Casi 4 de cada 10 CFO esperan que la IA generativa dé resultados en dos años
PYMNTS llegó a Google News con un resultado llamativo: casi cuatro de cada diez CFO encuestados esperan retornos muy positivos de la IA generativa en un plazo de dos años. Esa confianza parece una victoria para la IA empresarial. Sin embargo, los datos subyacentes cuentan una historia más compleja.
Los líderes financieros están observando mejores resultados en aplicaciones específicas. Al mismo tiempo, están ampliando el tiempo necesario para integrar la IA generativa en organizaciones completas. La aparente contradicción separa el valor operativo inicial de un rendimiento financiero pleno.
La encuesta a CFO empresariales abarcó a 60 responsables financieros de empresas de Estados Unidos con al menos 1.000 millones de dólares en ingresos anuales. PYMNTS Intelligence realizó la encuesta entre el 15 y el 19 de diciembre de 2025. Sus conclusiones describen a un grupo pequeño y concentrado de grandes empresas, no a todas las compañías estadounidenses.
Estos CFO informaron de mejores resultados en tareas que van desde flujos de trabajo automatizados hasta respuestas a clientes. También identificaron menos inconvenientes que seis meses antes. Sin embargo, sus plazos previstos para una integración completa casi se duplicaron.
Esa tensión importa más que el porcentaje del titular. Los CFO no se preguntan simplemente si un modelo puede redactar texto, analizar registros o generar una previsión. Están decidiendo si la IA puede operar dentro de flujos de trabajo gobernados y crear valor económico duradero.
Por tanto, la principal disputa no enfrenta a optimistas de la IA con escépticos de la IA. Enfrenta la promesa de victorias rápidas y específicas con la realidad de un cambio organizacional lento. Los ganadores conectarán ambos plazos sin tratar las estimaciones de productividad como retornos auditados.
Lo que realmente revela el titular de Google News
La encuesta muestra una confianza creciente en aplicaciones específicas de IA, no una prueba de que la transformación de toda la empresa esté casi completa.
PYMNTS descubrió que las expectativas de los CFO sobre el ROI de la IA generativa se habían dispersado más para diciembre de 2025. Un grupo mayor anticipaba retornos muy positivos en uno o dos años. Otro grupo esperaba un camino mucho más largo hasta lograr un rendimiento económico completo.
Esa distribución es más reveladora que una media única. Sugiere que los líderes financieros han dejado de tratar todos los proyectos de IA generativa como la misma inversión. Un asistente documental y un sistema de previsión para toda la compañía conllevan costos, riesgos y requisitos de implementación distintos.
La distinción también explica por qué las expectativas favorables de ROI pueden aumentar mientras se alargan las previsiones de integración. Un equipo puede ahorrar tiempo en investigación o elaboración de informes antes de que su empresa rediseñe todo un proceso financiero. El valor inicial no exige una transformación institucional inmediata.
PYMNTS informó de que la satisfacción alcanzó entre el 80% y el 100% en los casos de uso ya implantados por las empresas encuestadas. Las valoraciones mejoraron especialmente en generación de código, flujos de trabajo automatizados, innovación de productos y respuestas a clientes en tiempo real. Estas cifras describen las evaluaciones de los encuestados, no retornos financieros auditados de forma independiente.
Los CFO encuestados también informaron de menos inconvenientes percibidos. La media bajó de 6,92 inconvenientes en julio de 2025 a 4,23 en diciembre. Entre las empresas más grandes, la media cayó de 7,52 a 3,44.
Varias preocupaciones operativas disminuyeron con ello. La proporción que citaba errores y problemas de resultados cayó del 80% al 35%. Las preocupaciones sobre integración e implementación descendieron del 70% al 45%, mientras que las relacionadas con costos y mantenimiento bajaron del 78,3% al 23,3%.
Estos cambios respaldan una interpretación creíble. La experiencia está ayudando a las grandes empresas a resolver algunos problemas que parecían abrumadores durante los primeros pilotos. Los equipos están estableciendo controles, eligiendo casos de uso más acotados y aprendiendo dónde sigue siendo necesaria la revisión humana.
