IA para reducir costos: 10 procesos donde tu empresa puede generar eficiencias

Hay una frase que se repite en los comités de dirección y que suena a plan sin serlo: vamos a usar IA para bajar costos. Un costo no baja porque alguien trabaje más rápido; baja cuando un pago deja de hacerse, cuando un error deja de generar una nota de crédito, o cuando el negocio crece sin que la plantilla crezca con él. Abajo van diez procesos donde eso sí ocurre, con el mecanismo económico de cada ahorro y una advertencia honesta sobre cuáles son reales y cuáles solo son horas que cambiaron de dueño.

Léelos juntos antes de seguir. Sí hay ahorros y son bastante comunes, pero son modestos y todos provienen de autorreporte (de ejecutivos en una encuesta global en los dos primeros casos, de trabajadores daneses en el tercero, de empresas estadounidenses en el cuarto), no de medición contable auditada; y casi nunca se manifiestan como reducción de plantilla. Cualquier caso de negocio que te prometa 30% de ahorro en un semestre describe un escenario que la evidencia disponible no respalda.

Es la parte que casi nunca aparece en las propuestas comerciales, y la que decide si tu proyecto sobrevive a la siguiente revisión de presupuesto. Cuando automatizas una tarea, lo primero que obtienes son horas: quien dedicaba cuatro horas a conciliar facturas ahora dedica una. Eso es capacidad liberada. No es dinero: es potencial de dinero, y solo se vuelve ahorro si absorbes más volumen sin contratar, dejas de pagar un gasto variable (horas extra, un tercero por volumen) o rediseñas la estructura del área.

Los datos de campo respaldan la distinción. Un documento de trabajo del Center for Economic Studies de la Oficina del Censo de Estados Unidos, con datos de la Business Trends and Outlook Survey, encontró que entre las empresas usuarias de IA que reportan algún efecto sobre la estructura de tareas, 66% la usa únicamente para aumentar tareas, no para sustituirlas; de hecho, 52% de las usuarias no reporta ningún efecto sobre las tareas, y 95% no reporta cambio alguno de empleo atribuible a la IA ⁹. En la enorme mayoría de los casos observados lo que se produce es capacidad liberada, no reducción de nómina.

Eso no significa que el ahorro sea imposible: significa que llega por la vía del volumen, no la del recorte. McKinsey Global Institute estima que para 2030 podrían automatizarse actividades equivalentes a hasta 30% de las horas trabajadas hoy en Estados Unidos (frente a 22% sin IA generativa) y que podrían ser necesarias 12 millones de transiciones ocupacionales adicionales ¹³. Son horas de actividades técnicamente automatizables en un mercado que no es el nuestro, no empleos eliminados. La dirección, eso sí, es clara: el costo se mueve por reasignación de tareas mucho antes que por reducción de cabezas.

La adopción ya no es el problema. En la edición 2026 del AI Index de Stanford HAI, que reporta datos de 2025, 88% de las organizaciones encuestadas a nivel global declara haber adoptado IA de alguna forma y 70% usa IA generativa en al menos una función, aunque el despliegue de agentes sigue en cifras de un dígito en casi todas ². Usar una herramienta y capturar un ahorro son cosas distintas, y esa brecha explica buena parte de la frustración que escuchamos.

Sobre la magnitud, la referencia más útil es la edición 2025 del mismo índice: entre los encuestados globales cuyas organizaciones usan IA en operaciones de servicio, 49% reporta ahorros de costos; en cadena de suministro, 43%; en ingeniería de software, 41%. La métrica cuenta cuántos reportan algún ahorro, no cuánto, y la magnitud más común es menor a 10% ¹. Del lado del ingreso el orden cambia: 71% de quienes usan IA en marketing y ventas reporta aumentos de ingresos, frente a 63% en cadena de suministro y 57% en operaciones de servicio; en todas las funciones, el nivel de aumento más común es menor a 5% ¹. La palanca de costo y la de ingreso no viven en las mismas áreas.

El contrapeso más duro viene de Dinamarca. Un estudio que vincula dos encuestas de adopción de unos 25,000 trabajadores en 7,000 centros de trabajo de once ocupaciones expuestas con registros administrativos encontró que los usuarios reportan ahorros de tiempo de alrededor de 3% de sus horas, junto con efectos nulos y estadísticamente precisos sobre salarios y horas trabajadas, descartando efectos mayores a 2% dos años después del lanzamiento de ChatGPT ³. Ese 3% es autorreporte de encuesta, no medición causal. Y la lectura correcta no es que la IA no sirva (los propios autores subrayan que el trabajo se está reorganizando), sino que el ahorro de tiempo por tarea no se vuelve solo ahorro económico.

