La brecha entre percepción y EBIT en la IA empresarial

El 80% y el 37%: la brecha que decide si tu IA llega al EBIT.
Ocho de cada diez profesionales dicen que la IA les hace más productivos. Solo el 37% de las empresas lo ve en su cuenta de resultados. La diferencia no es el modelo que han elegido: es que nadie ha medido.
Su empresa tiene dos cifras sobre la IA. Una la dicen sus empleados. La otra la dice su contabilidad. No se parecen.

Según la encuesta global de McKinsey publicada este agosto, el 80% de los profesionales afirma que la IA ha mejorado su productividad personal. El 37% de las organizaciones dice que la IA ha aportado algo a su EBIT.

Cuarenta y tres puntos de diferencia. Y el segundo número lleva dos años clavado en el mismo sitio mientras la inversión y el despliegue no paran de subir.

Este artículo va sobre por qué existe esa brecha, y sobre lo que cuesta, en euros, seguir sin cerrarla.

Los datos, y de quién son

La fuente es "The state of AI in 2026: On the road to ROI", la encuesta anual de McKinsey & Company firmada por Dan Tinkoff, Lieven Van der Veken y Michael Chui, con trabajo de campo entre el 4 de mayo y el 8 de junio de 2026 y 1.719 participantes en 97 países. El EBIT es el beneficio antes de intereses e impuestos: la línea que mira un consejo cuando decide si algo ha funcionado.

La adopción avanza sin discusión. El 44% de las organizaciones escala IA en toda la empresa, frente al 38% del año anterior. En compañías de más de mil millones de dólares de facturación, el uso de agentes ha saltado del 27% al 40% en doce meses.

El retorno, no. El 37% que atribuye algún efecto al EBIT está igual que en 2025. Y el grupo de alto rendimiento, los que atribuyen a la IA un 5% o más de su EBIT, sigue siendo el 6% de la muestra, también plano.

Más despliegue y más gasto, mismo resultado en la línea de abajo. Ese es el hecho a explicar.

El 80% no es una medición

La lectura cómoda es que la productividad ya está ahí y solo falta que aflore. Merece la pena resistirse, porque ese 80% es percepción declarada, y hay un experimento que muestra hasta dónde puede desviarse la percepción.

Lo hizo METR (Model Evaluation & Threat Research), una organización independiente sin ánimo de lucro que evalúa capacidades de modelos. En julio de 2025, Joel Becker, Nate Rush, Beth Barnes y David Rein publicaron un ensayo controlado aleatorizado —el diseño estándar de la investigación clínica, rarísimo en estudios de productividad—: 16 desarrolladores experimentados, 246 tareas reales en sus propios repositorios, cada tarea asignada al azar a "con IA" o "sin IA".

Tres cifras del mismo grupo de personas:

Antes de empezar, estimaban que la IA les haría un 24% más rápidos.
Después de hacer el trabajo, creían haber ido un 20% más rápidos.
El cronómetro dijo que habían tardado un 19% más.

No fallaron en la magnitud. Fallaron en el signo. Y seguían fallando después de haber hecho el trabajo con sus propias manos.

Un matiz que casi nunca acompaña a este dato cuando se cita: METR lo ha marcado como histórico. En febrero de 2026 el equipo publicó que aquella medición correspondía a las herramientas de principios de 2025, que hoy es probable que sí exista aceleración, y que su experimento de continuación quedó inservible por sesgo de selección, cada vez más desarrolladores se niegan a participar si eso implica trabajar sin IA, así que están rediseñando el estudio.

Esa corrección no debilita la lección. La precisa. Lo que aguanta no es "la IA te hace más lento". Es que la productividad percibida no sustituye a la productividad medida, ni siquiera cuando quien percibe es un experto con cinco años en ese código.

Aplicado a la encuesta: el 80% no mide productividad, mide entusiasmo. El 37% es el único de los dos números que ha pasado por una contabilidad.

La cuenta que hace falta poner encima de la mesa

Traduzcámoslo a dinero, porque es donde deja de ser un debate metodológico.

Tome una empresa con 200 personas de perfil cualificado y una herramienta de IA a 30 € por usuario y mes. Son 72.000 € al año solo de licencias, sin contar despliegue, formación ni el tiempo de las personas que la integran.

La justificación habitual es que ahorra "en torno a un 20% del tiempo". Con un coste laboral total de 45.000 € por persona, ese 20% valdría 1,8 millones de euros. Contra 72.000 € de licencia, el caso se aprueba en dos minutos.

Ahora suponga que el ahorro real es del 3%. Sigue siendo positivo: 270.000 €. El proyecto funciona, pero el comité ha aprobado un plan dimensionado para sesenta veces ese retorno, y ha construido el resto de su hoja de ruta encima de esa cifra.

