Cómo integrar el rigor financiero del Método Altuve con un modelo híbrido de decisión que combine ROI, VAN y TIR con visión estratégica, opcionalidad y ventaja competitiva sostenible.
Por Néstor Altuve – @nestoraltuve – info@nestoraltuve.com
La pregunta no es técnica. Es estratégica.
Y, sobre todo, es financiera.
En cada comité ejecutivo donde se discute una inversión en Inteligencia Artificial, aparece la misma escena: el CFO pide el ROI proyectado, el VAN descontado, la TIR estimada y el período de payback. El área de tecnología habla de modelos, datos y precisión. El área de negocio habla de transformación. Y, en medio, la decisión se traba.
Entonces surge la tensión:
¿Se puede aprobar un proyecto de IA si no tiene un ROI claro?
¿Es irresponsable hacerlo?
¿O es irresponsable no hacerlo?
La respuesta, como casi todo en estrategia, no es binaria.
Las métricas financieras tradicionales son necesarias para proyectos de IA con beneficios claros y predecibles.
El error no es usar ROI, VAN o TIR.
El error es creer que bastan.
El origen del conflicto
Los modelos financieros clásicos, ROI, VAN, TIR, flujo de caja descontado, fueron diseñados para evaluar inversiones relativamente deterministas:
- Comprar una máquina.
- Expandir una planta.
- Abrir una sucursal.
- Implementar un software ERP con especificaciones cerradas.
En esos casos, los flujos de caja pueden proyectarse con razonable certeza. Se estiman ingresos, costos, ahorro operativo y se descuenta a una tasa de riesgo.
La lógica es lineal:
Invierto → Produzco → Vendo → Recupero → Gano.
La IA rompe esa linealidad.
Porque un proyecto de Inteligencia Artificial no es simplemente una herramienta que ejecuta reglas. Es un sistema que aprende. Es iterativo. Es probabilístico. Es experimental.
Y eso cambia radicalmente la forma en que debe evaluarse.
La diferencia estructural entre un CAPEX tradicional y un proyecto de IA
En un proyecto tradicional:
- El activo es tangible.
- El retorno esperado es relativamente estable.
- El riesgo puede modelarse con históricos.
- El beneficio es directo y atribuible.
En un proyecto de IA:
- El activo principal es intangible: datos, modelos, capacidades.
- El valor puede emerger en etapas.
- El aprendizaje modifica las proyecciones.
- Los beneficios pueden ser indirectos y acumulativos.
Aquí aparece la primera gran conclusión estratégica:
Un proyecto de IA no solo genera flujo de caja.
Genera capacidades.
Y las capacidades no siempre se reflejan adecuadamente en el VAN del año 1.
Cuando las métricas financieras sí son suficientes
Seamos claros: hay proyectos de IA donde el análisis financiero tradicional es completamente adecuado.
Ejemplos:
- Automatización de procesamiento de facturas.
- Clasificación automática de documentos.
- Detección de anomalías en transacciones repetitivas.
- Optimización logística con datos históricos robustos.
En estos casos:
- El volumen de transacciones es conocido.
- El ahorro en horas hombre es medible.
- El impacto en costos es directo.
- El payback puede calcularse con precisión.
Aquí el CFO debe exigir:
- ROI proyectado.
- VAN positivo.
- Sensibilidad a escenarios.
- Horizonte de recuperación razonable.
Porque el riesgo es acotado y el beneficio es cuantificable.
En estos casos, las métricas financieras no solo son necesarias.
Son suficientes.
El problema comienza cuando se extrapola esta lógica a todos los proyectos de IA.
El error no es usar ROI. El error es creer que basta.
Cuando la IA deja de ser automatización y pasa a ser transformación, el modelo financiero tradicional empieza a mostrar grietas.
Pensemos en:
- Plataforma de datos corporativa.
- Motor de recomendación personalizado.
- Modelo predictivo que redefine pricing.
- Sistema de IA generativa que reconfigura la productividad del conocimiento.
Aquí el retorno no siempre es inmediato ni lineal.
Puede que el año 1 muestre:
- Costos elevados.
- Inversión en talento.
- Infraestructura de datos.
- Resultados operativos aún inmaduros.
Si el análisis se limita a un VAN a 3 años con supuestos rígidos, es altamente probable que el proyecto sea rechazado.
Y ahí está el riesgo estratégico.
Porque muchas veces el valor real está en:
- El aprendizaje acumulado.
- La calidad del dato estructurado.
- La reducción futura de fricción.
- Las opciones estratégicas que se abren.
El valor invisible que el VAN no captura
Hay al menos cinco dimensiones que el análisis financiero clásico tiende a subestimar en proyectos de IA:
1. Capital de datos
Un proyecto de IA obliga a limpiar, estructurar y gobernar datos. Ese activo queda para siempre.
2. Aprendizaje organizacional
Equipos que aprenden MLOps, gobernanza de modelos y pensamiento probabilístico.
3. Efectos de red internos
Mientras más personas usan un sistema de IA, más valor genera.
