Tasa de uso de IA · KPI de uso de IA
AI Adoption Rate and AI Usage KPI
¿Qué es la tasa de uso de IA?
- Se cuenta cuántas personas lo usan, no cuántas licencias se compraron
- Se revisan juntos la tasa de usuarios activos y el número de usos por persona, por área
- Usar no es lo mismo que usar bien
Cuando la tasa de uso se convierte en indicador, lo primero que cambia es el contenido del reporte de adopción. Cuántas licencias se compraron o cuántas personas tomaron la capacitación son insumos; la tasa de uso pregunta si esos insumos quedaron en la forma de trabajar. En cuanto aparece la brecha entre las licencias entregadas y los usuarios reales, la discusión pasa de '¿compramos más herramientas?' a '¿por qué no las usan?'. Si en octubre, cuando se arma el presupuesto del año siguiente, no existe esta cifra, se cae en uno de dos errores: renovar por inercia las licencias del año anterior o recortarlas sin fundamento.
Los indicadores suelen dividirse en tres niveles. El primero es la tasa de acceso: el porcentaje de la población asignada que inició sesión al menos una vez por semana. Es el más fácil de obtener, pero también el más superficial. El segundo es la tasa de actividad: cuántas solicitudes se hacen por semana y qué funciones se usan (resumen de documentos, actas de reunión, organización de datos). El tercero es la tasa de incorporación al trabajo: si los productos realmente llegaron a informes, propuestas o atención al cliente, lo que se verifica con encuestas o revisión de muestras. Lo básico es mirar juntos la proporción de usuarios activos semanales y el número de usos semanales por usuario; si se mira uno solo, «quien entró una vez a probarlo» y «quien lo usa a diario» se confunden en la misma cifra. Si no se desglosa por departamento y por nivel, el promedio oculta todo. Ventas puede usarlo en un 60% y producción en un 5%, y el promedio de la empresa seguirá dando algo cercano al 30%.
También hay que fijar la línea base de antemano. En el primer mes el uso suele dispararse por curiosidad y, dos o tres meses después, cae a menos de la mitad; la cifra que queda tras esa caída es el verdadero punto de partida. La meta no debe tomarse del promedio del sector, sino calcularse a partir de la proporción de personas que tienen tareas para usarla en su puesto. Si se exige tres usos semanales a los turnos que operan equipos, el indicador se distorsiona y solo aumentan los accesos de pura forma para cumplir la cifra. Los registros de la pantalla de administración suelen contener datos de identificación personal, así que la unidad de agregación y los permisos de consulta deben ajustarse a la Guía interna de uso de IA y a la normativa de datos personales.
En el terreno, el error más frecuente es usar la tasa de uso directamente como indicador de resultados de la capacitación. Es natural que el acceso suba justo después de la capacitación; lo que importa es la cifra un mes después, pero los informes suelen cerrarse con los números de la semana siguiente. Otro error es leer un área con alta tasa de uso como un área de alta productividad. La tasa de uso mide que se usa, no que se usa bien ni que se obtuvo beneficio. Si se vincula directamente con la evaluación individual, las preguntas sin sentido hechas para llenar cifras saturan los registros y el indicador se echa a perder. El indicador debe reportarse por área, y en las áreas con menor uso lo correcto es asignar casos de uso y capacitación ajustados a su función, no sanciones.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría. Instructor.
Seolyeong ParkEspecialista en IA generativa y AX, con 17 años de experiencia práctica y más de 200 sesiones de enseñanza, que logra que personas sin formación técnica la usen de inmediatoLa métrica de usuarios activos, que venía de la industria del software (DAU, WAU, MAU), se trasladó a la evaluación de la adopción de IA generativa en las empresas. Cuando el problema de licencias compradas que nadie usa apareció de forma común en empresas con dos o tres años de adopción, informar el resultado por comportamiento de uso y no por inversión se volvió la práctica estándar.
Veamos un caso hipotético. La distribuidora de productos de consumo A, con 850 colaboradores, entregó 400 licencias de IA generativa en marzo de este año y completó la capacitación básica de todo el personal. Al armar el presupuesto del próximo año, en octubre, la dirección preguntó por la "razón para comprar otras 400 licencias", y el área de Recursos Humanos no tenía cifras para responder.
- La responsable de Recursos Humanos, el gerente Park, descargó desde la consola de administración los registros de los últimos seis meses y por primera vez sacó esta cifra: «de 400 personas asignadas, solo 146 entraron al menos una vez en las últimas cuatro semanas».
- Al desglosarlo por área, marketing estaba en 71% y el centro logístico en 4%. El director de logística lo zanjó: «Los empleados de campo no tienen tiempo para sentarse frente a una PC de oficina».
- El gerente Park resumió el indicador en dos: la proporción de usuarios activos semanales y el número de usos semanales por usuario. Propuso fijar metas por puesto por separado: 60% para personal de oficina y 20% para personal de campo.
- En el centro logístico se definieron solo dos usos, el resumen de los informes de inspección de recepción y el borrador de avisos de seguridad, para usarlo desde el móvil. Las 110 licencias que no se usaban se recuperaron y se reasignaron al equipo de soporte comercial.
- Cuatro meses después, la proporción de usuarios activos semanales subió del 37% al 58%. El presupuesto del año siguiente se aprobó con 320 licencias, en lugar de 400, justificadas con la tasa de uso, y con un presupuesto de formación avanzada por departamento.