La IA no le va a Responder todo a tu Equipo: Le va a responder bien lo que importa [y eso vale oro]

Este es el post más incómodo de toda la serie. Porque hasta acá venimos desarmando las mentiras de otros: el 98% de WhatsApp, el 80% de los chatbots, el 99% de los lectores de facturas. Pero hoy el número que hay que mirar con escepticismo es uno que beneficiaría a nuestro propio producto exagerar.

El sueño que vende toda la industria del business intelligence conversacional es seductor: "Preguntale a tus datos en lenguaje natural y obtené la respuesta al instante. Sin SQL, sin esperar a que el equipo de analítica te arme el reporte." Es la promesa de Metrix, nuestro producto de BI conversacional. Y es una promesa real… con un asterisco que casi nadie del sector se anima a poner.

Hoy ponemos el asterisco. Y al final vas a entender por qué creemos que, incluso con el asterisco —de hecho, gracias al asterisco—, la oportunidad sigue siendo enorme.

El asterisco: traducir lenguaje a SQL todavía es difícil

La magia técnica detrás del BI conversacional se llama "text-to-SQL": convertir una pregunta en español ("¿cuánto vendimos en Córdoba el trimestre pasado comparado con el anterior?") en la consulta de base de datos que devuelve la respuesta correcta. El marketing del sector da a entender que este problema está resuelto. La evidencia académica independiente dice otra cosa.

El benchmark BIRD, presentado en NeurIPS —una de las conferencias de inteligencia artificial más exigentes del mundo— evaluó a los mejores modelos sobre 12.751 pares de pregunta-consulta en 95 bases de datos reales de 37 dominios distintos. El resultado: GPT-4 alcanzó una precisión del 54,89%, frente al 92,96% de un analista humano experto (Li et al., NeurIPS, 2023).

Leelo de nuevo. En bases de datos del mundo real, el mejor modelo de su momento acertaba poco más de la mitad de las veces, contra más del 90% de un humano.

Y cuando el benchmark se vuelve todavía más realista, los números empeoran. Spider 2.0, diseñado para reflejar flujos de trabajo empresariales reales —con sus esquemas enormes, sus tablas mal nombradas, su complejidad de verdad— midió que GPT-4o resolvía apenas el 10,1% de los problemas, y o1-preview el 17,1% (Spider 2.0, ICLR, 2025).

Esta es la realidad que el marketing esconde: la IA que le pregunta a los datos todavía está lejos de reemplazar a un analista experto en consultas complejas. Cualquier proveedor que te prometa "100% de precisión, cualquier pregunta, al instante" o no leyó estos estudios, o prefiere que vos no los leas.

Entonces, ¿para qué sirve el BI conversacional?

Misma jugada que hicimos con el chatbot de ventas en el primer post de la serie: si el dato crudo te desanima, es porque estás haciendo la pregunta equivocada.

La pregunta no es "¿puede la IA responder cualquier consulta de datos tan bien como mi mejor analista?". La respuesta a eso es no, todavía no. La pregunta correcta es: "¿cuántas de las preguntas que tu gente hace todos los días son, en realidad, simples?"

Porque la verdad de cualquier empresa es que el 80% de las preguntas a los datos son repetitivas y directas: cuánto vendimos ayer, cuál es el stock de este producto, qué vendedor va mejor este mes, cómo viene la cobranza. No hace falta un analista con maestría para responder eso. Hace falta que la respuesta llegue rápido y sin fricción. Y ahí —en el grueso del volumen, no en la cola de las consultas complejas— el BI conversacional es transformador.

El verdadero valor no está en reemplazar al analista en la pregunta difícil. Está en sacarle de encima las cien preguntas fáciles para que pueda dedicarse a la difícil. Y de paso, en algo más grande todavía.

El dato que cambia el tamaño de la oportunidad

Acá está la cifra que, para nosotros, justifica todo el producto. Y a diferencia del text-to-SQL, esta tiene respaldo independiente sólido.

A pesar de décadas de inversión en herramientas de business intelligence, solo entre el 25% y el 30% de los empleados de una empresa usa activamente esas herramientas. El dato del 25% viene de una encuesta conjunta de BARC y Eckerson Group sobre 214 empresas, que además señaló algo demoledor: ese porcentaje "refleja un crecimiento mínimo en los últimos siete años" (Eckerson Group / BARC, 2022). Gartner ubica la cifra en un rango similar, alrededor del 30% (Gartner, research 3753469).

Pensá lo que significa: tu empresa probablemente ya paga licencias de BI, ya tiene los datos, ya armó los dashboards. Y siete de cada diez personas no los tocan. ¿Por qué? Porque hay que aprender a usarlos, hay que saber dónde buscar, hay que entender la herramienta. La barrera no es el dato: es la fricción de acceder a él.

