Cómo medir el ROI de la IA en agroindustria sin engañarte a ti mismo.

La trampa del piloto

El patrón se repite. Una empresa agroalimentaria decide "probar IA". Se reúne con un proveedor, se hace un piloto de tres meses, el proveedor presenta resultados — modelo con 94% de precisión, dashboard bonito, mucha visión por computador — y la dirección se queda exactamente en el mismo sitio: sin saber si invertir más o cortar.

El problema no es el piloto. El problema es que nadie definió qué tenía que pasar para que el piloto fuera "un éxito". Sin esa línea trazada antes, cualquier resultado parece razonable. Y cualquiera, defendible.

Este artículo intenta ayudar a no caer en esa trampa, desde el lado del cliente. No es marketing nuestro — de hecho, le hemos dicho que no a varios pilotos por esta razón.

Métricas que no sirven (aunque suenen bien)

• Precisión del modelo — Que un modelo tenga 94% de F1 score no te dice nada si no sabes cuál era la línea base humana ni cuál es el coste de los falsos negativos. Un 70% bien aplicado puede valer más que un 95% inutilizable.
• Número de usuarios activos — Sirve solo si los usuarios activos están tomando decisiones distintas. Si solo abren el dashboard, no es uso, es curiosidad.
• Datos procesados / hectáreas / lotes — Métricas de volumen sin coste asociado son ruido. La IA no se justifica por cuántos datos digiere.
• Testimonios cualitativos — "El equipo lo ve útil" es buena señal, pero no una métrica. Pídeles que cuantifiquen en qué los ha ayudado, en horas o euros.

Métricas que sí miden ROI

• Coste evitado por decisión — Por cada decisión que tomas con la IA en lugar de sin ella, cuánto te ahorra (o te hace ganar). Multiplicado por la frecuencia.
• Tiempo de ciclo del proceso — Cuánto tardaba antes en cerrarse un proceso (acopio, calidad, reporte regulatorio) vs cuánto tarda ahora. El tiempo es dinero medible.
• Mermas y reproceso — En porcentaje, comparado con la línea base histórica de la misma campaña en años anteriores. Cuidado con comparar campañas no homologables.
• Capacidad recuperada — Cuántas horas/persona que antes hacían tarea manual ahora pueden dedicarse a otra cosa. Esto se monetiza fácil.
• Capacidad de venta — Si la IA te permite cerrar contratos con clientes que exigen trazabilidad o certificaciones que antes no podías ofrecer, eso es ROI puro.

Framework de 4 preguntas antes del piloto

Si vas a contratar un piloto de IA, oblígate a contestar estas cuatro preguntas en una página, firmadas por dirección y equipo operativo:

1. ¿Qué decisión concreta se va a tomar diferente con la IA? No "qué se va a medir". Qué decisión.
2. ¿Cuál es el coste hoy de tomar esa decisión sin IA? En euros, horas o oportunidad perdida. Si no sabes, mide tres meses antes del piloto.
3. ¿Cómo sabrá el equipo operativo, sin mirar el modelo, que la IA está acertando? Tiene que haber un indicador independiente del propio sistema.
4. ¿Qué nivel de impacto te haría escalar la inversión y cuál te haría parar? Define ambos umbrales antes de empezar. Lo que te haga parar es lo más útil — te protege del optimismo.

Si no puedes contestar las cuatro, no es un piloto: es una excursión.

Cómo lo hacemos nosotros

Por transparencia y porque sospechamos que el lector estará pensándolo: el proceso comercial de Visual NAcert siempre arranca por estas mismas cuatro preguntas. Si no salen claras, decimos honestamente que no es el momento. Es un mensaje incómodo de dar, pero nos ahorra a ambos un proyecto fracasado.

Cuando sí salen claras, proponemos un piloto de 12 semanas con un único módulo, integración mínima y un comité que se reúne cada 15 días. Si en la semana 8 los números no van por buen camino, paramos. Si van bien, escalamos.

Conclusión

La IA en agroindustria funciona — pero solo cuando se mide bien. La pregunta no es "¿la IA me dará ROI?", es "¿estoy preparado para medirlo honestamente?". Si la respuesta a la segunda es sí, lo demás cae solo.