Sin embargo, una reducción de las preocupaciones comunicadas no hace que desaparezcan. Una preocupación por errores del 35% sigue siendo relevante en los informes financieros, el cumplimiento normativo o la tesorería. Una preocupación por la integración del 45% todavía indica un trabajo considerable entre sistemas y datos.
El estudio también se basa en percepciones autodeclaradas de 60 ejecutivos. Ese diseño puede identificar cambios en el sentimiento y la práctica, pero no puede establecer causalidad. No demuestra que la IA generativa haya producido una mejora concreta del margen.
Por tanto, el titular debe leerse como evidencia de expectativas más maduras. Casi cuatro de cada diez CFO prevén sólidos retornos a corto plazo porque pueden separar los despliegues útiles de una transformación amplia. Su optimismo se ha vuelto más selectivo, no menos serio.
Este es el primer cambio importante en la encuesta de PYMNTS a CFO. Los líderes financieros creen cada vez más que la IA generativa funciona en contextos definidos. Ahora afrontan la cuestión más difícil: si esos contextos pueden convertirse en sistemas operativos repetibles y controlados.
Las rápidas victorias de la IA chocan con una integración lenta
El ROI de la IA generativa parece llegar antes cuando las empresas acotan la tarea, definen la referencia y mantienen la responsabilidad en empleados que rinden cuentas.
Un caso de uso específico tiene límites visibles. Un equipo financiero puede medir cuánto tiempo llevaba elaborar un informe recurrente antes del despliegue y comparar esa referencia con los resultados posteriores. También puede registrar correcciones, tiempo de revisión y el costo de operar el modelo.
La integración empresarial no ofrece esa simplicidad. Afecta permisos de acceso, definiciones de datos, cadenas de aprobación, contratos de software, funciones de los empleados y obligaciones regulatorias. Un modelo puede funcionar bien mientras el proceso que lo rodea sigue sin ser apto para la automatización.
Esta diferencia ayuda a explicar los plazos más largos de la investigación de PYMNTS. Para diciembre de 2025, los encuestados esperaban que la integración completa tardara casi el doble de lo que habían anticipado entre julio y septiembre. Una mayor experiencia generó más confianza en los casos de uso y mayor cautela respecto a la escalabilidad.
Deloitte encontró una división similar en sus hallazgos sobre el ROI de la IA. Su investigación incluyó a 1.854 ejecutivos de Europa y Oriente Medio, respaldada por 24 entrevistas detalladas.
Entre los usuarios de IA generativa de esa investigación, el 15% informó de que ya obtenía un ROI significativo y medible. Otro 38% esperaba esos retornos en el plazo de un año desde la inversión. Sin embargo, el 62% afirmó que un caso de uso típico de IA alcanzaba un ROI satisfactorio en un período de dos a cuatro años.
La distribución subraya un problema crucial de medición. Los retornos “significativos” y “satisfactorios” pueden representar umbrales diferentes. Una empresa puede reconocer ganancias útiles de productividad antes de recuperar todos los costos de implementación y cambio organizacional.
La IA agéntica agudiza el problema de los plazos. Un agente de IA es software que puede planificar y realizar acciones de varios pasos bajo permisos definidos. Deloitte descubrió que el 57% de los encuestados utilizaba IA agéntica, pero solo el 10% informó de un ROI actual significativo.
La mitad de esos usuarios de IA agéntica esperaba retornos en un plazo de tres años. Otro tercio esperaba un horizonte de tres a cinco años. Una mayor autonomía aumenta el valor potencial, pero también incrementa los requisitos de integración y control.
Las funciones financieras ilustran el motivo. Un modelo puede resumir explicaciones de variaciones con acceso limitado y revisión obligatoria. Un agente que modifica una previsión o inicia un ajuste necesita permisos, reglas de validación, registros y un responsable que rinda cuentas.
