Los presupuestos para IA se disparan, pero el retorno de la inversión sigue siendo difícil de alcanzar

El gasto empresarial en IA generativa se ha disparado durante el último año, pero para muchos directores de sistemas de información (CIO), las conversaciones más difíciles no han hecho más que empezar. Los consejos de administración y los directores financieros ya no se preguntan si la organización está invirtiendo en IA, sino qué está obteniendo a cambio, en términos financieros cuantificables.

Según los analistas de Forrester Research, los presupuestos para la IA generativa han aumentado de forma sustancial año tras año, pero la mayoría de las organizaciones sigue teniendo dificultades para demostrar un retorno de la inversión sostenido. Las primeras pruebas piloto suelen parecer prometedoras, pero el valor se vuelve más difícil de explicar a medida que los sistemas se amplían, los costes fluctúan y aumentan las expectativas de gobernanza.

Las entrevistas con analistas, directores de sistemas de información (CIO) y líderes de plataformas de IA y gobernanza apuntan a un patrón constante. El problema no es que la IA falle técnicamente, sino que las empresas están aplicando modelos heredados de presupuestación, operación y rendición de cuentas a una tecnología cuya economía se comporta de manera muy diferente. Como resultado, el retorno de la inversión (ROI) se erosiona porque las organizaciones pierden la capacidad de explicarla, defenderla y priorizarla, no porque la IA deje de funcionar.

Enfoque de los analistas: del control de costes a la cocreación de valor

Desde la perspectiva de los analistas, el debate sobre el ROI de la IA se entiende mejor como parte de una convergencia más amplia entre TI y finanzas. Greg Zorella, analista principal de Forrester especializado en gestión financiera de TI, sostiene que las organizaciones de TI de alto rendimiento ya no tratan a las finanzas como un guardián centrado en la contención de costes. En cambio, las finanzas de TI se convierten en una capacidad para la entrega de valor estratégico, conectando la inversión en tecnología directamente con el crecimiento empresarial y la ventaja competitiva.

En su opinión, “las finanzas de TI no están ahí porque TI gaste mucho dinero, sino porque el gasto en TI puede impulsar realmente resultados estratégicos para la empresa”. Esa distinción es importante para la IA. Las inversiones tradicionales en TI —sistemas ERP, actualizaciones de infraestructura, licencias SaaS— encajan relativamente bien en los modelos financieros establecidos. La IA generativa no. Los costes se basan en el consumo, los patrones de uso son impredecibles y los beneficios suelen ser indirectos o ajustados al riesgo, en lugar de transaccionales.

Zorella señala que muchas empresas reconocen intelectualmente este cambio, pero subestiman el esfuerzo organizativo necesario para actuar en consecuencia. Una transparencia de costes madura depende de modelos de atribución compartidos, datos fiables y un acuerdo entre TI, producto, ventas y marketing sobre cómo se define el valor.

Y afirma: “Intentar hacer todo eso de una vez es demasiado”. Las organizaciones que avanzan suelen empezar con casos de prueba concretos que demuestran cómo una mayor visibilidad financiera mejora la toma de decisiones.

Es importante destacar que Zorella cuestiona la suposición de que exceder los presupuestos de TI sea intrínsecamente negativo. El gasto excesivo puede ser racional si refleja una inversión deliberada en iniciativas de mayor valor. El verdadero fracaso, argumenta, es gastar en exceso sin un mecanismo de priorización que permita a los líderes restar prioridad al trabajo de menor impacto cuando surgen nuevas oportunidades.

La realidad de las decisiones de los CIO: los presupuestos no se expanden para siempre

Ese marco analítico se enfrenta a una realidad mucho más limitada dentro de la empresa. Sumit Johar, CIO de BlackLine, empresa que desarrolla software de automatización y gestión financiera, describe la inversión en IA como un ciclo familiar. En los últimos años, el escepticismo inicial dio paso a la presión de los pares, ya que los consejos de administración y los ejecutivos exigían iniciativas de IA visibles.

