Las empresas están entusiasmadas con la integración de la IA en sus operaciones, pero la parte del pago está resultando mucho más complicada de lo esperado. Una amplia encuesta realizada a 2.145 altos ejecutivos en 20 países mostró que el 29% de los directivos tiene dificultades para comprender y controlar los costes operativos al empezar a escalar la adopción de IA.

Este “golpe al bolsillo” surge de una realidad simple: la forma en que las grandes tecnológicas cobran por la IA ha cambiado.

A medida que Anthropic y OpenAI se desplazan hacia modelos de facturación basados en el uso, el verdadero coste de la IA empieza a hacerse evidente.

Cuando la IA ya no se vende como un paquete cerrado

En los últimos tiempos, nombres importantes como Anthropic, OpenAI y GitHub han comenzado a cambiar algunos de sus servicios desde suscripciones de tarifa plana hacia modelos de facturación según el uso real.

Este cambio es similar a pasar de una tarifa plana de internet a pagar por cada cantidad de datos consumida. Esto hace que la previsión presupuestaria sea mucho más compleja. Muchas organizaciones reconocen que todavía no tienen la capacidad suficiente para prever, supervisar y gestionar eficazmente el gasto en IA bajo este nuevo modelo de precios. Incluso con la tendencia de implementar AI Agents, alrededor de un tercio de los altos ejecutivos considera que la falta de comprensión sobre los costes y la economía de la IA es una barrera importante.

Debido al aumento de costes y a los cambios constantes en las estructuras de precios, muchas empresas se han visto obligadas a recalcular sus planes. Casi la mitad de las organizaciones encuestadas afirmó que tuvo que retrasar o ralentizar la implementación de IA al comprobar que los costes superaban el valor real obtenido. En su lugar, están dirigiéndose hacia modelos de IA más económicos pero de alta precisión, un segmento que está teniendo una influencia creciente en las estrategias de IA corporativas.

Sin embargo, esto no significa que las empresas hayan perdido la confianza en la IA. En realidad, están siendo más realistas: evalúan cuidadosamente dónde genera valor real la IA y concentran el capital en las áreas con retornos más claros.

La carrera de gasto de los gigantes tecnológicos

Mientras las empresas tienen dificultades para ajustar sus presupuestos de IA, los grandes proveedores de infraestructura cloud siguen invirtiendo enormes cantidades de dinero en este sector. Amazon prevé gastar alrededor de 200.000 millones de dólares en inversión de capital este año, un 50% más que el año pasado, principalmente para mejorar la capacidad de procesamiento de IA en los centros de datos de AWS. Microsoft tampoco se queda atrás, con un gasto previsto de hasta 190.000 millones de dólares, un aumento del 61%.

Para estimular la demanda y ayudar a los clientes a gastar de forma más eficaz en su infraestructura, ambos gigantes están invirtiendo fuertemente en equipos de ingeniería de apoyo directo. Amazon anunció una inversión de 1.000 millones de dólares en AWS Forward Deployed Engineering para ayudar a los clientes a adoptar AI Agents con mayor facilidad y reducir el tiempo de implementación. Microsoft, por su parte, destinó 2.500 millones de dólares a una nueva entidad operativa llamada Microsoft Frontier Company, diseñada para ayudar a los clientes a optimizar las capacidades de IA y definir su propio valor competitivo.

El problema de la gobernanza y el efecto búmeran de la IA

Además del dinero, la siguiente gran barrera de la IA sigue siendo la gobernanza: ¿quién se hace responsable de las decisiones erróneas o de la información “alucinada” generada por la IA?

Los expertos señalan que la responsabilidad de los directivos es crucial, pero el éxito o fracaso de la gobernanza de la IA depende finalmente de los procesos operativos reales del día a día.

Cabe destacar que incluso grandes organizaciones de investigación y consultoría a veces tropiezan precisamente por culpa de la IA. Recientemente, una entidad de análisis revisó un informe sobre IA de una gran consultora y descubrió un hecho sorprendente: solo 5 de las 45 fuentes citadas en el informe eran correctas. El resto eran datos erróneos, detalles inventados o referencias demasiado vagas para verificarse. Posteriormente, el informe defectuoso fue retirado discretamente de varios sitios web, junto con la promesa de revisar los procedimientos de supervisión humana al utilizar IA.

Está claro que la IA es inteligente y cómoda, pero si las empresas permiten que esta tecnología funcione sin controles estrictos —tanto financieros como de verificación de información—, el precio puede llegar en forma de facturas enormes y costosas lecciones para la reputación de la marca.

Conclusion:
The AI boom is moving from experimentation to financial discipline. Companies that centralize cost monitoring, define clear use cases and combine AI adoption with strong governance will be better positioned to avoid budget shocks, hallucination risks and reputational damage.