Las empresas también deben decidir qué se considera valor. PYMNTS descubrió que una mejor experiencia del cliente y los márgenes eran las principales medidas de ROI en diciembre. La reducción de costos, la expansión de ingresos y la disminución de gastos de capital también estaban cobrando atención.
La reducción de plantilla pasó a ser una métrica menos común. Ese cambio debilita la narrativa más simple de la automatización. Los CFO ven cada vez más valor en ciclos más rápidos, mejores decisiones y un mejor servicio, en lugar de limitarse a la eliminación directa de trabajo humano.
Estos beneficios siguen siendo difíciles de comparar. Las horas ahorradas no se convierten automáticamente en beneficios. Un análisis más rápido solo importa cuando los empleados redirigen ese tiempo hacia decisiones útiles o trabajo adicional.
Por tanto, un modelo creíble de ROI para la IA generativa debe considerar los resultados aceptados, el esfuerzo de revisión, las tasas de fallo y los efectos posteriores en el negocio. Debe incluir infraestructura, integración, gobernanza, formación y gestión de proveedores. Ignorar esos costos crea un resultado atractivo, pero incompleto.
Por eso el acceso al conocimiento importa en los despliegues cotidianos. Los empleados necesitan un contexto fiable antes de que la IA pueda producir trabajo útil. Una base de conocimiento de IA con capacidad de búsqueda puede reducir la fricción de recuperación, pero la verificación humana sigue protegiendo las decisiones relevantes.
Las primeras victorias son reales cuando los equipos las miden cuidadosamente. El choque comienza cuando los líderes asumen que esas victorias escalarán sin rediseñar los flujos de trabajo. Cada sistema, permiso y parte interesada adicional introduce otra condición para el éxito.
Los CFO ahora deben defender tanto la velocidad como el control
Los líderes financieros enfrentan presión para financiar la IA con rapidez mientras preservan los controles que hacen fiables a los sistemas financieros.
Tradicionalmente, los CFO cuestionan las inversiones que carecen de retornos medibles. La IA generativa los sitúa en una posición inusual. Deben actuar como guardianes del capital mientras competidores, consejos de administración y equipos operativos exigen una adopción más rápida.
Esa presión ya es visible. Una encuesta de julio de 2026 informó de que el 92% de los CFO y altos ejecutivos financieros sentían presión para demostrar retornos aceptables de la IA. La investigación sobre presión sobre los líderes financieros abarcó a 1.505 ejecutivos de cuatro países.
La mitad de sus encuestados afirmó que sus agentes de IA solo habían generado un ROI medible limitado. Solo el 7% dijo que sus organizaciones priorizaban la gobernanza de la IA por encima de la velocidad de adopción. Estos resultados exponen el riesgo de permitir que los calendarios de despliegue superen a la rendición de cuentas.
Solo el 44% se sentía plenamente seguro de poder explicar las acciones de un agente de IA a un auditor o regulador. Otro 30% dijo que los controles internos no se habían actualizado durante el año anterior. Estas carencias importan cuando el software empieza a influir en transacciones o juicios financieros.
La auditabilidad significa que una empresa puede reconstruir lo que hizo un sistema, qué información utilizó y quién aprobó el resultado. El software convencional sigue una lógica predefinida. Los sistemas generativos pueden producir resultados variables, por lo que las organizaciones necesitan registros más sólidos sobre prompts, fuentes, revisiones y aprobaciones.
La misma encuesta encontró que solo el 28% exigía registros de auditoría documentados que mostraran cómo un agente de IA llegó a sus decisiones. Otro 23% afirmó que la responsabilidad por un error de IA sería poco clara o no se asignaría a nadie. Son deficiencias de gobernanza, no detalles técnicos menores.
Un error del modelo en un borrador interno tiene una consecuencia manejable. Un error inexplicable en impuestos, informes o cumplimiento normativo puede generar exposición financiera y legal. El entorno de control debe corresponderse con el impacto de la acción.
