Cuatro años después del lanzamiento de ChatGPT, la pregunta que domina los consejos de administración ya no es «¿usamos inteligencia artificial?», sino «¿dónde está el retorno?». La respuesta que más se repite entre consultores y tecnólogos tiene nombre: la curva J de la IA. Los resultados empeoran antes de mejorar, porque la inversión inicial pesa más que los beneficios que todavía no se han materializado. Es una explicación útil, pero también peligrosa: puede convertirse en la excusa perfecta para no tomar decisiones.
En este artículo explico qué es la curva J, por qué tantas empresas siguen atrapadas en su parte baja y, sobre todo, qué puede hacer quien dirige una organización para salir de ella. Mi tesis es que la salida no depende de la tecnología, sino de una decisión directiva concreta: convertir el tiempo ahorrado en un resultado financiero con dueño.
Contexto: qué es la curva J de la IA y por qué se habla de ella
El concepto viene de la economía de las tecnologías de propósito general. Cuando una empresa adopta electricidad, computadoras o internet, primero gasta en infraestructura, capacitación y rediseño de procesos. Durante ese periodo la productividad medible cae o se estanca. Solo cuando la organización termina de reconfigurarse, los beneficios aparecen y la curva sube con fuerza, dibujando una J.
La IA está reproduciendo ese patrón a escala inédita. Goldman Sachs estima que la inversión global relacionada con IA superará el billón de dólares en 2026. Y sin embargo, la encuesta más reciente de McKinsey sobre el estado de la IA muestra una brecha incómoda: el 80% de los encuestados reporta ganancias de productividad personal, pero solo el 37% ve algún impacto en el EBIT y apenas el 6% califica como empresa de alto desempeño en IA.
Ahí está la curva J en una sola frase: las personas trabajan más rápido, pero la empresa no gana más dinero.
Por qué importa ahora para la dirección empresarial
Hace un año la paciencia de los inversionistas era amplia. Hoy no. Directivos de empresas tan distintas como Uber y Palantir han dicho públicamente que sus presupuestos de IA se consumen en tokens que no generan valor visible. En paralelo, quienes reclutan talento ejecutivo ya no preguntan si un candidato usa IA, sino qué indicador de negocio movió con ella.
Esto cambia la posición del director general. La curva J deja de ser un fenómeno macroeconómico que se observa desde lejos y se convierte en una pregunta sobre su propia gestión: ¿mi empresa está subiendo por la curva o lleva dos años sentada en el fondo esperando que algo ocurra?
La diferencia entre ambas situaciones no es la calidad de los modelos. Es si la dirección empresarial ha hecho el trabajo de rediseño que la tecnología exige.
Cómo saber si su empresa está en el fondo de la curva
He visto el mismo patrón en empresas privadas y en instituciones públicas. Un diagnóstico rápido consiste en responder con honestidad cinco preguntas:
- ¿La IA hace más rápido o mejor algún flujo de trabajo que medimos?
- ¿Esa capacidad liberada es visible a nivel de equipo o de unidad de negocio, o solo en la anécdota individual?
- ¿Alguien de la dirección decidió deliberadamente en qué se reinvierte ese tiempo?
- ¿Esa reinversión está atada a un indicador financiero u operativo con fecha?
- ¿Se rediseñaron las restricciones aguas abajo: aprobaciones, acceso a datos, cumplimiento, traspasos entre áreas?
Si la respuesta es «sí» únicamente a la primera pregunta, su empresa está en el fondo de la curva J. Tiene productividad local y ningún mecanismo para convertirla en resultado.
Las cinco señales de una organización estancada
Los síntomas son bastante consistentes. El tablero directivo celebra métricas de uso (usuarios activos, prompts, tokens consumidos) en lugar de resultados de cliente o de cuenta de resultados. Los equipos terminan tareas más rápido, pero nadie ha decidido qué hacer con las horas liberadas. La IA acelera un paso del proceso, pero el ciclo completo sigue igual: una propuesta se redacta en veinte minutos y sigue tardando dos semanas en aprobarse. El modelo operativo (roles, incentivos, derechos de decisión) sigue diseñado para el trabajo anterior a la IA. Y hay pilotos por todas partes, pero ningún líder de unidad es dueño de una línea base, una meta de beneficio y una fecha.
Cómo salir de la curva J: el concepto de conversión
La palabra clave es conversión: el acto de reconocer una ganancia de eficiencia (tiempo ahorrado) y canalizarla hacia un resultado financiero medible. Sin ese paso, la productividad se evapora en reuniones más largas, en trabajo de menor prioridad o simplemente en jornadas que terminan antes sin que nada cambie en el balance.
Convertir exige tres movimientos directivos, en este orden.
