. Incluso sin IA, los programas de reducción de costes a menudo no alcanzan sus objetivos porque las empresas adoptan medidas reactivas y a corto plazo que no rediseñan fundamentalmente los flujos de trabajo, los modelos operativos ni la cultura organizacional. Además, lejos de garantizar el éxito, la implementación de la IA conlleva nuevas complejidades e incluso puede provocar un incremento de los costes.

Observamos una serie de desafíos comunes en los programas de reducción de costes

Demasiadas iniciativas fragmentadas y falta de escala. Muchas organizaciones están experimentando con la IA y lanzando pruebas de concepto en toda la empresa. Ese entusiasmo es comprensible, pero sin unas prioridades claras, las empresas corren el riesgo de dispersar sus esfuerzos, aumentar los costes operativos y aplicar la IA en áreas donde tal vez no genere el mayor impacto.

Los requisitos de pruebas y resiliencia para una implementación a escala corporativa son mucho más complejos que los de una iniciativa aislada.

Las organizaciones que no cuentan con una base sólida —en cuanto a datos, soluciones tecnológicas y arquitectura— se ven obligadas a compensar esta carencia involucrando a muchas personas en la supervisión de los resultados, lo que resta valor al proceso.

Atención insuficiente a la formación y al desarrollo de competencias del talento

Algunas empresas implementan una nueva iniciativa de IA solo para ver cómo los empleados la ignoran, a menudo debido a que carecen de las habilidades y capacidades necesarias para utilizar las nuevas herramientas. Incluso aquellas empresas que lanzan programas de formación a veces no logran vincular la IA con los flujos de trabajo reales ni formalizar nuevas formas de trabajo y expectativas.

• Falta de rediseño de los flujos de trabajo y procesos. Con demasiada frecuencia,
• las empresas se conforman con mejoras incrementales de eficiencia derivadas de la IA.
• Pierden la oportunidad de obtener los beneficios transformadores que esta tecnología puede ofrecer.

Una y otra vez observamos que, en una implementación típica de IA, solo el 10 % del valor proviene de los algoritmos y el 20 % de la tecnología y los datos. El 70 % restante deriva de la gestión del cambio en los procesos, principalmente del rediseño integral de los flujos de trabajo y los procesos. Se trata de una tarea más compleja, pero que genera un impacto mucho mayor en los costes.

• Falta de claridad sobre cómo convertir las ganancias de eficiencia en valor financiero.
• Incluso cuando las organizaciones pueden identificar mejoras específicas de eficiencia gracias a la IA, a menudo estas no repercuten en la cuenta de resultados.

Sin un plan claro ni una infraestructura de seguimiento, las ganancias de eficiencia se diluyen y no se traducen en una ventaja de costes.

La hoja de ruta hacia el éxito

Los líderes se centran en cómo poner en marcha iniciativas de IA y, al mismo tiempo, utilizarla como parte de una secuencia deliberada de palancas tradicionales de reducción de costes. Su objetivo es obtener resultados inmediatos y, en última instancia, sistemáticos. Esto exige encontrar el equilibrio adecuado entre generar impulso a corto plazo y orquestar deliberadamente las iniciativas en torno a una ambición coherente y escalable.

Comience con implementaciones probadas para financiar el proceso

En lugar de intentar implantar la tecnología precipitadamente en toda la organización, las empresas deberían empezar con un número reducido de flujos de trabajo basados en soluciones relativamente maduras que generen resultados rápidos. Este enfoque crea impulso, desarrolla capacidades en IA y libera beneficios económicos que pueden utilizarse para financiar medidas a más largo plazo.

Las adquisiciones son un buen ejemplo

Las empresas destinan sumas considerables a las compras; las transacciones son relativamente sencillas y el abanico de posibles problemas es limitado. Por ello, en muchos casos las empresas pueden recurrir a soluciones de IA disponibles en el mercado para mejorar rápidamente su rendimiento.

Tareas que antes se gestionaban mediante revisiones manuales y análisis de datos fragmentados se están automatizando y optimizando cada vez más gracias a la IA. Entre las aplicaciones y resultados concretos que hemos observado se incluyen:

• Evaluación de proveedores para optimizar la base de suministradores, estandarizar precios y negociar descuentos: ahorros de entre el 5 % y el 25 % en un plazo de tres a seis meses.
• Revisión de especificaciones para simplificar las características de productos y servicios: ahorros de entre el 5 % y el 10 % en un plazo de tres a seis meses.
• Optimización de inventarios: ahorros de entre el 5 % y el 15 % en un plazo de tres a nueve meses.

Dado que este proceso de rediseño requiere colaboración entre distintas áreas funcionales, puede resultar complejo. Las empresas pueden aumentar sus probabilidades de éxito seleccionando un proceso concreto y diseñándolo desde cero, de principio a fin, a lo largo de toda la cadena de valor.

De hecho, el ámbito ideal para las aplicaciones de IA de agentes son los procesos y entornos complejos donde la exposición al riesgo y la sensibilidad ética o de gobernanza son comparativamente bajas. En situaciones de menor complejidad, bastan las soluciones tecnológicas de automatización convencionales. En cambio, en áreas sujetas a estrictos requisitos de riesgo y cumplimiento normativo, la supervisión humana resulta indispensable.

Un ejemplo de IA basada en agentes incluye el diseño:

• Un fabricante de barcos utilizó agentes para acelerar una tarea fundamental de ingeniería y diseño. El trabajo en sí era complejo y hecho a medida, y requería coordinar múltiples variables y cálculos. Para abordar esto, la empresa desplegó un sistema de IA multiagente que combinaba una interfaz conversacional con agentes de ingeniería especializados.