Esto no significa que todos los casos de uso necesiten las mismas restricciones. La síntesis de bajo riesgo puede aplicar una revisión más ligera que la asignación de capital o los informes externos. Los controles basados en el riesgo permiten a las empresas avanzar rápidamente cuando las consecuencias siguen estando contenidas.
Los CFO también deben resolver la cuestión de la propiedad. Los equipos tecnológicos pueden operar modelos, pero no pueden definir todos los resultados financieros aceptables. Los equipos financieros entienden la materialidad y los requisitos de aprobación, mientras que los equipos de seguridad entienden el acceso y la exposición de los datos.
Una gobernanza eficaz une esas responsabilidades antes del despliegue. El responsable de negocio define el resultado y la tolerancia al error. Los equipos de tecnología mantienen el sistema, y las funciones de riesgo verifican si los controles funcionan según lo previsto.
Los hallazgos de PYMNTS sugieren que las grandes empresas están mejorando en este trabajo. Sus preocupaciones declaradas sobre errores, costes e implementación disminuyeron sustancialmente en seis meses. El aumento de las calificaciones de eficacia indica que una exposición controlada puede generar confianza institucional.
Sin embargo, la confianza puede volverse peligrosa cuando sustituye a las pruebas. La satisfacción declarada por los propios participantes no revela con qué frecuencia los empleados corrigen resultados de forma silenciosa. También puede excluir proyectos piloto abandonados, lo que puede hacer que los despliegues activos parezcan más sólidos.
Las organizaciones deberían seguir todo el embudo. Esto incluye tareas intentadas, resultados completados, resultados aceptados, revisiones, escalaciones y fallos. Un modelo que genera borradores rápidamente pero exige comprobaciones extensas puede desplazar trabajo en lugar de eliminarlo.
La presión sobre los CFO se intensificará a medida que aumenten los presupuestos. Bain encuestó a más de 100 CFO globales y descubrió que el 83% planeaba aumentar el gasto empresarial en IA en más de un 15% durante dos años. Sus planes de gasto en IA también mostraron que el 42% esperaba aumentos superiores al 30%.
Solo entre el 15% y el 25% había escalado la IA en todas las funciones financieras, según Bain. En general, el 31% estaba satisfecho con sus resultados. La satisfacción superaba el 60% entre las empresas situadas en el cuartil superior de madurez de IA.
Esa brecha convierte la madurez operativa en el factor decisivo. Comprar más acceso no crea datos, flujos de trabajo ni controles maduros. Los CFO deben financiar el trabajo organizativo que convierte un modelo en una capacidad fiable.
Lo que las cifras aún no demuestran
La evidencia respalda un optimismo cauteloso, pero no establece un plazo universal de dos años para el ROI de la IA generativa.
La muestra de PYMNTS es limitada por diseño. Todos los participantes dirigían las finanzas de una empresa estadounidense que genera al menos 1.000 millones de dólares anuales. Las grandes empresas cuentan con recursos, datos y equipos técnicos que quizá las organizaciones más pequeñas no posean.
La muestra también incluye solo 60 CFO. Cada participante representa aproximadamente 1,7 puntos porcentuales. Por tanto, un pequeño cambio en las respuestas puede producir un movimiento visible en las proporciones reportadas.
Esa limitación no invalida el estudio. Significa que los lectores deberían evitar convertir sus resultados en una predicción para todas las empresas. La encuesta se entiende mejor como una visión del liderazgo financiero de las grandes corporaciones.
El lenguaje temporal también merece cautela. Se preguntó a los participantes cuándo los retornos serían “muy positivos”, no cuándo se recuperarían todos los costes de implementación. Distintos ejecutivos pueden aplicar umbrales diferentes a esa expresión.
PYMNTS informó de una cartera más amplia de medidas de ROI, incluidos los márgenes, la experiencia del cliente, la reducción de costes y los ingresos. Ese enfoque refleja cómo las empresas crean valor en la práctica. También dificulta las comparaciones, salvo que cada compañía defina su cálculo de forma coherente.