1. Exigir una métrica de captura de valor antes de aprobar cualquier caso de uso
Ningún proyecto de IA debería aprobarse sin que el ejecutivo patrocinador declare cómo capturará el valor: más volumen (más propuestas, más conversaciones con clientes), mayor calidad (menos errores, devoluciones o incidentes de cumplimiento), ciclos más cortos (cotización a cobro, diseño a lanzamiento), menor costo de servicio o crecimiento de ingresos. Si no puede nombrar una de estas, el caso de uso es un experimento, no una inversión, y debe presupuestarse como tal.
2. Rediseñar el flujo completo, no el paso acelerado
Aquí conviene recordar la teoría de restricciones: la ganancia de un sistema la determina su cuello de botella. Si la IA genera una recomendación de precios en cinco minutos y la revisión final sigue tardando dos semanas, el cuello de botella no desapareció, se movió. La tarea de la dirección es mapear el proceso de punta a punta, identificar dónde se atasca ahora e intervenir en las aprobaciones, no en el modelo. Un humano debe entrar al circuito donde la seguridad de datos o el control de calidad lo exijan, no por costumbre.
3. Redistribuir explícitamente la capacidad liberada
Este es el paso que casi nadie da. Muchos directores esperan que la productividad se transforme sola en ingresos o en ahorros. No ocurre. Cada equipo que usa IA debe tener asignado un destino para el tiempo que gana: más cobertura comercial, más lanzamientos, mejor resolución en el primer contacto, más pruebas de calidad, más ideas de automatización. Y un responsable que lo reporte. Ninguna ganancia relevante de eficiencia debería quedar sin dueño ante el estado de resultados.
Riesgos y errores comunes
El primer error es usar la curva J como coartada. «Estamos en la parte baja, hay que tener paciencia» es una frase que puede sostener dos años de inversión sin rendición de cuentas. La curva J explica un retraso con plan; no justifica un retraso sin plan.
El segundo error es intentar salir de la curva solo recortando personal. Los datos de este año muestran que, salvo funciones muy específicas, los grandes recortes no están ocurriendo: los roles cambian, de ejecutar tareas a supervisar agentes. Si la única vía de retorno que contempla su plan es reducir plantilla, el plan está incompleto.
El tercer error es optimizar el costo de los tokens y creer que eso es la estrategia. Usar el modelo adecuado para cada caso de uso ahorra dinero, y conviene hacerlo, pero no saca a nadie del fondo de la curva. La salida está en el rediseño operativo, no en la factura de cómputo.
Recomendaciones prácticas para directivos
Cambie el tablero: sustituya las métricas de adopción por métricas de conversión, e informe al consejo con ellas. Nombre a un dueño por cada caso de uso relevante, con línea base, meta y fecha. Elija un proceso completo (no una tarea) y rediséñelo de principio a fin como proyecto piloto de modelo operativo. Establezca un modelo de menor costo preaprobado para el trabajo interno y reserve los modelos de frontera para los casos donde la diferencia es material. Y revise trimestralmente qué pilotos escalar, frenar o retirar, en función de la conversión demostrada y no de la promesa.
Conclusión
La curva J de la IA es real, pero no es un destino. Es la descripción de lo que pasa cuando una organización adopta una tecnología de propósito general sin reconfigurarse. El fondo de la curva no es donde fallan los modelos; es donde falla la dirección que trata a la IA como un asistente de tareas en lugar de una razón para rediseñar cómo opera la empresa. Salir de ahí es una decisión directiva, y la buena noticia es que ya sabemos cuál es.
Preguntas frecuentes
¿Qué es la curva J de la IA?
Es el patrón por el cual los resultados de una inversión en inteligencia artificial empeoran o se estancan al inicio, porque el gasto en infraestructura, capacitación y rediseño precede a los beneficios, y solo después la productividad sube con fuerza.
¿Cuánto tiempo tarda una empresa en salir de la curva J?
No hay un plazo fijo. Depende de la velocidad con la que la dirección rediseñe procesos completos, asigne dueños a los beneficios y redistribuya el tiempo liberado. Las empresas que solo compran licencias y esperan pueden quedarse en el fondo indefinidamente.
¿Qué significa «conversión» en el contexto del retorno de la IA?
Es el paso de reconocer una ganancia de eficiencia (tiempo ahorrado) y canalizarla deliberadamente hacia un resultado financiero u operativo medible, como más ventas, mejor calidad, ciclos más cortos o menor costo de servicio.
¿Se sale de la curva J recortando personal?
Rara vez. La evidencia de 2026 muestra que la IA está transformando roles más que eliminándolos de forma masiva. El retorno sostenible proviene de reasignar la capacidad liberada a actividades que generan ingresos, calidad o innovación.
Deja una respuesta