La cifra de la que sale todo lo demás
A principios de 2025, un grupo de investigación hizo un experimento riguroso: 16 desarrolladores con experiencia, 246 tareas reales, decidiendo al azar en cada tarea si se podía usar IA. Los participantes esperaban de antemano una aceleración del 24 %. La medición mostró una ralentización del 19 %. Y lo más importante: después del experimento, con la ralentización ya vivida, seguían creyendo que habían ido un 20 % más rápido.
Hay una cosa que no se puede sacar de aquí: que «la IA ralentiza». La medición se hizo con herramientas de principios de 2025, y el mismo equipo anunció en febrero de 2026 que su diseño se había venido abajo — el 30–50 % de los desarrolladores ya se niega a hacer ciertas tareas sin IA, así que eligen ellos qué entregan. Su postura de hoy es que en 2026 la IA probablemente acelera, solo que no saben cuánto.
Lo que sí se sostiene, y es la tesis de este post: lo que uno declara y lo que se mide se separan de forma sistemática, y en una dirección previsible. El mismo equipo lo puso en cifras: en su medición anterior, la gente sobrestimó en 39 puntos porcentuales lo mucho que le había ayudado la IA. Treinta y nueve puntos porcentuales: bastante más que el efecto sobre el que quieres decidir.
Lo mismo en marketing, con números
No hace falta apoyarse en una analogía de desarrollo. Hay datos de marketing, y muestran exactamente la misma forma.
En una encuesta publicada en el otoño de 2025 a 1.015 responsables de marketing B2B, la escalera tiene este aspecto entre quienes usan IA para producir contenido:
| Qué se preguntó | Cuántos dicen que mejoró |
|---|---|
| Productividad | 87 % |
| Eficiencia operativa | 80 % |
| Calidad del contenido | 58 % |
| Rendimiento del contenido | 39 % |
De esos mismos encuestados, el 34 % dice que no cambió nada y el 5 % que empeoró.
Otra encuesta, a 1.005 profesionales de marketing, dio lo mismo: el 83,8 % declara ganancia de productividad y un ahorro de más de cinco horas semanales, pero solo el 25,6 % dice que el contenido con IA además rinde mejor. Dos encuestas, dos periodos distintos, dos muestras — la misma forma: alrededor del 85 % siente una mejora, y entre el 25 y el 40 % ve mejora de rendimiento.
Y aquí viene el giro: ese 87 % es exactamente el mismo tipo de declaración propia que el experimento de arriba midió con 39 puntos porcentuales de más. Así que la brecha entre el 87 % y el 39 % que ve mejora de rendimiento probablemente se queda corta frente a la real.
Las cuatro métricas
El área no tiene un marco de medición propio revisado por pares. Sí hay uno muy conocido del desarrollo de software, y dice justo lo que hace falta aquí: nunca mires un solo número, y la actividad por sí sola no es productividad. Literalmente, las métricas de actividad «no deberían usarse nunca por sí solas», ni para premiar ni para castigar — y conviene medir al menos tres dimensiones distintas a la vez.
Traducido a marketing, estas son las cuatro:
(a) PLAZO DE ENTREGA / COSTE UNITARIO -> cuánto tiempo y dinero por pieza
Con cronómetro, no con cuestionario. Es la que más
distorsiona la sensación.
(b) VOLUMEN DE SALIDA -> cuántas piezas se hicieron
NO VALE NADA SOLA. Solo se lee junto con (a) y (c).
(c) MÉTRICA DE NEGOCIO -> conversión, ingresos, consultas
Decide si mereció la pena. Las otras tres solo explican.
(d) DESCARTE Y RETRABAJO -> cuánto hubo que corregir, tirar,
devolver. El lado de coste oculto que casi nadie mide.
SIEMPRE LAS CUATRO. Si solo miras (a) y (b), toda herramienta de IA
va a parecer un éxito.
Por qué decide la (c): cinco aplicaciones, dos ceros
La mejor prueba de que la métrica de negocio se puede medir es una serie de experimentos de campo aleatorizados en una gran plataforma de comercio electrónico. La misma empresa, el mismo año, la misma tecnología, cinco aplicaciones de IA distintas en marketing — y dos de las cinco no movieron nada:
| Aplicación | Efecto sobre las ventas |
|---|---|
| Chatbot de preventa | +16,3 % |
| Refinamiento de la consulta de búsqueda | +2,93 % |
| Generación de descripciones de producto | +2,05 % |
| Mensaje push de marketing | +1,6 % — no significativo |
| Generación de titulares de anuncio | sin efecto medible |
Quien no mide se apunta las cinco como éxito, porque las cinco «salieron más rápido». El chatbot y el titular de anuncio acaban en la misma fila, aunque uno movió las ventas más de un dieciséis por ciento y el otro, nada en absoluto.
Por qué no puedes hacer un test A/B de la implantación
Esta parte duele, pero hay que decirla.