Una mejora en la experiencia del cliente puede tener importancia financiera, pero la conexión requiere evidencia. Los líderes deben demostrar si un mejor servicio modificó la retención, la conversión, los costes de soporte u otro resultado medible. De lo contrario, el beneficio sigue siendo un indicador intermedio.
La cronología de la encuesta crea otra cautela. PYMNTS recopiló respuestas durante cinco días de diciembre de 2025. El titular entró más tarde en el ciclo actual de Google News, pero las respuestas subyacentes son una instantánea.
Los modelos, los contratos y las estrategias empresariales han cambiado desde ese trabajo de campo. Algunos proyectos han avanzado, mientras que otros se han encontrado con problemas de costes o seguridad. Un titular actual no debería volver invisible la fecha de la encuesta.
Los estudios independientes también describen niveles de éxito muy distintos. Un estudio sobre adopción empresarial de Wharton y GBK Collective encuestó a 801 responsables de decisiones empresariales en 2025. Descubrió que el 72% medía formalmente el ROI de la IA generativa.
Tres de cada cuatro participantes de ese estudio informaron de retornos positivos. Cuatro de cada cinco esperaban que las inversiones se amortizaran en aproximadamente dos o tres años. Estos hallazgos refuerzan el optimismo al tiempo que amplían el horizonte esperado más allá de la ventana de dos años del titular.
La investigación de Wharton también descubrió que el 82% utilizaba IA generativa al menos semanalmente, mientras que el 46% la utilizaba a diario. El uso habitual se había vuelto claramente común entre los responsables de decisiones empresariales. Sin embargo, la adopción no es la misma medida que el impacto económico.
El estudio también identificó una restricción humana. El 89% coincidía en que la IA generativa mejoraba las habilidades de los empleados, pero el 43% percibía un riesgo de deterioro de la competencia profesional. La IA puede mejorar los resultados mientras debilita la experiencia si los empleados dejan de practicar tareas esenciales.
Los líderes financieros deben tener en cuenta esa posibilidad. Un analista más rápido que conserva su criterio representa un valor duradero. Un proceso más rápido que erosiona la capacidad de detectar errores crea un pasivo oculto.
Otras investigaciones detectan brechas operativas notables incluso cuando los retornos parecen favorables. Una encuesta financiera de 2026 informó de una adopción de IA del 97% entre los participantes y retornos positivos para más del 75% de las inversiones. Sin embargo, el 45% seguía dedicando más del 60% de su tiempo a tareas manuales.
Esa brecha de adopción en finanzas muestra por qué las afirmaciones generales necesitan contexto. Un departamento financiero puede informar de retornos positivos de la IA mientras sigue dependiendo de hojas de cálculo, conciliaciones manuales e informes intensivos en mano de obra.
La interpretación más escéptica es que las encuestas optimistas miden expectativas y éxitos seleccionados con mayor facilidad que la transformación total. La interpretación más favorable es que el valor específico llega antes que un cambio organizativo visible.
Ambas pueden ser ciertas. La IA generativa puede producir retornos valiosos sin transformar por completo un departamento financiero. El error es tratar el éxito temprano como prueba de que todos los procesos deberían automatizarse ahora.
Los CFO deberían exigir evidencia al nivel de cada caso de uso y agregación al nivel de la cartera. Los experimentos fallidos deben incluirse en el cálculo junto con los despliegues exitosos. Excluirlos infla el rendimiento aparente del programa en conjunto.
También deberían distinguir entre mejoras recurrentes y ganancias puntuales. Un modelo podría ayudar a eliminar una acumulación de trabajo, pero ese beneficio no se repetirá indefinidamente. Un ROI duradero exige trabajo continuo, costes recurrentes más bajos, mejores decisiones o efectos sostenidos en los ingresos.
El titular es útil porque capta un cambio real en el sentimiento ejecutivo. Solo se vuelve engañoso cuando se lo despoja de los límites de la muestra, las decisiones de medición y los plazos de integración más largos. Esos detalles determinan si la expectativa de dos años es creíble.
