Cómo priorizar proyectos de IA y demostrar ROI al board: guía para directores de innovación 2026
Al final del post encontrarás una herramienta interactiva para puntuar y rankear tus proyectos de IA según impacto, viabilidad y velocidad al resultado.
Por qué la mayoría de los portfolios de IA no consiguen presupuesto
Hay una conversación que se repite en casi todas las empresas que nos llaman en septiembre: el director de innovación tiene tres o cuatro proyectos de IA sobre la mesa, está convencido de que alguno es transformador y tiene que presentarlo al board en octubre para conseguir presupuesto en Q4. La conversación termina siempre igual: el board pide más "evidencia de ROI" y el presupuesto queda pendiente para el año que viene.
El problema no suele estar en los proyectos. Está en cómo se presentan y, antes de eso, en cómo se seleccionan.
El error del "tiempo ahorrado"
La métrica más común en los proyectos de IA es el tiempo ahorrado. "Este proceso tarda 4 horas y con IA tardaría 40 minutos." El problema es que el CFO no ve ese tiempo como dinero hasta que no está cuantificado en términos de negocio: coste de hora por FTE multiplicado por la frecuencia del proceso. Sin esa traducción, el ahorro de tiempo es percibido como una mejora operativa menor, no como una inversión estratégica.
El board habla de negocio, no de tecnología
Un board aprueba presupuesto cuando entiende tres cosas: cuánto cuesta, cuánto devuelve y cuándo. Si la presentación empieza con la arquitectura técnica del modelo o con las capacidades de la plataforma elegida, el presupuesto no se aprueba. Empieza por el problema de negocio, cuantifica el coste actual y presenta la IA como la solución más eficiente a ese coste. El resto es detalle de implementación.
La matriz de priorización: tres ejes que el board entiende
Cómo priorizar proyectos de IA ROI
En ideafoster trabajamos con una matriz de tres ejes para priorizar proyectos de IA. No es un framework académico: es lo que funciona cuando hay que conseguir una decisión de presupuesto real.
Eje 1: Impacto de negocio
¿Cuánto dinero genera o ahorra este proyecto si funciona? No en horas sino en euros. Un proyecto que reduce el churn un 5% en una base de 10.000 clientes a 200€ de ticket promedio vale 1.000.000€ al año. Ese número es el que abre conversaciones en el board.
Eje 2: Viabilidad y datos disponibles
¿Tenemos los datos necesarios para que funcione? ¿Están estructurados? ¿El equipo tiene la capacidad de adoptarlo? Un proyecto con impacto alto pero datos inexistentes o equipo no preparado tiene una viabilidad baja. No es un descarte permanente, pero no es Q4.
Eje 3: Velocidad al primer resultado
¿En cuánto tiempo podemos tener evidencia real de que funciona? Cuanto más corto el ciclo de validación, más fácil convencer al board para la siguiente inversión. Los proyectos con resultados visibles en 8 semanas son los que construyen la credibilidad que permite escalar.
Cómo medir el ROI que convence al board
La regla es simple: usa métricas de negocio, no métricas técnicas. El board no quiere saber el accuracy del modelo. Quiere saber el impacto en la cuenta de resultados.
Las cuatro métricas que siempre funcionan:
Coste evitado: cuánto dinero deja de salir de la empresa gracias al proyecto.
Ingresos adicionales: cuánto más factura la empresa como consecuencia directa.
Velocidad de proceso: cuánto más rápido se ejecuta algo que tiene impacto en la experiencia del cliente o en el time-to-market.
Reducción de riesgo: cuánto se reduce la exposición a un error costoso, una sanción o una pérdida de cliente.
Lo que un director de innovación necesita dominar no es solo elegir la tecnología correcta. Es traducir el impacto técnico al lenguaje financiero que aprueba presupuestos.
El pitch de 5 minutos para el board
El board no tiene tiempo para una presentación de 30 diapositivas sobre IA. Tiene 5 minutos. Esta es la estructura que funciona:
El problema de negocio: una frase. Cuánto cuesta el problema hoy en euros o en tiempo medible.
La solución propuesta: qué hace la IA exactamente y por qué es mejor que la alternativa actual.
El piloto: qué vamos a probar, con quién, en cuánto tiempo y con qué presupuesto.
El criterio de éxito: una sola métrica de negocio que define si el piloto funcionó.
El siguiente paso si funciona: cómo se escala y qué ROI proyectado tiene a 12 meses.
Si quieres profundizar en cómo estructurar e implementar el piloto paso a paso, lee nuestra guía de implementación de IA en 90 días.
¿Qué significa esto para tu empresa?
Si tu empresa lleva tiempo hablando de IA sin aprobar proyectos concretos, el problema casi nunca es el presupuesto. Es que los proyectos no están presentados de una forma que el board pueda aprobar con confianza.
La solución no es hacer proyectos más pequeños. Es hacer la lógica de portfolio explícita: qué priorizamos, por qué, con qué criterios y qué evidencia vamos a generar antes de escalar. Eso es lo que convierte un director de innovación en un activo estratégico para la empresa.
Conoce más sobre cómo liderar la IA en tu empresa en nuestros posts para directores de innovación.
¿Cuántos proyectos de IA debería tener en portfolio?
No hay una respuesta universal, pero para empresas medianas (200-1.000 empleados) recomendamos entre 3 y 5 proyectos activos simultáneamente: 1-2 quick wins en ejecución, 1-2 proyectos core en preparación y 1 en fase de exploración. Más de eso dispersa recursos y hace imposible el seguimiento real.
¿Qué pasa si el board sigue sin aprobar presupuesto después de una buena presentación?
Normalmente hay tres causas: el criterio de éxito no es claro, el presupuesto pedido parece desproporcionado respecto a la evidencia disponible, o hay un problema de confianza previo. En ese caso, la solución es proponer un piloto más pequeño con un presupuesto mínimo que genere la primera evidencia.
¿Cómo sé si un proyecto tiene datos suficientes para arrancar?
Tres preguntas: ¿Tenemos datos históricos del proceso que queremos mejorar? ¿Están en formato digital y accesible? ¿Podemos etiquetar o medir el resultado que queremos predecir? Si las tres respuestas son "sí", los datos son suficientes para empezar.
¿El ROI de la IA se puede medir desde el primer piloto?
Sí, si el criterio de éxito está bien definido antes de empezar. Un piloto de 8 semanas puede generar evidencia de impacto en la métrica elegida. No es el ROI de escala, pero es suficiente para que el board apruebe el siguiente paso.
¿Qué sectores tienen proyectos de IA con ROI más rápido?
Los sectores con datos más estructurados tienden a ver ROI más rápido: servicios financieros, retail, logística y manufactura. En sectores con datos más fragmentados (salud, educación, sector público) los pilotos funcionan igual de bien pero el ciclo de validación es más largo.
Comentarios