Sobre el experimento de desarrollo de arriba, los propios investigadores escribieron que las 246 tareas eran «lo justo» para rechazar la hipótesis nula. Para eso hicieron falta 16 desarrolladores pagados, asignación aleatoria por tarea y ochenta y cuatro horas de análisis de grabaciones de pantalla. Un equipo de marketing de cuatro personas tiene una fracción de eso.
Echemos la cuenta. Si la dispersión de los plazos de entrega es la habitual en marketing — una newsletter y una pillar page se diferencian en órdenes de magnitud —, entonces detectar una aceleración del 20 % exige 97 piezas por grupo, es decir, 194 en total. A doce piezas al mes, eso son dieciséis meses. Una aceleración del 10 % pide 870 piezas: seis años. Para entonces habrás cambiado de herramienta dos veces.
En la métrica de negocio es peor. Con una conversión base del 2 %, detectar una subida relativa del 20 % exige 42.217 visitantes. A dos mil visitantes al mes, eso son veintiún meses. La tabla detallada de tamaños de muestra está en el post probar variantes de landing , pero la lección es la misma.
La respuesta correcta no es más estadística. Es la comparación antes-después, con la misma definición, con un valor de partida anotado por escrito — y sabiendo que eso no es prueba causal, solo lo mejor que hay a mano.
El lado del coste que casi nunca se calcula entero
La cesta mínima de herramientas de un equipo de marketing de cuatro personas, a precios de tarifa de septiembre de 2026 — un modelo de lenguaje para cuatro, generación de imágenes, una herramienta de diseño para dos y un paquete de SEO y medición de visibilidad — sale por 311 dólares al mes, alrededor de 1,17 millones de forintos al año. El coste salarial de dos meses de un junior. A eso se suman dos partidas que no están en ninguna factura.
El tiempo de revisión. Si cada pieza necesita veinte minutos más de comprobación y se hacen doce piezas al mes, son cuatro horas. Con un coste horario interno de ocho mil forintos, salen 32 mil forintos al mes — más que la generación de imágenes y la herramienta de diseño juntas.
Los arreglos. Según un estudio con alrededor de mil oficinistas estadounidenses, entre una de cada diez y una de cada cinco piezas de trabajo que llegan es «brillante pero vacía»: tiene buen aspecto, pero pasa el trabajo de verdad a quien la recibe. Arreglar una lleva cerca de dos horas, y el coste se estima en 186 dólares por persona y mes. Para cuatro personas son 233 mil forintos al mes — dos veces y media la cesta entera de herramientas.
Esa es la métrica (d). No es un criterio «blando»: si solo mides un lado, hasta el signo te sale mal.
Lo que se dice del retorno — y por qué no deberías creerte nada
En el verano de 2025 salió un informe que se cita desde entonces en todas partes: «el 95 % de las organizaciones obtiene cero retorno». Lo que no se cita al lado: está construido con 52 entrevistas y 153 cuestionarios recogidos en congresos, y el propio informe advierte de que sus datos se apoyan «más en entrevistas individuales que en información corporativa formal» — es decir, en la misma declaración propia que este post critica.
En ese mismo trimestre, otra encuesta a más de 800 responsables de decisión en empresas dio que tres cuartas partes declaran un retorno positivo.
Noventa y cinco por ciento de fracaso y setenta y cinco por ciento de éxito, a la misma pregunta y en el mismo año. Cuando dos encuestas serias dan lo contrario la una de la otra, el problema no está en la IA, está en la medición.
La cifra más defendible viene de una encuesta de agosto de 2026 con 1.719 respuestas de 97 países: el 37 % de las empresas puede demostrar algún efecto en su resultado operativo — y esa proporción no se ha movido en un año. Ni 95 % de fracaso ni 75 % de éxito. Más o menos una de cada tres.
En qué punto está cada país
Según datos de 2025 de la oficina europea de estadística, el uso de IA en las empresas de más de diez empleados varía cuatro veces entre Estados miembros: la media de la UE es del 19,95 %, Dinamarca está en el 42 % y Rumanía en el 5,2 %. Conviene conocer la cifra porque es la referencia frente a la que vas pronto o tarde, y porque la parte de marketing se comporta distinto que el conjunto. Despliega el que te afecte:
Hungría — la mitad de la media europea, pero quien la usa la usa para marketing
El 10,4 % de las empresas húngaras de más de diez empleados usa alguna tecnología de IA, frente al 19,95 % de media en la UE: más o menos la mitad. En el ranking de los 27 es el puesto 22. Para marketing o ventas, el 3,6 % del total de empresas.
Entre quienes la usan, en cambio, el marketing es el terreno número uno: el 34,7 % de las empresas húngaras que usan IA la usa también para marketing. Conviene saber que esa cifra es exactamente la media europea (34,7 %), así que no es una particularidad húngara. La particularidad húngara es cuán pocas usan IA, no para qué la usan.
