La IA ya tiene una meta financiera
Santander busca generar más de €1,000 millones en valor de negocio con IA. El cambio no está en usar más tecnología, sino en administrar la IA como una cartera de resultados.
Durante años, la conversación empresarial sobre inteligencia artificial estuvo dominada por capacidades, demostraciones y casos de uso.
Ahora comienza una etapa distinta.
Banco Santander estableció el objetivo de generar más de €1,000 millones en valor de negocio con inteligencia artificial entre 2026 y 2028. La cifra incluye una combinación de ingresos adicionales y reducciones de costos.
El banco reportó €35 millones de valor durante el primer trimestre de 2026 y espera superar los €200 millones antes de finalizar el año. La IA dejó de aparecer únicamente en la agenda de innovación: ahora tiene una meta económica, un periodo de medición y resultados que deben demostrarse.
Ese cambio es más importante que la cifra.
La noticia no es que un banco utilice IA
La banca utiliza modelos predictivos, automatización y analítica avanzada desde hace años.
Lo relevante es que una organización de esta escala comienza a presentar la IA como una fuente cuantificable de valor empresarial.
Santander no está concentrando su estrategia en una sola aplicación. Está construyendo un portafolio que abarca automatización de procesos, prevención de fraude, desarrollo de software, atención al cliente, cumplimiento, operaciones y crecimiento comercial.
El banco reporta más de 280 agentes de automatización en producción y ha extendido el acceso a herramientas de IA a sus 185,000 colaboradores.
También informó que aproximadamente 40% del código generado durante junio contó con participación de IA y que algunos procesos específicos ya presentan mejoras considerables en velocidad y automatización.
La escala tecnológica importa. Pero el principio estratégico es otro:
La IA deja de ser una colección de herramientas cuando la empresa le asigna resultados económicos verificables.
De casos de uso a unidades de valor
Muchas organizaciones todavía administran sus iniciativas de IA como una lista de experimentos.
Cada área propone herramientas, desarrolla asistentes, automatiza tareas o incorpora nuevos proveedores. El avance suele medirse por número de pilotos, usuarios habilitados, licencias desplegadas o demostraciones realizadas.
Esos indicadores muestran actividad.
No necesariamente muestran valor.
Un portafolio empresarial de IA necesita una lógica distinta. Cada iniciativa debe vincularse con una unidad económica concreta:
- ingresos adicionales;
- costos evitados;
- capacidad liberada;
- pérdidas prevenidas;
- riesgo reducido;
- capital mejor utilizado;
- velocidad comercial;
- retención de clientes;
- productividad sostenible.
Esta traducción permite comparar proyectos diferentes bajo una misma lógica de decisión.
Un asistente para desarrolladores, un modelo contra fraude y un agente de atención al cliente pueden utilizar tecnologías distintas. Sin embargo, todos deben responder la misma pregunta:
¿Qué resultado económico producen que no habría ocurrido sin la intervención de la IA?
El objetivo financiero cambia la forma de gobernar
Asignar una meta económica a la IA no garantiza que el valor se materialice.
Sí cambia la conversación ejecutiva.
Cuando existe un compromiso financiero, la organización necesita definir responsables, metodología de atribución, líneas base y controles de seguimiento.
La responsabilidad deja de pertenecer exclusivamente al área tecnológica.
Finanzas debe validar la metodología de medición. Operaciones debe confirmar que la mejora se sostiene. Riesgos debe evaluar las nuevas exposiciones. Recursos Humanos debe rediseñar funciones y capacidades. Las unidades de negocio deben capturar el resultado.
La IA se convierte, por tanto, en una disciplina transversal de transformación.
No basta con demostrar que un modelo funciona técnicamente. La empresa debe demostrar que el resultado:
- Es incremental.
- Puede atribuirse razonablemente a la iniciativa.
- Se mantiene después del piloto.
- Puede escalar sin que el costo crezca en la misma proporción.
- No deteriora servicio, control o experiencia.
- Se refleja en los indicadores del negocio.
No todo ahorro de tiempo se convierte en valor financiero
Una de las métricas más utilizadas en proyectos de IA es el número de horas ahorradas.
Es útil, pero incompleta.
Si una herramienta reduce dos horas semanales de trabajo, la empresa todavía debe determinar qué sucede con esa capacidad.
Puede convertirse en mayor volumen, mejor servicio, reducción de tiempos, menores costos externos o trabajo de mayor valor. También puede diluirse sin producir ningún efecto financiero observable.
El valor no aparece automáticamente cuando una tarea se ejecuta más rápido.
Aparece cuando la organización rediseña el trabajo y reasigna deliberadamente la capacidad liberada.
Por eso, las empresas necesitan distinguir entre cuatro niveles:
- Eficiencia técnica
La tarea requiere menos tiempo, pasos o intervención.
- Capacidad liberada
El equipo dispone de tiempo adicional para otras actividades.
- Resultado operativo
La capacidad produce mayor volumen, mejor calidad o menor tiempo de respuesta.
- Impacto financiero
El resultado se convierte en ingresos, ahorro, margen, pérdida evitada o capital liberado.
Muchos programas se detienen en el primer nivel y presentan el ahorro potencial como si fuera valor capturado.
No es lo mismo.
El portafolio debe concentrarse
Santander resume su lógica con una idea relevante: concentrarse en menos iniciativas capaces de mover realmente los resultados, medir su impacto y escalar aquello que funciona.
Este principio cuestiona la expansión indiscriminada de casos de uso.