Eso es exactamente lo que un sistema conversacional derriba. No porque responda preguntas imposibles, sino porque convierte al 70% que hoy no usa los datos en gente que puede simplemente preguntar. El valor no está en la sofisticación de la respuesta; está en la cantidad de personas que, por primera vez, acceden a una.

Cuánto rinde de verdad trabajar con IA

¿Y cuánto mejora concretamente la productividad de quien usa IA generativa para trabajar con información? Acá la evidencia independiente vuelve a ser sólida, y vale más que cualquier caso de éxito de proveedor.

Un experimento controlado con 758 consultores del Boston Consulting Group —de los estudios más citados sobre IA y trabajo de conocimiento— encontró que quienes usaron GPT-4 completaron un 12,2% más tareas, las hicieron un 25,1% más rápido, y con una calidad un 40% superior medida por evaluadores ciegos (Dell'Acqua et al., Organization Science, 2025; resumen de Harvard Business School).

Y a nivel macroeconómico, una investigación del Banco de la Reserva Federal de St. Louis sobre una encuesta nacional midió que los trabajadores que usan IA generativa logran un aumento de hasta el 33% en su productividad por hora trabajada (Federal Reserve Bank of St. Louis, 2025).

McKinsey, por su parte, estima que la IA generativa tiene el potencial de automatizar entre el 60% y el 70% del tiempo que hoy consumen muchas actividades laborales (McKinsey, 2023). Es un potencial modelado, no un resultado garantizado —y lo decimos, como siempre—, pero marca la escala de lo que está en juego.

Una palabra sobre el "88% más rápido"

No podemos cerrar sin mencionar la cifra estrella del sector del BI conversacional. Vas a ver casos de "reducción del 88% en el tiempo para obtener un insight", típicamente asociados a un caso de ThoughtSpot con el cliente Cox 2M (ThoughtSpot, caso Cox 2M).

¿Es mentira? No. Es un caso real, de un cliente nombrado. Pero es un solo caso, contado por el proveedor, sin auditoría externa. Tomar ese 88% y ponerlo como promesa general sería repetir exactamente el error que esta serie viene a corregir. Por eso no vas a encontrar ese número en nuestro sitio como si fuera tuyo garantizado. Vas a encontrar una afirmación que podemos sostener: que las preguntas frecuentes pasan de horas o días de espera a segundos. Sin ponerle un porcentaje que no es nuestro.

Lo que vas a leer en el sitio de Metrix

Después de toda esta investigación, estas son las cifras que elegimos para Metrix, nuestro producto de business intelligence conversacional:

• "Hoy solo entre el 25% y el 30% de tus empleados usa las herramientas de datos. Democratizá el acceso." — BARC / Eckerson Group, 2022, y Gartner.

• "Hasta un 25% más rápido y con un 40% mejor calidad en el trabajo de análisis con IA." — experimento con 758 consultores, Organization Science, 2025.

• "Hasta un 33% más de productividad por hora trabajando con IA." — Federal Reserve Bank of St. Louis, 2025.

• "De horas a segundos en las preguntas frecuentes de tu negocio" — sin porcentaje inventado, porque las preguntas complejas todavía piden un humano, y preferimos decírtelo.

Lo que no vas a leer: que Metrix responde cualquier cosa con precisión perfecta. No lo hace —ningún sistema del mundo lo hace hoy, y los benchmarks lo prueban—. Lo que hace es algo más útil y más honesto: le da una voz a tus datos para las preguntas que tu gente hace todos los días, y le devuelve horas a tu equipo de analítica para las preguntas que de verdad importan.

Esa es la diferencia entre vender un sueño y entregar una herramienta. Elegimos lo segundo.

La serie completa: Los números reales de la IA empresarial

0. La industria de la IA te miente con los números: nosotros investigamos cuáles son reales

1. Sellium — Tu chatbot no resuelve el 80% de las consultas: te mentimos menos

2. Revio — El "98% de open rate" de WhatsApp es un invento: acá está el número real

3. Metrix — La IA no le va a responder todo a tu equipo (estás acá)

4. Arconte — Leer facturas con IA: dónde el 99% es verdad y dónde es marketing

5. Trazzo — Última milla con IA: cuánto combustible, tiempo y llamadas ahorrás de verdad

Cada cifra de esta serie está respaldada por su fuente, con fecha y metodología cuando está disponible. Si encontrás un dato que creés que deberíamos revisar, escribinos: nos tomamos esto en serio.