Hoy, esa fase está llegando a su fin. Los responsables financieros están planteando preguntas más difíciles, y la IA ya no se trata como una categoría especial exenta de escrutinio.

“Si le digo a mi director financiero que el 95% de los empleados utiliza la IA, eso no significa nada”, afirma Johar, para añadir: “Es como decir que el 100% de los empleados utiliza el correo electrónico. A finanzas le importa el impacto en la rentabilidad, los ingresos o el riesgo; todo lo demás carece de importancia”.

Johar establece una clara distinción entre dos clases de inversión en IA. La primera son las plataformas de productividad generales —lo que denomina “IA cotidiana”— que ayudan a los empleados a redactar, buscar, resumir o analizar información. Estas herramientas pueden ser transformadoras desde el punto de vista cultural, pero son notoriamente difíciles de cuantificar. Las métricas de compromiso y las ganancias de productividad autodeclaradas rara vez superan el escrutinio financiero.

La segunda categoría consiste en iniciativas de IA orientadas a resultados y vinculadas explícitamente a las prioridades empresariales: acelerar la incorporación de clientes, reducir el tiempo de implementación, disminuir los costes operativos o aumentar el flujo de ingresos. Estas iniciativas compiten directamente con otras inversiones de la empresa y se evalúan en consecuencia.

Lo que más ha cambiado, en opinión de Johar, es que el gasto en IA ya no es acumulativo. Los directores de sistemas de información (CIO) no reciben aumentos presupuestarios incrementales “por la IA”. Cualquier inversión adicional debe financiarse mediante la reasignación de los presupuestos existentes. “Ya nadie invierte a ciegas en IA. Si queremos gastar más, tenemos que reasignar recursos”, sostiene.

En BlackLine, la gobernanza de la IA refleja esa realidad. Las iniciativas propuestas son revisadas conjuntamente por los responsables de TI, finanzas y negocio, con expectativas explícitas en cuanto a resultados y rendición de cuentas. El objetivo no es frenar la experimentación, sino garantizar que la responsabilidad de la creación de valor no recaiga únicamente en el director de sistemas de información.

“Se trata de un problema de transformación empresarial, no de un problema tecnológico. Si la responsabilidad recae únicamente en TI, nunca se obtendrá el valor esperado”, concluye Johar.

Modos de fallo operativo: por qué el ROI se desploma a gran escala

Incluso cuando las iniciativas de IA superan los obstáculos presupuestarios, muchas no logran generar un ROI sostenido una vez que traspasan la fase piloto. Según Jim Olsen, director técnico de ModelOp, fabricante de una plataforma de gestión del ciclo de vida y gobernanza de la IA, el colapso rara vez se debe a un único fallo. Es estructural. Los primeros proyectos de IA suelen desarrollarse en entornos controlados con datos limitados y un uso predecible. Los costes parecen manejables y el rendimiento parece sólido. Los entornos de producción se comportan de manera muy diferente.

“Desarrollas algo localmente y parece muy factible, pero una vez que llega a producción, los patrones de uso cambian, los contextos se multiplican y, de repente, aparece el verdadero coste”, admite.

La IA generativa amplifica este problema. La interacción libre del usuario aumenta el consumo de tokens de forma impredecible. Los modelos se integran en los flujos de trabajo y son reutilizados por múltiples equipos, lo que dificulta atribuir el coste o el valor a resultados específicos. Sin un inventario claro y un seguimiento del ciclo de vida, las empresas acaban gestionando el gasto en IA de forma agregada, mientras que el valor se crea o se pierde en los márgenes.

Olsen afirma que muchas organizaciones carecen incluso de un conocimiento básico de qué sistemas de IA tienen en producción. Por eso dice que “si no sabes lo que hay ahí fuera, no puedes medirlo, gestionarlo ni vincularlo al retorno de la inversión”.

