Cómo calcular el ROI de una automatización antes de gastar un euro

La primera pregunta que hace casi todo el mundo cuando hablamos de automatizar un proceso es "¿cuánto cuesta?" Es la pregunta equivocada.

La pregunta correcta es: ¿cuánto cuesta no automatizarlo?

El coste de la automatización es un número fijo y conocible antes de empezar. El coste de no automatizar es un número que se está pagando cada mes, invisible porque está distribuido en salarios, errores, tiempo perdido, y oportunidades que no se convierten. Cuando pones los dos números uno al lado del otro, la decisión deja de ser "¿me puedo permitir esto?" y se convierte en "¿cuánto tiempo llevo perdiendo dinero sin saberlo?"

La fórmula base

El ROI mensual de una automatización tiene tres componentes:

(horas_ahorradas × coste_hora) + (errores_evitados × coste_error) + (leads_recuperados × ticket_medio × tasa_conversión) = ROI mensual

Período de retorno = coste_implementación / ROI_mensual

Ese cociente —el período de retorno— es el número que tomar decisiones. Todo lo demás son variables que alimentan ese número.

Un ejemplo real: distribuidor de materiales de construcción

Trabajamos con una empresa distribuidora de materiales de construcción. Pedidos entrando por tres canales: email, teléfono, y formulario web. Tres personas del equipo administrativo procesando manualmente cada pedido en el ERP: copiar datos del email, transcribir la llamada de teléfono, revisar el formulario web, entrar cada línea de pedido, confirmar disponibilidad, y enviar la confirmación al cliente.

Antes de proponer ninguna solución, hicimos el cálculo.

Tiempo

El equipo dedicaba una media de 3 horas diarias a entrada de pedidos. Con 22 días laborables al mes, son 66 horas/mes. El coste por hora de personal administrativo en este sector, incluyendo cargas sociales, estaba en torno a 24€/hora.

66 horas × 24€/hora = 1.584€/mes en tiempo de entrada de pedidos

Errores

El equipo estimaba entre 3 y 5 errores por mes que llegaban a afectar al pedido: una referencia mal transcrita, una cantidad incorrecta, un cliente confundido con otro. Cada error generaba trabajo de corrección, contacto con el cliente, y en algunos casos re-expedición. El coste medio por error, incluyendo tiempo de resolución y en algún caso coste de transporte adicional, estaba en torno a 80€.

4 errores/mes × 80€/error = 320€/mes en coste de errores

Leads perdidos

El formulario web tenía una tasa de abandono del 8% según los datos de Analytics. Es decir, el 8% de los usuarios que iniciaban un presupuesto online lo abandonaban antes de completarlo. El análisis de comportamiento mostraba que el abandono se producía principalmente en el paso de "necesitamos que te llame alguien para confirmar disponibilidad" —un punto de fricción que la automatización podía eliminar mostrando stock en tiempo real—.

Con una media de 15 presupuestos web al mes, el 8% de abandono eran 1.2 pedidos perdidos. El ticket medio era de 420€. La tasa de conversión de presupuesto a pedido en el canal web era del 100% (los que llegaban a presupuesto completado, compraban).

1.2 pedidos × 420€ × 100% conversión = 504€/mes en ventas no realizadas

El total

1.584€ + 320€ + 504€ = 2.408€/mes de coste real del proceso manual

La implementación de la automatización —integración de los tres canales con el ERP, formulario web con consulta de stock en tiempo real, confirmación automática, y dashboard de pedidos pendientes— costó 3.200€.

3.200€ / 2.408€/mes = 1.33 meses de período de retorno

En seis semanas, la automatización se había pagado. Todo lo que vino después fue beneficio neto.

Las variables que la gente subestima sistemáticamente

El impacto del tiempo de respuesta en la conversión

En B2B, la velocidad de respuesta a una solicitud es uno de los factores más correlacionados con la conversión. Estudios del sector muestran que responder a un lead en menos de 5 minutos multiplica la probabilidad de conversión por 9 respecto a responder en 30 minutos. En el caso del distribuidor de construcción, el proceso manual significaba que algunos pedidos por email se procesaban al día siguiente. Ese día de diferencia tenía un coste en conversión que no estaba capturado en los 504€ de leads abandonados.

No siempre podemos cuantificar este factor con precisión, pero ignorarlo subestima el ROI de forma significativa en cualquier proceso que incluya respuesta a clientes.

El coste de onboarding de nuevo personal

Cada vez que hay rotación en el equipo, alguien nuevo tiene que aprender el proceso manual. Cuanto más complejo y dependiente de conocimiento tácito es el proceso, más caro es el onboarding. La automatización no solo reduce el trabajo recurrente: hace el proceso más resistente a la rotación porque las reglas están codificadas en el sistema, no en la cabeza de las personas.

