Saltar al contenido
Volver al Blog
TecnologíaArtículo

El ROI es Rey

"Si no genera retorno, es solo vanidad disfrazada de esfuerzo." Vamos a ser directos: puedes amar lo que haces, tener un equipo increíble, usar notas adhesivas de cinco colores en la pared y hacer reuniones de alineación todos los viernes. Pero si el trabajo no está trayendo retorno financiero, operacional, estratégico o de aprendizaje real, solo estás jugando a la gestión. Y jugar a la gestión cuesta caro. El discurso de "hacerlo por amor a la camiseta" o "adoptar la tecnología del momento" se ve bien en la presentación, hasta que vence la factura. Y vence todos los meses: para la empresa, para el equipo y para ti. Por eso, una pregunta simple debería estar pegada en el monitor de todo líder técnico y ejecutivo: "¿Qué va a traer esto de vuelta?" Ese Retorno sobre la Inversión (ROI, del inglés Return on Investment) no necesita ser exclusivamente un recorte de gasto inmediato, pero debe aparecer de forma verificable en al menos una de estas cuatro dimensiones: - Financiero: lucro incremental directo o reducción comprobada de costo en caja; - Operacional: menos retrabajo, menor tiempo de ciclo y más productividad por hora trabajada; - Estratégico: protección de ingresos, conformidad regulatoria o ventaja competitiva medible; - Humano y organizacional: reducción de rotación (turnover), caída en el índice de incidentes fuera de horario y retención de talentos críticos. Si un proyecto consume meses de tu ingeniería y no mueve ninguno de esos cuatro indicadores, no es innovación. Es vanidad con cara de esfuerzo. ## ROI en la práctica: el caso de los 100 mil litros de diésel Daré un ejemplo real que viví en la práctica. Trabajé en una operación pesada que consumía cerca de 100 mil litros de diésel por mes. Todo el control de abastecimiento se anotaba a mano en fichas de papel en la pista y, días después, se digitaba manualmente en hojas de cálculo. No había validación en el origen, cruce de consumo por hora trabajada ni lectura a tiempo. Cuando la hoja de cálculo se cerraba a fin de mes, el diésel ya se había quemado. Estábamos sentados sobre una montaña de datos operacionales y tomando decisiones a ciegas. En vez de proponer un proyecto millonario de dieciocho meses que se trabaría en la burocracia, fuimos directo a la raíz del problema: sacar el dato del papel en el momento exacto en que ocurría el abastecimiento. Diseñamos una solución esbelta y robusta de punta a punta: 1. Registramos toda la flota y pegamos etiquetas de QR Code en cada máquina y vehículo; 2. Pusimos una aplicación simple en manos del operador para registrar el abastecimiento directo en la fuente, recolectando cuatro variables obligatorias: tipo de combustible, litros abastecidos, odómetro y horímetro; 3. Conectamos esta base limpia a un panel analítico en Power BI, actualizado diariamente para que la gestión acompañe la curva de consumo por equipo y por turno. Tres meses después de poner el sistema en producción, la lectura de los datos reveló lo que el papel ocultaba durante años: - Identificamos las máquinas villanas que consumían muy por encima del promedio por falta de mantenimiento preventivo o regulación; - Descubrimos horarios y rutas críticas donde ocurrían picos anormales de abastecimiento; - Corregimos desvíos operacionales invisibles y errores recurrentes de registro; - Eliminamos cuellos de botella históricos de fila y desperdicio en el patio. El resultado auditado en el trimestre fue directo a las finanzas: ahorro de 20 mil litros de diésel por mes, reduciendo el consumo mensual de 100 mil a 80 mil litros (una reducción real de 20%). Sin magia, sin jerga difícil y sin comprar la herramienta más cara de la estantería. Solo transformando datos primarios en acción gerencial. ## ¿Por qué los proyectos caros fallan donde lo simple funciona? El Paradoja de Solow y la Economía Unitaria ¿Por qué tantas empresas gastan millones en sistemas complejos y no logran mostrar un resultado claro como estos 20 mil litros por mes? La respuesta está documentada desde hace décadas en la economía y en la ingeniería de calidad. En 1987, el economista Robert Solow, ganador del Premio Nobel de Economía, acuñó una frase que se conoció como el Paradoja de la Productividad de Solow: "Ves la era de las computadoras en todas partes, excepto en las estadísticas de productividad." Más tarde, el investigador Erik Brynjolfsson, del MIT (1993), investigó a fondo este fenómeno en las empresas y probó el motivo: comprar tecnología y arrojarla sobre un proceso desorganizado no genera retorno. La ganancia real solo aparece cuando la tecnología se usa para cambiar la forma en que se capturan los datos y cómo se toma la decisión en la operación. Esto conversa directamente con lo que el estadístico W. Edwards Deming enseñó en el libro clásico Out of the Crisis (1982): no mejoras la calidad ni reduces el desperdicio inspeccionando informes atrasados a fin de mes; mejoras controlando la variación del proceso en el origen. Cuando el operador lee el QR Code e informa el horímetro al momento de abastecer, dos fuerzas actúan juntas: 1. El dato nace íntegro: se acaban las tachaduras en el papel y la digitación atrasada; 2. La visibilidad inmediata cambia el comportamiento: en la psicología organizacional, desde los estudios clásicos de Hawthorne analizados por Levitt y List (2011), se sabe que cuando una operación pasa a ser medida con transparencia y seguimiento diario, el desperdicio por descuido cae inmediatamente. En el mundo moderno de infraestructura en la nube y software, la FinOps Foundation llama a esta disciplina Economía Unitaria (Unit Economics). No basta con saber cuánto gasta la empresa en el total de la nube o en el total de combustible; es necesario medir el costo por unidad de valor entregado (litros por hora efectiva de máquina, o centavos de dólar de servidor por pedido procesado). Cuando ves el costo unitario, el desperdicio salta a la vista.