4. Ventaja competitiva acumulativa
Los modelos mejoran con datos. El primero que invierte acumula ventaja.
5. Opciones estratégicas futuras
Un piloto exitoso abre nuevas líneas de negocio que no estaban en el Excel original.
La trampa de la sobre-financiarización
Existe un fenómeno peligroso en las organizaciones: la sobre-financiarización de decisiones estratégicas.
Se manifiesta así:
- Exigir ROI positivo en 12 meses para proyectos transformacionales.
- Rechazar plataformas fundacionales por VAN negativo en año 1.
- Aprobar solo quick wins.
- Postergar decisiones hasta tener “certeza matemática”.
El resultado suele ser:
- Portafolio lleno de automatizaciones menores.
- Ausencia de capacidades estructurales.
- Rezago competitivo.
No es que el CFO esté equivocado.
Es que el marco de evaluación está incompleto.
Reconociendo el valor de la innovación pura
Ahora bien, sería un error caer en el extremo contrario.
Existe un valor real en la innovación pura.
En la experimentación sin retorno inmediato.
En el “fail fast” propio del mundo startup.
En entornos de alta disrupción tecnológica, explorar sin exigir ROI inmediato puede ser la única forma de descubrir oportunidades radicales.
La innovación pura:
- Amplía el espacio de posibilidades.
- Genera descubrimientos inesperados.
- Acelera aprendizaje colectivo.
Pero aquí está el punto crítico:
Lo que funciona en una startup financiada por venture capital no siempre funciona en una empresa mediana o grande con responsabilidades fiduciarias, presión de margen y obligaciones ante accionistas.
En organizaciones consolidadas:
- El capital tiene costo explícito.
- El riesgo impacta balance.
- La disciplina financiera no es opcional.
La innovación sin arquitectura económica puede convertirse en gasto sofisticado.
Por eso el equilibrio es clave:
Ni Excel sin visión.
Ni visión sin disciplina de capital.
¿Qué hacen las empresas que capturan valor real?
Las organizaciones que realmente capturan valor con IA suelen adoptar tres prácticas:
1. Enfoque de portafolio
Aceptan que no todos los proyectos escalarán, pero el valor agregado del conjunto sí.
2. Financiación por etapas
PoC → Piloto → Escala.
Cada etapa condicionada a evidencia.
3. Modelo híbrido de evaluación
Finanzas + estrategia + métricas operativas + opcionalidad.
No sustituyen el ROI.
Lo contextualizan.
¿Cómo debería decidir un CEO o CFO?
Priorizar análisis financiero tradicional cuando:
- El caso de uso es maduro.
- El beneficio es directo y cuantificable.
- El payback es corto.
Priorizar criterios estratégicos cuando:
- Se construyen capacidades fundacionales.
- Existe presión competitiva fuerte.
- El valor es acumulativo y de largo plazo.
Usar modelo híbrido cuando:
- La inversión es relevante.
- El impacto estratégico es alto.
- La incertidumbre es significativa.
La pregunta correcta no es:
¿Tiene VAN positivo?
La pregunta correcta es:
¿Qué parte del valor no está capturada en el VAN?
El costo de no invertir
No invertir también es una decisión estratégica.
En sectores donde la IA redefine competitividad, el costo de inacción puede ser superior al riesgo del proyecto.
El flujo “sin proyecto” puede no ser neutro.
Puede ser pérdida de posicionamiento.
El equilibrio correcto
Llegamos al punto central.
Las métricas financieras tradicionales son necesarias para proyectos de IA con beneficios claros y predecibles.
Ignorarlas sería irresponsable.
Pero en proyectos transformacionales, estratégicos o fundacionales, esas métricas son solo una parte del análisis.
El error no es usar ROI, VAN o TIR.
El error es creer que bastan.
La IA no es solo un proyecto.
Es una capacidad.
Y las capacidades se construyen con visión, no solo con Excel.
Propuesta concreta para empresas medianas y grandes
- Clasificar proyectos: automatización, capacidades, innovación.
- Definir criterios distintos por categoría.
- Reservar presupuesto para exploración controlada.
- Crear comité multifuncional.
- Evaluar portafolio completo, no solo proyectos individuales.
Conclusión: administrar el presente o construir el futuro
El Excel administra el presente.
La estrategia construye el futuro.
Cuando ambas se alinean, la organización crece de manera sostenible.
Cuando una domina sin la otra, el riesgo aumenta.
En la era de la Inteligencia Artificial:
- Aprobar proyectos solo por entusiasmo tecnológico es peligroso.
- Rechazarlos solo por VAN negativo también lo es.
La madurez ejecutiva está en entender que la decisión correcta no es financiera o estratégica.
Es híbrida.
Y las empresas que logren ese equilibrio no solo implementarán IA.
Construirán ventaja competitiva duradera.
Porque en esta nueva economía, el valor no siempre aparece primero en el flujo de caja.
A veces aparece primero en la capacidad.
Y luego, inevitablemente, en los resultados.
Néstor Altuve Blog 