¿Qué es, en la práctica, el costo por decisión?
El costo por decisión es lo que gastas, en euros, cada vez que alguien en la empresa evalúa un caso y decide qué hacer. Es algo concreto: la suma del tiempo que dedica, las herramientas que necesita, los errores que comete a veces y lo que tarda en actuar.
Usé el ejemplo de un lead que llega a mi agencia. Alguien debe investigar la empresa, entender el tamaño del negocio, calificar el interés y escribir el primer mensaje. Es una unidad de decisión que se repite cientos de veces al mes. Al aislar ese costo, evitas que quede oculto en la nómina e identificas el desperdicio.
Si el cliente no sabe decir de dónde vienen las ventas, empezamos por ahí: primero aíslas la decisión repetida y solo después decides qué hacer con ella.
Cómo descomponer la fórmula: tiempo, infraestructura, error y demora
La fórmula que propuse reúne cuatro componentes: tiempo humano por costo horario, más infraestructura, más un porcentaje de costo de error y otro de latencia. Dejé claro que las cifras elegidas son un ejercicio y que cada persona debe ajustar los porcentajes a su realidad.
En el ejemplo, un comercial dedica treinta minutos a gestionar un lead, con un costo de 25 € por hora que incluye salario, cargas y otros costos del puesto. Eso supone 12,50 € solo en tiempo. La infraestructura, herramientas como CRM o plataformas de automatización, la distribuí en 1 € por decisión. Después vienen los dos porcentajes menos visibles: el error, que fijé en el 20% por calificaciones incorrectas y reuniones con personas que no correspondían, y la latencia, otro 20%, porque un lead que tarda días en recibir respuesta se enfría o ya contrató a otra agencia.
Sumándolo todo, (0,5 horas × 25 € + 1 €) × 1,20 × 1,20, el resultado es 19,44 € por decisión. Es un ejercicio y los porcentajes pueden variar; el hábito de calcular importa más que el valor exacto.
Cómo usar la IA en el negocio más allá de las preguntas al chatbot
El ejemplo de clasificación de leads antes y después de introducir inteligencia artificial
En la simulación comparé el mismo proceso con y sin IA. En el escenario manual, el comercial investiga, califica y escribe todo desde cero en treinta minutos. En el asistido, el sistema recopila datos de la empresa que envió el formulario, compara con clientes anteriores, puntúa el lead y prepara un borrador de respuesta.
La persona pasa a revisar ese borrador en unos seis minutos, 0,1 horas, en lugar de hacer todo el trabajo.
Manteniendo el costo horario de 25 € y el euro de infraestructura, el tiempo humano baja a 2,50 €. Como la calificación sigue criterios definidos por quien entrenó el sistema, en lugar de la interpretación personal de cada comercial, el error baja al 5% y la latencia al 3%, porque la respuesta sale mucho más rápido. El resultado final del cálculo es 3,79 € por decisión.
En la simulación, el costo de decisión pasó a ser unos 15 € menor por cada lead recibido. Esa diferencia, unos 15,65 € por lead en este ejercicio específico, es la que se multiplica por el volumen.
Volumen y precaución para no contar el mismo beneficio dos veces
Con 500 leads mensuales, ahorrar 15,65 € por decisión supone unos 7.825 € de costo evitado ese mes según el ejercicio. Es reducción de costo, no beneficio neto: quedan otros costos por cubrir. Aclaré que ese ahorro solo se convierte en dinero real si se aprovecha la capacidad liberada.
Si el equipo dedica seis minutos en lugar de treinta a cada lead, pero sigue cobrando el mismo salario sin asumir más volumen ni tareas de valor, no ha entrado dinero nuevo en la cuenta de la empresa. Solo hay tiempo libre que necesita un destino: aceptar más leads sin contratar más personas o permitir que los comerciales dediquen más atención a negociaciones importantes. Ese tiempo tiene valor práctico incluso en bloques pequeños, pero solo se traduce en resultados si alguien decide cómo usarlo.
La simulación también permite observar el efecto comercial. En un ejemplo hipotético con 500 leads, pasar de una tasa de cierre del 5% al 6% significa cerrar 30 ventas en lugar de 25. Con un importe de venta de 1.000 €, son 5.000 € más de facturación antes de los costos de entrega. Si hay pagos recurrentes, el valor futuro depende de la duración efectiva de la relación. Conviene calcularlo por separado del ahorro operativo mensual para comparar periodos equivalentes y evitar sumar expectativas de varios meses a mejoras de un solo mes.
Las cuatro etapas: observar, automatizar, incorporar inteligencia y escalar
El ciclo que propuse tiene cuatro pasos y siempre empieza por observar, nunca por la herramienta. Primero haces un inventario sincero de las tareas repetitivas y las decisiones recurrentes, y observas dónde dedica el equipo más tiempo sin obtener un retorno proporcional a ese esfuerzo.
Después viene la automatización, que muchas veces ni siquiera necesita inteligencia artificial. Si el objetivo es pasar un lead de un formulario al CRM, se trata de una integración sencilla con herramientas como Make o n8n. Insistí en esto: los datos mal recogidos vuelven inútil cualquier capa de inteligencia porque la IA pasa a adivinar en lugar de decidir a partir de un contexto real.
La tercera etapa incorpora la inteligencia propiamente dicha: clasificar, priorizar, resumir y sugerir el siguiente paso, siempre a partir del historial y las reglas definidas por la empresa, manteniendo el modelo dentro de esos parámetros. La cuarta consiste en escalar con supervisión humana, mediante aprobaciones por lotes, alertas de desviaciones y validación del equipo, en lugar de una ejecución completamente manual.
Dónde están los límites del ejercicio y qué queda fuera del cálculo
Subrayé que una persona experimentada aporta cosas que la máquina no tiene: conocimiento previo de empresas y personas, sensibilidad ante contextos que no están escritos y una red de contactos. Las personas valen mucho más que la IA en esos matices, aunque para producir más y generar ingresos prefiera las cifras de la automatización.
El espíritu del ejercicio consiste en pedir los datos, explicar la regla y mostrar dónde hubo un fallo. La inteligencia artificial funciona como asistente de recopilación y preparación de borradores, manteniendo bajo control humano las decisiones finales sobre compromisos financieros o de reputación. Calcular el costo por decisión permite saber dónde invertir tiempo técnico y dónde conviene mantener a alguien decidiendo de cerca.
Si quieres aplicarlo a tu negocio, el punto de partida es sencillo: enumerar las tareas repetitivas de tu día a día, medir cuánto tiempo consume cada una y solo después preguntarte qué herramienta o automatización tiene sentido. También puedes leer nuestra reflexión sobre margen, equipo e IA en negocios online y sobre clasificación y calificación de oportunidades comerciales con IA.
Los valores y porcentajes de este ejercicio son ilustrativos: no representan una medición del ahorro conseguido en un negocio específico.