McKinsey estima que la IA generativa podría aportar entre 2.6 y 4.4 billones de dólares anuales a la economía global a través de 63 casos de uso analizados, con alrededor de 75% de ese valor concentrado en cuatro áreas: atención al cliente, marketing y ventas, ingeniería de software e I+D ¹². Es potencial modelado, no valor capturado, pero sirve de brújula: empieza donde el volumen repetitivo es alto. Estos son los diez procesos donde hemos visto que la eficiencia se puede medir.

Los diez casos se reducen a cuatro mecanismos. Vale la pena tenerlos a la mano: obligan a nombrar la métrica antes de arrancar y evitan la discusión circular sobre si el proyecto funcionó:

Es el trabajo que casi nadie hace, y la razón por la que muchos pilotos exitosos nunca se ven en el margen:

1. 1

   Mide la línea base antes de tocar nada

   Una o dos semanas de medición honesta: minutos por unidad, tasa de error, vueltas de reproceso, volumen mensual. Sin línea base no podrás demostrar nada, y lo que no se demuestra no se renueva.

2. 2

   Nombra la cuenta contable que quieres mover

   No basta con decir bajar costos operativos. ¿Es el tercero de captura? ¿Las horas extra del cierre? ¿Las notas de crédito por errores de facturación? Si nadie puede señalar la cuenta, lo que vas a producir es capacidad liberada; conviene admitirlo desde el principio.

3. 3

   Rediseña el proceso, no solo la tarea

   En un experimento de campo dirigido por Microsoft en 66 empresas con 7,137 trabajadores del conocimiento, el 80% de los tratados que sí usó la herramienta dedicó dos horas menos por semana al correo en la segunda mitad del experimento de seis meses; más allá de ese ahorro individual, los investigadores no detectaron cambios en la cantidad ni en la composición de las tareas atribuibles a dar acceso a la IA a nivel individual ⁴. Repartir licencias no rediseña nada.

4. 4

   Decide explícitamente qué haces con las horas

   Tres destinos legítimos: absorber crecimiento sin contratar, mover a esas personas a trabajo que hoy no se hace, o reducir gasto variable que sí se estaba pagando. El cuarto, que las horas se diluyan, es el más común y el que mata el caso de negocio.

5. 5

   Vuelve a medir con el mismo instrumento

   Mismo periodo, mismo mix, misma definición. Publica el resultado aunque sea peor de lo esperado: la credibilidad del segundo proyecto se construye con la honestidad del primero.

Hay procesos donde el intento sale caro, y conviene decirlo antes de firmar. El patrón común: tareas de juicio con poca frecuencia, alto costo de error y poca trazabilidad de la decisión.

• Procesos de bajo volumen. Si algo ocurre veinte veces al mes, el ahorro anual no paga la integración ni el mantenimiento.
• Decisiones con consecuencia regulatoria o de seguridad donde no puedes reconstruir por qué se decidió lo que se decidió: ahí el costo del incidente domina cualquier eficiencia.
• Procesos rotos. Automatizar un flujo mal diseñado produce errores más rápido. Al arreglarlo, a veces descubres que ya no hace falta la IA.
• Áreas donde el cuello de botella no es humano. Si el retraso lo causa un proveedor, una aprobación externa o un sistema legado, acelerar la parte humana no mueve el ciclo total.

Casi toda la evidencia citada aquí viene de Estados Unidos, Europa o encuestas globales, y eso importa. El FMI estima que cerca de 40% del empleo mundial está expuesto a la inteligencia artificial: alrededor de 60% en economías avanzadas, 40% en mercados emergentes y 26% en países de bajos ingresos, entendiendo exposición como el peso de tareas susceptibles de ser realizadas por IA dentro de cada ocupación, no como pérdida de empleos ¹⁴. El FMI no publica cifra específica para México: ese 40% es el promedio de los mercados emergentes. Quien te venda un ahorro específico para México lo está extrapolando sin decírtelo.

Esa jerarquía de beneficios resume todo lo anterior: lo primero que obtiene la mayoría es que su gente haga mejor su trabajo, y el ahorro llega después, solo si alguien decidió qué hacer con el tiempo liberado. La OCDE también documenta que en países del G7 las empresas adoptantes tienden a ser más productivas que las no adoptantes de tamaño, edad y sector similares, con primas que suelen superar 4% y a veces rebasan 15%, advirtiendo que la relación es en buena medida correlacional: las empresas ya más digitales adoptan más, y las primas se reducen al controlar por capacidades digitales ¹⁰.

Traducido a una expectativa operable para una empresa mediana: un proceso bien elegido, medido antes y después, con un ahorro de un dígito sobre el costo de ese proceso en el primer año, y con capacidad liberada que solo se vuelve dinero si decides qué hacer con ella. No es una cifra emocionante para una presentación. Es la que se sostiene doce meses después.