Microsoft desarrolló un sistema interno para medir si sus inversiones en inteligencia artificial producen resultados empresariales reales, más allá del número de trabajadores que utilizan las herramientas o de las horas que aparentemente permiten ahorrar.
La compañía reconoció que todavía no cuenta con una respuesta completa. Algunas de sus mediciones se encuentran respaldadas por datos instrumentados, mientras que otras dependen de hipótesis o requieren mejores sistemas de telemetría. Por ello, Microsoft evita colocar el retorno de inversión en el centro de sus evaluaciones hasta contar con modelos de costos y datos suficientemente sólidos.
El planteamiento aparece en un momento estratégico para la empresa. Durante su conferencia anual Build, celebrada el martes 2 de junio, Microsoft presentó siete modelos propios de inteligencia artificial para tareas de razonamiento, programación, generación de imágenes, voz y transcripción.
Entre ellos se encuentra MAI-Thinking-1, el primer modelo de razonamiento desarrollado internamente por Microsoft AI. La empresa aseguró que fue entrenado desde cero con datos limpios y licenciados comercialmente, sin utilizar destilación de modelos de terceros.
La presentación representa un paso hacia una mayor autosuficiencia tecnológica para Microsoft, que fue una de las primeras compañías en invertir miles de millones de dólares en OpenAI e integró sus modelos en productos como Azure, GitHub Copilot y Microsoft 365. Aunque ambas empresas mantienen su alianza, Microsoft ha comenzado a construir una cartera propia de modelos, infraestructura de entrenamiento y procesadores para reducir su dependencia de proveedores externos.
Sin embargo, desarrollar modelos propios no resuelve una de las preguntas centrales de la adopción empresarial de la IA: cómo demostrar que su utilización produce valor y no solamente actividad.
Microsoft señaló que una herramienta puede ser utilizada frecuentemente y aun así no mejorar el proceso para el cual fue implementada. Por ello, su división interna de tecnologías de la información creó un marco que evalúa las inversiones en IA mediante seis áreas: ingresos, productividad, seguridad y reducción de riesgos, experiencia de empleados y clientes, calidad y ahorro de costos.
El sistema exige que los principales proyectos habilitados por IA tengan objetivos mensuales y anuales. Los equipos deben establecer cómo funcionaba un proceso antes de incorporar la tecnología, definir qué esperan mejorar, medir los resultados y revisar periódicamente si la inversión produce el valor previsto.
Como ejemplo, Microsoft analizó un proceso de atención técnica que genera alrededor de 5,000 tickets mensuales. Cuando un trabajador marca un problema como resuelto, puede necesitar enviar hasta tres correos de seguimiento antes de cerrar definitivamente el caso.
La compañía calculó que este proceso puede generar hasta 15,000 correos manuales al mes. Si cada mensaje requiere aproximadamente tres minutos, la tarea consume cerca de 750 horas de trabajo mensuales. Microsoft estudia automatizarla mediante un agente conectado con la plataforma ServiceNow.
Pero ahorrar 750 horas no demuestra por sí mismo que la automatización haya producido valor. La empresa plantea que el resultado depende de lo que ocurra después con esa capacidad recuperada: podría utilizarse para resolver más casos, reducir pendientes, mejorar el servicio o atender problemas más complejos.
También podría desaparecer dentro de una cifra general de productividad sin producir un resultado empresarial identificable.
“Ahorraste dinero, ahorraste horas. ¿Qué hiciste con ello? ¿Dónde quedó el resultado empresarial real?”, plantea Don Campbell, responsable principal de programas técnicos de Microsoft Digital, en el documento.
Microsoft reconoce que esta segunda parte es más difícil de medir. Cuando una herramienta ahorra pequeñas cantidades de tiempo a miles de trabajadores, resulta complicado demostrar dónde se reinvirtieron esos minutos y qué resultado produjeron.
Por esa razón, la compañía afirma que será cautelosa al calcular el retorno de inversión de la IA. Antes de presentar cifras definitivas, necesita establecer modelos de costos, líneas base, telemetría y datos aprobados que permitan comparar los procesos antes y después de la automatización.
El marco revela una transición dentro de Microsoft: de promover la adopción generalizada de IA a exigir que cada implementación justifique su existencia mediante resultados observables.
La empresa ya no considera suficiente demostrar que los empleados utilizan una herramienta o que una automatización elimina tareas. La pregunta ahora es qué ocurre después de que el trabajo desaparece y quién captura el valor de las horas recuperadas.