Una empresa puede tener cientos de experimentos y aun así carecer de una estrategia de IA. La cantidad de iniciativas no compensa la ausencia de prioridades económicas.
La gestión ejecutiva debe identificar dónde existe una combinación suficientemente fuerte de:
- volumen operativo;
- costo relevante;
- datos disponibles;
- repetición;
- posibilidad de estandarización;
- riesgo controlable;
- impacto medible;
- capacidad de adopción.
Las mejores oportunidades no siempre son las más visibles. Frecuentemente se encuentran en procesos repetitivos, decisiones de alto volumen, actividades de control, tiempos de espera y fricciones distribuidas a través de varias áreas.
Escalar también modifica el perfil de riesgo
La misma escala que permite capturar valor incrementa la exposición.
Un agente utilizado por un equipo pequeño puede supervisarse manualmente. Cientos de agentes conectados con procesos, datos y decisiones requieren otro modelo de control.
La empresa debe saber:
- qué soluciones están activas;
- qué proceso modifican;
- qué información utilizan;
- quién responde por su desempeño;
- qué límites tienen;
- cómo se detectan errores;
- qué decisión humana permanece;
- qué ocurre cuando el modelo falla;
- cómo se retira o reemplaza la solución.
El valor financiero y el control operativo no son objetivos opuestos.
Son condiciones del mismo modelo de escalamiento.
Qué debe exigir la Dirección General
La Dirección General no necesita revisar cada modelo ni seleccionar cada proveedor.
Sí debe establecer una disciplina común para toda la organización.
Cada iniciativa relevante debería presentar, al menos:
Problema económico
¿Qué costo, ingreso, riesgo o restricción de capacidad pretende modificar?
Línea base
¿Cómo se desempeña actualmente el proceso?
Resultado esperado
¿Qué cambio concreto debe producirse?
Valor atribuible
¿Qué parte del resultado puede adjudicarse razonablemente a la IA?
Costo total
¿Cuánto cuestan tecnología, integración, datos, supervisión, cambio organizacional y operación continua?
Responsable
¿Quién responde por la captura del beneficio?
Horizonte
¿Cuándo debe comenzar a observarse el resultado?
Condición de escalamiento
¿Qué evidencia justifica ampliar la solución?
Condición de salida
¿En qué momento debe corregirse o detenerse?
Esta estructura convierte la IA en una cartera administrable, no en una sucesión de iniciativas difíciles de comparar.
La implicación para empresas de México y Latinoamérica
La principal enseñanza no es replicar la inversión de un banco global.
Es adoptar la misma disciplina.
Una empresa mediana no necesita cientos de agentes ni una meta de €1,000 millones. Necesita identificar una cantidad limitada de procesos donde la IA pueda modificar de manera verificable productividad, costo, ingreso, servicio o riesgo.
El punto de partida puede ser más sencillo:
- seleccionar entre tres y cinco oportunidades prioritarias;
- documentar la línea base;
- asignar un propietario del beneficio;
- separar ahorro potencial de valor capturado;
- medir antes y después;
- escalar únicamente cuando exista evidencia.
La ventaja no provendrá de implementar más herramientas.
Provendrá de aprender más rápido qué iniciativas producen valor real y de concentrar recursos en ellas.
Preguntas para el Consejo y la Dirección General
- ¿Qué meta económica tiene actualmente nuestro portafolio de IA?
- ¿Cuánto valor ya fue capturado y cuánto sigue siendo únicamente potencial?
- ¿Quién valida la atribución financiera?
- ¿Qué iniciativas concentran la mayor parte del beneficio esperado?
- ¿Qué capacidad liberada ha sido realmente reasignada?
- ¿Qué proyectos deberían escalarse, corregirse o detenerse?
- ¿Qué riesgos aumentan al conectar la IA con procesos críticos?
- ¿El valor crece más rápido que el costo de operar y gobernar la solución?
Perspectiva JAB
La siguiente etapa de la inteligencia artificial empresarial no se definirá por el acceso a mejores modelos.
Esos modelos estarán disponibles para muchas organizaciones.
La diferencia estará en la capacidad de convertirlos en una cartera de resultados: seleccionar oportunidades, rediseñar procesos, atribuir beneficios, controlar riesgos y escalar únicamente lo que demuestra valor.
Cuando la IA recibe una meta financiera, deja de competir por atención dentro de la agenda tecnológica.
Comienza a competir por capital dentro de la estrategia empresarial.
Conclusión
Santander ha puesto una cifra sobre la mesa: más de €1,000 millones de valor de negocio entre 2026 y 2028.
El número puede cambiar y los resultados deberán comprobarse. Sin embargo, el precedente estratégico ya está establecido.
La IA comienza a administrarse con objetivos económicos, responsables y periodos de ejecución.
Para los equipos directivos, la pregunta ya no es cuántos casos de uso pueden lanzar.
La pregunta es más exigente:
¿Qué valor debe producir la IA, quién responde por capturarlo y qué evidencia determinará si una iniciativa debe escalar?
La empresa que responda esas tres preguntas habrá comenzado a transformar la IA en una capacidad financiera y operativa real.
¿Su empresa ya puede demostrar el valor financiero de la IA?
En JAB ayudamos a las organizaciones a convertir iniciativas de inteligencia artificial en resultados medibles, con prioridades claras, responsables definidos, gobierno ejecutivo y criterios de escalamiento.
Si su empresa necesita estructurar una cartera de IA orientada a productividad, eficiencia, crecimiento o reducción de riesgo, conversemos.
Transformemos la inversión en inteligencia artificial en valor empresarial verificable.
Soluciones relacionadas