El costo de procesar un millón de tokens con capacidad equivalente a GPT-3.5 cayó de US$20 en 2022 a US$0,07, y sin embargo el 93% de las empresas encuestadas por McKinsey en mayo de 2026 reconoce que ya superó su presupuesto de inteligencia artificial. No es una contradicción. Es la señal más clara de que la conversación sobre IA dejó de ser tecnológica y pasó a ser económica.
En las empresas medianas el patrón se repite: la IA entró por varias puertas a la vez (una licencia en comercial, un piloto en finanzas, un analista que usa una herramienta gratuita por su cuenta) y nadie tiene la foto completa de cuánto cuesta ni de cuánto devuelve. Los datos globales confirman que no es un problema local.
Adoptar no es capturar valor
Deloitte relevó a 1.326 líderes de finanzas para su informe Finance Trends 2026. El 63% dice tener soluciones de IA completamente desplegadas, pero solo el 21% cree que esas inversiones ya generaron valor tangible. Apenas el 14% integró agentes de IA en la función financiera.
En otras palabras: de cada tres empresas que desplegaron IA, solo una puede mostrar resultados.
La encuesta CFO Signals del segundo trimestre de 2026 agrega un matiz revelador. El 93% de los CFO afirma que su organización usa IA en múltiples funciones, y el 96% se declara confiado en su marco de gobernanza. Pero el 59% reconoce que su mayor desafío es equilibrar la presión por desplegar rápido con la gestión del riesgo, y solo el 19% se identifica como el principal responsable de esa gobernanza.
Hay mucha confianza declarada y poca responsabilidad asignada. En una empresa mediana, esa brecha suele traducirse en algo concreto: nadie es dueño del gasto en IA.
El gasto sube aunque el precio baje
McKinsey dedicó una serie completa a lo que llama The new economics of AI, y su diagnóstico central es incómodo: los tokens son la factura, no el valor. El consumo se multiplica más rápido de lo que cae el precio unitario.
Tres datos explican el fenómeno:
- Los agentes consumen órdenes de magnitud mayor. Una tarea agéntica puede usar alrededor de 1.000 veces más tokens que una consulta simple de chat. Cuando la empresa pasa de usos aislados a una adopción amplia, el gasto en IA se multiplica casi por cuatro.
- El costo es variable e impredecible. La misma tarea puede costar hasta 30 veces más según cómo se ejecute. Los promedios engañan, y un presupuesto anual fijo no captura esa volatilidad.
- Una parte del gasto es invisible. Entre el 20% y el 30% del gasto en IA suele no estar contabilizado, disperso en licencias individuales, pruebas y herramientas que nadie registró.
McKinsey proyecta que la IA llegará a representar cerca del 25% del presupuesto de tecnología de las empresas en pocos años. Sin embargo, solo entre el 20% y el 25% de las organizaciones tiene la disciplina de pronosticar, asignar y optimizar ese gasto.
Verificar es el nuevo hacer
Cerca del 60% del costo de una tarea agéntica se va en refinar, chequear y corregir respuestas. La mayor parte de lo que se paga no es producir, sino verificar lo producido.
Esto conecta con una idea que Harvard Business Review destacó este mes, basada en el trabajo de Christian Catalini (MIT): cuando la IA abarata la ejecución, la capacidad escasa pasa a ser la verificación. El costo de automatizar tareas cae de forma exponencial, mientras que el costo de verificar resultados sigue limitado por el tiempo y la atención de las personas.
La consecuencia práctica es directa: una empresa puede multiplicar por diez lo que sus agentes producen, pero el mismo equipo de cinco personas tiene que validar todo eso. Cuanto más barata es la ejecución, más se ensancha la brecha entre lo que el sistema genera y lo que la organización puede efectivamente controlar.
Para una empresa mediana esto cambia la pregunta de fondo. Deja de ser “¿qué podemos automatizar?” y pasa a ser “¿qué podemos verificar con la gente que tenemos?”. Las empresas que capturen valor no van a ser las que más produzcan con IA, sino las que mejor diseñen cómo controlar lo que la IA produce.
Lo que NO es la solución
Antes de las decisiones, conviene descartar tres reacciones habituales que encontramos en directorios de empresas medianas:
- Frenar la adopción. El costo de no adoptar también existe, y lo pagan quienes llegan tarde a procesos que la competencia ya automatizó.
- Delegar el tema en Sistemas. El gasto en IA es una decisión de asignación de recursos, no un problema técnico. Si no hay un dueño de negocio, no hay accountability por el retorno.
- Comprar más herramientas. La IA amplifica lo que encuentra. Si encuentra procesos ordenados, acelera; si encuentra desorden, lo automatiza.
La IA se va a volver rentable para las empresas que la gestionen como cualquier otro recurso escaso: con presupuesto, con dueño, con métricas de retorno y, sobre todo, con capacidad de verificar lo que produce. En la economía de la IA, el diferencial no está en hacer más, sino en saber qué de lo hecho merece confianza.
Referencias bibliográficas:
- McKinsey & Company — “The new economics of AI”, octubre 2026
- Deloitte — “Finance Trends 2026”, 2025
- Deloitte — “CFO Signals, segundo trimestre 2026”, 2026
- Harvard Business Review — “The AI Risk Your Company Is Overlooking”, octubre 2026