Este coste rara vez aparece en el cálculo inicial pero es real y recurrente.

El coste verdadero de los errores

En el ejemplo anterior usamos 80€ por error. Pero el coste de un error tiene capas que no siempre se cuantifican:

El tiempo directo de corrección es visible y fácil de medir. Lo que no se mide tan fácilmente es el impacto en la confianza del cliente (¿cuántos clientes se van silenciosamente después de un error?), el riesgo legal en sectores donde los errores tienen implicaciones contractuales, y el tiempo de los managers que tienen que gestionar las excepciones.

Para procesos con errores frecuentes, multiplicar el coste estimado por 1.5 o 2 suele ser más realista que el coste de corrección directo.

Cuándo NO automatizar

El cálculo de ROI no siempre sale positivo. Y eso está bien. Hay procesos que no deben automatizarse, y saber cuándo no hacerlo es tan importante como saber cuándo hacerlo.

Procesos que cambian cada pocos meses. Si el proceso que vas a automatizar lleva seis meses funcionando así y es probable que cambie en los próximos seis, el coste de mantener la automatización actualizada puede superar el ahorro. Las automatizaciones bien construidas son mantenibles, pero tienen un coste de mantenimiento real cuando los requisitos cambian.

Procesos de volumen muy bajo. Si la tarea ocurre 3 veces al mes y tarda 20 minutos cada vez, estás hablando de 60 minutos/mes = 24€/mes de ahorro al coste de 12€/hora. A 1.500€ de implementación, el retorno sería de 62 meses. No automatices esto.

La regla adaptada de la Ley de Boehm: si la implementación cuesta más que el total de tiempo que vas a ahorrar durante la vida útil de la automatización, no la hagas. Define la vida útil razonablemente (2-3 años es habitual), calcula el ahorro total en ese período, y compáralo con el coste de implementación más el coste de mantenimiento estimado.

Tareas que requieren juicio humano en una proporción significativa. Clasificar emails es un ejemplo clásico. El 70% de los emails en una bandeja de atención al cliente son categorizables automáticamente: pedidos estándar, solicitudes de información habituales, confirmaciones. Pero el 30% restante requiere contexto, criterio, o decisión que no se puede codificar fácilmente. Automatizar el 70% aporta valor. Pretender que el 100% es automatizable crea fallos que cuestan más que lo ahorrado.

Cómo estructurar el diagnóstico en tres preguntas

Cuando analizamos un proceso antes de proponer una automatización, hacemos tres preguntas:

¿Cuántas veces por semana ocurre este proceso y cuánto tiempo tarda cada vez? Esto da el volumen de tiempo base. Si la respuesta es "dos veces por semana y 10 minutos" antes de escalar, puede que no merezca la inversión todavía. Si es "20 veces al día y 15 minutos", el cálculo cambia completamente.

¿Qué sale mal y con qué frecuencia? Los errores del proceso manual son a menudo el componente más rentable de automatizar, y el que más se subestima. Un error por semana que cuesta 2 horas de corrección y una llamada incómoda al cliente vale más en el cálculo de ROI de lo que parece a primera vista.

¿Qué pasa si el proceso tarda tres veces más de lo normal? Esta pregunta descubre los cuellos de botella y los efectos secundarios que el proceso manual tiene en otras partes del negocio. Si la respuesta es "el cliente espera tres días en vez de uno y a veces se va con la competencia", has descubierto un coste de oportunidad que probablemente no estaba en el análisis inicial.

El número que más importa

De todos los números que produce este análisis, el que guía la decisión es el período de retorno.

3 a 6 meses: La decisión es obvia. El riesgo es mínimo, el retorno es rápido, y cualquier mejora que llegue después del período de retorno es beneficio neto. Muy pocas automatizaciones bien planteadas se quedan sin retorno en este rango.

6 a 12 meses: La decisión depende del contexto. Si el proceso es estable y va a seguir igual durante los próximos años, 12 meses de retorno sigue siendo una buena inversión. Si hay incertidumbre sobre si el proceso va a cambiar, hay que ponderarlo.

Más de 12 meses: Necesitas razones más sólidas que el tiempo ahorrado para justificarlo. Puede haberlas: eliminación de un riesgo legal significativo, mejora de la calidad del servicio que justifica el precio, o habilitación de un crecimiento que no es posible sin la automatización. Pero el ahorro de tiempo por sí solo raramente justifica retornos de más de un año.

La mayoría de automatizaciones bien diagnosticadas tienen períodos de retorno de 2 a 6 meses. Eso no es porque elijamos los proyectos fáciles: es porque los procesos con mayor potencial de automatización suelen ser precisamente los que tienen mayor volumen, mayor frecuencia de error, y mayor coste por demora.

Calcúlalo antes de pedir presupuesto. El número que obtengas te dirá si la conversación merece continuar.