Y si el efecto real fuese el que midió METR en su contexto negativo, la empresa estaría pagando 72.000 € al año por ir más despacio, con el 80% de la plantilla confirmando encantada que va más rápido.

Los tres escenarios son indistinguibles desde dentro. Ninguna encuesta interna los separa. Lo único que los separa es un grupo de control.

El método ya está en su empresa, en otro departamento

Si tiene un equipo de marketing con algo de madurez analítica, ya dispone de la metodología que le falta a su programa de IA.

Nadie serio lanza una campaña, mira las ventas del mes y se atribuye la subida. Se aparta un grupo de control (un holdout: población equivalente que no recibe el impacto), se compara y la diferencia es el resultado. Es exactamente el diseño del ensayo de METR con otro nombre y veinte años de rodaje en marketing directo.

Un piloto de IA se mide igual:

Elija un proceso que ya tenga una métrica. Tiempo de resolución de un ticket, coste por pieza publicada, horas de conciliación en el cierre. Si el dato anterior no existe, la primera fase del piloto es medir, no desplegar.
Deje fuera una parte comparable. No hace falta que sea la mitad del equipo: hace falta que se parezca al que sí entra.
Mida resultado, no actividad. Tokens consumidos, mensajes generados y porcentaje de adopción son consumo. El resultado es la métrica del punto 1.
Fije la fecha de lectura antes de empezar. Sin fecha previa, el piloto se evalúa el día en que los números quedan bien.
Recoja la percepción, pero en otra casilla. Dice mucho sobre adopción y fricción, que importan. No es evidencia de impacto.

Coste: unas horas de diseño y la disciplina de no contaminar el control. A cambio, la próxima vez que alguien pregunte "¿esto está funcionando?", hay una respuesta que no depende de quién hable más alto en la reunión.

Qué hace distinto al 6%

McKinsey caracteriza al grupo que sí ve impacto, y el patrón encaja con todo lo anterior:

Rediseñan el flujo de trabajo en vez de insertar IA en el existente. Casi tres cuartas partes lo han hecho, frente a una cuarta parte del resto. Es la mayor distancia entre ambos grupos de todo el informe.
Miden. Tienen el doble de probabilidad de contar con procesos definidos para cuantificar el impacto de sus iniciativas.
No persiguen solo eficiencia. Añaden objetivos de crecimiento e innovación a los de ahorro.
Definen dónde entra una persona. Decidir cuándo una salida del modelo necesita validación humana es otra de las prácticas donde sacan ventaja.
Tratan el coste como restricción de diseño. Uno de cada cinco encuestados ya reconoce que los costes operativos, tokens incluidos, están limitando su uso de IA.

Cinco decisiones de operación. Ninguna es un modelo mejor.

Y un apunte para elegir por dónde empezar: en el informe, los aumentos de ingresos se concentran en marketing y ventas; las reducciones de coste, en cadena de suministro, operaciones de servicio y fabricación. Son dos conversaciones distintas y se miden distinto. Un caso de ingresos necesita grupo de control y ventana de atribución; uno de coste necesita línea base de horas o de unidades. Confundirlos es la vía más rápida a un piloto que "funciona" y un EBIT que no se mueve.

Qué me llevo

La productividad declarada y la medida pueden apuntar en sentidos opuestos, y quien declara puede ser un experto convencido. El 80% es una señal de adopción, no un retorno.
Sin grupo de control, un ahorro del 20%, uno del 3% y uno negativo se ven exactamente igual desde dentro.
Lo que separa al 6% que llega al EBIT no es el proveedor: es rediseñar el proceso y tener un método para medirlo.
Primero la métrica y la fecha de lectura. Después el caso de uso. En ese orden se aprueban menos proyectos y fracasan muchos menos.

Fuentes

McKinsey & Company, "The state of AI in 2026: On the road to ROI", agosto de 2026. Dan Tinkoff, Lieven Van der Veken y Michael Chui, con Tara Balakrishnan. Encuesta online a 1.719 participantes de 97 países, campo del 4 de mayo al 8 de junio de 2026 — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
Joel Becker, Nate Rush, Beth Barnes y David Rein (METR — Model Evaluation & Threat Research), "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", julio de 2025 — https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
METR, "We are Changing our Developer Productivity Experiment Design", febrero de 2026. El propio equipo marca el resultado anterior como histórico y explica el sesgo de selección de su experimento de continuación — https://metr.org/blog/2026-02-24-uplift-update/
El cálculo de las licencias y los tres escenarios de ahorro es propio e ilustrativo: sirve para mostrar el orden de magnitud del riesgo de no medir, no como estimación de ningún caso concreto. Los datos de encuesta son autodeclarados y globales, y se leen como dirección, no como medición auditada.