El resultado es un patrón familiar: proyectos piloto prometedores seguidos de sobrecostes, seguidos de escepticismo. En algunos casos, los errores de gran repercusión hacen que las organizaciones se vuelvan reacias al riesgo, lo que ralentiza la adopción futura incluso en aquellos casos en los que la IA podría aportar una ventaja real.

La solución, argumenta Olsen, es tratar la IA como infraestructura industrial en lugar de como herramienta experimental. La gestión del ciclo de vida, que abarca el desarrollo, la implementación, la supervisión y la retirada, no es una carga burocrática. Es la única forma de mantener la rendición de cuentas a medida que los modelos evolucionan y el uso crece.

Gobernanza y defendibilidad: cuando hay que demostrar el valor

Sin embargo, la disciplina operativa por sí sola no basta. A medida que las inversiones en IA se enfrentan al escrutinio regulatorio y de los consejos de administración, la gobernanza determina cada vez más si el retorno de la inversión (ROI) puede defenderse en absoluto. Anthony Habayeb, director ejecutivo y cofundador del proveedor de software de gobernanza de IA Monitaur, sostiene que muchas iniciativas de IA fracasan en la revisión no porque funcionen mal, sino porque nunca se definió claramente el éxito.

A juicio de este directivo, “estamos corriendo con un martillo buscando un clavo. Si no sabes cómo es el éxito desde el principio, no podrás defender el ROI más adelante”.

Los fallos de gobernanza suelen salir a la luz solo después de la implementación, cuando las organizaciones intentan justificar el gasto de forma retroactiva. En ese momento, las lagunas en la documentación, la supervisión y la rendición de cuentas se convierten en pasivos. Los proyectos que carecen de objetivos o resultados claramente articulados son blancos fáciles cuando los presupuestos se ajustan.

Habayeb cuestiona la idea de que la gobernanza se centre principalmente en el cumplimiento normativo. En la práctica, afirma, la gobernanza mejora el retorno de la inversión al poner de manifiesto riesgos desconocidos y oportunidades de optimización. A medida que las organizaciones introducen validación y supervisión estructuradas, a menudo identifican formas de mejorar la precisión, la solidez y la eficiencia, lo que potencia directamente el impacto empresarial.

La presión regulatoria está acelerando este cambio. Marcos normativos como la Ley de IA de la UE están impulsando a las organizaciones a formalizar la supervisión, pero Habayeb afirma que las empresas más inteligentes están utilizando la regulación como función impulsora para desarrollar capacidades de gobernanza más amplias.

“La gobernanza no debería ser una partida de cumplimiento separada. Debería formar parte de cómo se hace que la IA funcione para el negocio”, dice para concluir.

Del entusiasmo a la perseverancia

En conjunto, estas perspectivas apuntan a una fase de maduración en la adopción de la IA por parte de las empresas. La cuestión ya no es si la IA puede aportar valor, sino si las organizaciones pueden demostrar que lo hace, de forma coherente, transparente y bajo escrutinio.

Las empresas que están avanzando comparten varias características. Alinean la inversión en IA con la estrategia empresarial en lugar de tratarla como una categoría independiente. Crean modelos financieros que tienen en cuenta los costes basados en el consumo y el valor indirecto. Imponen disciplina operativa a lo largo de todo el ciclo de vida de la IA. E integran la gobernanza desde el principio, no como un freno a la innovación, sino como base para la confianza y la sostenibilidad.

Para los directores de sistemas de información que planifican los presupuestos de 2026, el mensaje es aleccionador, pero constructivo. La IA no se justificará por sí sola. El valor debe diseñarse, medirse y defenderse, utilizando herramientas y prácticas que muchas organizaciones apenas están empezando a desarrollar.

La era de la IA como experimento está llegando a su fin. Ha comenzado la era de la IA como activo empresarial responsable.