Como medir el ROI de cualquier proyecto en 6 preguntas

Antes de aprobar el próximo proyecto de software, contratar una herramienta nueva o alocar a su equipo en una iniciativa larga, aplique este filtro de seis preguntas:

  1. ¿Cuál problema real queremos resolver? (Si usted no consigue explicar el dolor en dos frases sin usar siglas técnicas, el problema aún no está claro).
  2. ¿Cuál es el costo actual de ese dolor en la línea base? (¿Cuántos litros, pesos, horas de reproceso o clientes estamos perdiendo hoy por mes?).
  3. ¿Cuánto vamos a invertir de verdad para resolverlo? (Sume licencias, infraestructura y, principalmente, el costo de las horas del equipo que va a construir y mantener).
  4. ¿Cuál es la ganancia conservadora esperada? (En moneda, reducción porcentual de desperdicio u horas productivas devueltas a la operación).
  5. ¿En cuánto tiempo se paga el proyecto (payback)? (Los proyectos esbeltos bien diseñados suelen dar los primeros señales claros de retorno entre 30 y 90 días).
  6. ¿Qué indicador diario o semanal va a probar que estamos en el camino correcto? (¿Cuál es su equivalente a "litros por horómetro en Power BI"?).

Si usted consigue responder a estas seis preguntas con números honestos antes de empezar, el proyecto tiene todo para pagarse y generar respeto para su equipo. Si nadie sabe responder, el mejor negocio que usted hace por su empresa es parar, volver al tablero de dibujo y encontrar dónde está la fuga real antes de escribir la primera línea de código.


Referencias y lecturas verificables

Cesar Zanis / Tecnología

Una buena conversación merece continuar.

Comparte el artículo o publica las diapositivas en tus Stories y Feed.

WhatsApp ↗LinkedIn ↗X ↗
Cesar Zanis
Escrito por·Arquitecto de Software y Líder de Tecnología

Cesar Zanis

15+ años liderando arquitectura de software, bases de datos críticas, FinOps e IA aplicada. Estructuró y escaló una operación de ingeniería desde cero hasta más de 20 desarrolladores.

15+ años de trayectoriaArquitectura y DatosCloud & FinOps0 → 20+ Devs

¿Te gustó este artículo?

Publico análisis prácticos sobre arquitectura de sistemas críticos, Cloud FinOps, datos, IA y liderazgo de ingeniería directamente en LinkedIn.

Continuar leyendo

Lleva este análisis más allá con datos y fuentes

Todas las tarjetas visuales de este artículo están listas arriba para compartir en tus Stories, Feed, WhatsApp o LinkedIn con las fuentes.