AWS publicó el 7 de octubre un método para calcular el ROI de agentes de IA que no se basa en horas ahorradas. Lo llama Agentic Value Model y parte de una crítica directa: el ROI clásico de la automatización con reglas fijas (RPA) se diseñó para tareas estables, y los agentes razonan, se adaptan y fallan de otra forma. Por eso ese cálculo se queda corto.
Para Carla, esto no es teoría. Cuando lleva un proyecto de automatización a dirección, el argumento de "ahorramos X horas" suele desmontarse en la reunión: si nadie recorta plantilla ni gasto, esas horas no bajan a la cuenta de resultados. AWS cita a McKinsey: por cada euro en tecnología agéntica, las empresas que lo rentabilizan gastan tres en rediseñar el proceso y cinco en formación.
El marco suma cuatro partidas de valor: capacidad liberada, que solo cuenta si se convierte en menos coste o en trabajo con valor medible; errores evitados, porque una corrección cuesta entre 1,5 y 4 veces la transacción original; calidad de decisión, cuando una política aplicada con trazabilidad en crédito o precios vale más que años de minutos ahorrados; y ahorro de mantenimiento frente al coste de supervisar al agente.
AWS pone un ejemplo numérico con un proceso de 200.000 expedientes al año: automatizar el 70% genera 1,26 millones de euros de capacidad bruta, pero solo unos 630.000 euros se convierten en ahorro real, porque la otra mitad vuelve como trabajo nuevo para el equipo. Es la diferencia entre capacidad y ahorro, y casi nadie la separa al presentar un proyecto.
El marco también da una forma simple de decidir dónde meter un agente. Si la tarea es compleja y el riesgo de una mala decisión es alto, el objetivo no es automatizar del todo, sino reforzar controles y dejar a una persona en el bucle. Si la tarea es compleja pero el riesgo es bajo, ahí es donde el agente absorbe volumen sin dramatismo. Si la tarea es simple, probablemente ya te vale con RPA.
El propio marco reconoce su límite: los tres casos de cliente que cita son cifras autodeclaradas, sin verificación independiente, y ninguno demuestra las cuatro partidas a la vez. Tampoco resuelve el problema para una empresa mediana sin equipo dedicado a medir esto. Aun así, sirve como checklist antes de aprobar el próximo proyecto: que alguien asigne cada beneficio a una sola partida, fije un punto de corte si no rinde, y lo ate a un indicador que dirección ya sigue.