Tres señales pondrán a prueba el retorno a dos años
La próxima fase se juzgará por resultados operativos auditados, adopción a escala de producción y evidencia de que los controles avanzan al mismo ritmo.
La primera señal es un cambio en la forma en que las empresas informan del valor de la IA. Las estimaciones de productividad y las encuestas a empleados ayudaron durante la experimentación. Los consejos de administración esperarán cada vez más medidas vinculadas a márgenes, ingresos, capital circulante, reducción de errores o ciclos de transacciones completados.
Una divulgación más sólida incluiría los costes operativos y la revisión humana. Separaría el ahorro bruto de tiempo del valor financiero realizado. También identificaría si el resultado procedió de IA generativa, automatización convencional o un rediseño más amplio de procesos.
Si las empresas comienzan a informar de resultados financieros repetibles, la previsión de PYMNTS a corto plazo gana respaldo. Si las divulgaciones siguen limitándose al uso y a las horas estimadas ahorradas, persistirá la brecha de verificación.
La segunda señal es el paso de los proyectos piloto a una producción controlada. Bain descubrió que solo entre el 15% y el 25% de los CFO encuestados había escalado la IA en todas las áreas financieras. Esto deja una gran distancia entre la experimentación y las operaciones normalizadas.
El despliegue en producción debería significar más que el acceso de toda la organización a un chatbot. Requiere integración con datos aprobados, tareas definidas, supervisión, reglas de escalación y responsables designados. Los empleados también necesitan instrucciones claras para cuestionar resultados poco fiables.
Las tasas de escalado revelarán si los casos de uso más sólidos pueden sobrevivir a la complejidad operativa real. Un aumento de los despliegues gobernados y repetibles reforzaría la tesis de los dos años. Un inventario creciente de proyectos piloto estancados la debilitaría.
La tercera señal es si las métricas de gobernanza mejoran junto con la adopción. La encuesta financiera de julio detectó un bajo uso de registros documentados de agentes y una incertidumbre generalizada sobre la responsabilidad. Estas brechas se vuelven más importantes a medida que los sistemas reciben mayor autonomía.
Esté atento a controles internos actualizados, pistas de auditoría obligatorias, planes de incidentes probados y propiedad explícita de los errores de IA. Estas medidas no garantizan un ROI positivo. Reducen la probabilidad de que un fallo borre las ganancias de muchas tareas exitosas.
Las mejoras de gobernanza también harían más fiable la medición financiera. Una empresa no puede calcular el valor con precisión si no registra el comportamiento del sistema, las correcciones y las excepciones. Los controles crean la evidencia necesaria para respaldar una afirmación de ROI.
Por tanto, el titular de Google News marca un punto de control, no una meta. Casi cuatro de cada diez CFO esperan retornos muy positivos en dos años, mientras que la misma investigación muestra que la integración completa tarda más.
Esa división es racional. Las empresas no necesitan transformar todos los flujos de trabajo antes de recibir valor de aplicaciones seleccionadas. Sí necesitan una medición disciplinada antes de considerar ese valor como un retorno empresarial duradero.
Para los desarrolladores, la lección es diseñar para la trazabilidad, la revisión y las acciones delimitadas. Para los compradores empresariales, es evaluar los resultados de los flujos de trabajo en lugar de las demostraciones de modelos. Los trabajadores del conocimiento deberían examinar si la IA mejora su criterio o solo acelera los primeros borradores.
La pregunta decisiva ya no es si la IA generativa puede ayudar a los equipos financieros. Ya lo hace en muchas tareas definidas. La pregunta es si las organizaciones pueden convertir esas ganancias en un rendimiento financiero repetible y gobernado.
Durante los próximos dos años, observe lo que los CFO informan después de que los costes de implementación, las correcciones y el trabajo de control entren en el libro mayor. Esa evidencia determinará si el optimismo actual se convierte en una ventaja operativa o en otra previsión que avanzó más rápido que la realidad.