Una encuesta húngara de pymes — muestra pequeña, hecha por una empresa, sin metodología — dice en cambio que en el 73 % de los negocios húngaros se usa IA, pero que solo alrededor de un tercio paga por ella a nivel de empresa. Los dos números no se contradicen: uno mide si alguien la usa en la empresa, y el otro si la usa la empresa. Esa diferencia es justo la IA en la sombra. Si ni siquiera ves el coste, desde luego no estás midiendo el efecto.
España — en un solo año se puso por encima de la media europea
El 20,27 % de las empresas españolas de más de diez empleados usa tecnología de IA: el puesto 13 de 27, justo por encima de la media europea. Casi el doble que la tasa húngara.
El giro es reciente: en 2024 España estaba todavía por debajo de la media (11,31 % frente a un 13,48 %), y en un año casi duplicó, +8,96 puntos porcentuales, mientras la UE avanzaba +6,47 y Hungría +2,96. Por tamaño: 17,2 % entre 10 y 49 empleados, 30,1 % entre 50 y 249, y 57,5 % por encima de 250.
La parte de marketing, sin embargo, va al revés: solo el 29,5 % de las empresas españolas que usan IA la destina a marketing, frente al 34,7 % de media europea. Es decir, en España usan IA más empresas, pero proporcionalmente menos para marketing: allí la administración y la gestión del negocio pesan casi lo mismo (28,6 %).
Una rareza que no hay en otros sitios: España es uno de los dos únicos Estados miembros que también publican datos de las empresas de menos de diez empleados. Ahí la tasa es del 10,1 %, o sea que una microempresa española está más o menos donde está una mediana húngara.
Las tres métricas que conviene soltar
Las tres cometen el mismo error: miden entrada o actividad, no salida.
- «Cuántos prompts se han enviado.» En el experimento citado, quienes usaban IA dedicaron más tiempo a escribir el prompt y a revisar el resultado — mientras se volvían más lentos. Allí el número de prompts correlacionaba con el peor resultado.
- «Cuántas palabras se han escrito.» Es justo lo que objetan los investigadores: la salida puede ser más palabrera con el mismo contenido, y la tarea se puede trocear sin que el trabajo total cambie.
- «Cuánta gente la usa.» En una encuesta a casi cinco mil profesionales del software, el 90 % usa IA en su trabajo y más del 80 % siente una ganancia de productividad — mientras en esa misma encuesta la estabilidad de las entregas empeora. En la encuesta de marketing de más arriba, el 95 % usa IA, pero el 39 % ve mejora de rendimiento. La adopción y el efecto son dos magnitudes distintas.
Qué anotar antes de encenderlo
1. VALOR DE PARTIDA, POR ESCRITO, ANTES de implantar.
Para las cuatro métricas, de los últimos 3 meses.
Si intentas reconstruirlo después, te lo dirá tu propia
memoria - y ya sabemos cuánto vale.
2. UNA DEFINICIÓN por métrica, en una frase.
"Plazo de entrega = del envío del briefing a la aprobación."
Si dentro de medio año lo cuentas de otra forma, no hay comparación.
3. HORIZONTE: al menos dos trimestres.
Los primeros meses dan sistemáticamente peor foto,
porque el aprendizaje y el rediseño del proceso aparecen
como coste, pero no se ven como inversión.
4. REGLA DE DECISIÓN, por adelantado.
"Si (c) no se mueve en dos trimestres, lo retiramos."
Esta decisión nadie la toma a posteriori.
5. EL COSTE COMPLETO: suscripción + tiempo de revisión + arreglos.
No solo la factura.
Malentendidos típicos
- «Se nota que vamos más rápido.» En la medición más precisa, la sensación se desviaba 39 puntos porcentuales. Una sensación no es un dato.
- «En realidad la IA ralentiza.» Tampoco se puede afirmar: el propio equipo de investigación retiró su diseño de medición, y hoy dice que probablemente acelera.
- «El 95 % de los pilotos fracasa.» 52 entrevistas y 153 cuestionarios que, según el propio informe, no salen de datos corporativos formales. La cifra defendible: más o menos una de cada tres empresas puede demostrar un efecto en el resultado.
- «Ya lo probaremos con un test A/B.» A doce piezas al mes, detectar una aceleración del 20 % lleva dieciséis meses. En un equipo pequeño no es cuestión de pereza, sino de tamaño de muestra.
- «Solo cuenta el tiempo ahorrado.» En un equipo de cuatro personas, el coste de los arreglos se estima en dos veces y media la cesta entera de herramientas.
Lo que conviene llevarse
El efecto de la IA no hay que sentirlo, hay que medirlo — y con cuatro métricas, porque una siempre miente. Las dos que casi nadie mira son justo las dos que más importan: la métrica de negocio real y el tiempo que se va en arreglos. El valor de partida hay que anotarlo antes de implantar, porque después ya solo te queda la memoria — y a estas alturas ya sabemos cuánto vale.
De qué merece la pena medir dentro de los buscadores de IA habla el post medir la visibilidad de tu marca , con el método; y para el panorama general, de qué cambió de verdad, el balance de la IA en el marketing es el post que lo repasa.