Gastos en IA ocultos

Fuente: Byte · tecnologia · nacional, España

Gastos en IA ocultos

El gasto en inteligencia artificial ya no se concentra en una única partida del presupuesto tecnológico. Se reparte entre API de modelos, asistentes de programación, plataformas de productividad, aplicaciones independientes y funciones de IA integradas en programas y software que las organizaciones ya están pagando. Algunos costes son fijos y dependen de las licencias contratadas; otros aumentan en función del uso. El gasto en IA está creciendo con rapidez. Gartner prevé que el gasto mundial en modelos y plataformas de IA alcance los 64.000 millones de dólares en 2026, un 63,4% más que en 2025. A medida que aumenta la adopción, las organizaciones también afrontan una mayor presión para controlar los costes y demostrar qué resultados aportan estas inversiones. Sin embargo, está surgiendo un problema financiero menos evidente. Las organizaciones no solo tienen dificultades para saber cuánto gastan en IA, sino también para entender por qué están pagando exactamente. En la gestión tradicional del software, resulta relativamente sencillo identificar el gasto en recursos que no se utilizan. Las organizaciones pueden comprobar qué licencias están asignadas, cuáles permanecen inactivas y qué aplicaciones han dejado de ser necesarias. La IA complica esta tarea, porque varios productos pueden ofrecer funciones similares. En todos estos casos, las herramientas pueden estar utilizándose activamente, por lo que una auditoría convencional de software podría detectar poco gasto aparentemente innecesario. Las duplicidades se hacen más evidentes cuando se analiza qué hace realmente cada herramienta. Los equipos pueden recurrir a modelos de lenguaje de gran tamaño (LLM) de propósito general para cubrir distintas necesidades y, al mismo tiempo, pagar por herramientas especializadas de IA que ofrecen funciones similares. A medida que los proveedores sigan incorporando prestaciones de IA al software existente, estas duplicidades se multiplicarán. Una auditoría centrada únicamente en el gasto por aplicación puede no revelar si una función ya está disponible a través de otra suscripción, lo que dificulta identificar gastos redundantes y justificar el coste de cada herramienta. Cada decisión puede ser razonable por separado, pero la organización puede perder de vista el coste conjunto. La API del modelo puede incrementar el consumo de recursos en la nube; la aplicación de IA puede requerir integraciones adicionales; y el flujo de trabajo automatizado puede generar un volumen de uso considerablemente mayor a medida que se extiende su adopción. La encuesta Global AI Pulse Q2 2026, de KPMG, reveló que solo el 35% de los directivos afirmaba tener una visibilidad completa de los gastos operativos de la IA, mientras que el 42% señalaba que disponía de una visibilidad parcial. Además, las organizaciones con plena visibilidad de estos costes tenían cinco veces más probabilidades de afirmar que habían constatado un retorno de la inversión. Por tanto, la visibilidad financiera tiene implicaciones que van más allá del control de costes. Sin ella, los equipos financieros ven el gasto sin comprender la actividad que lo genera, mientras que los equipos tecnológicos observan la adopción sin disponer de una visión completa de su impacto económico. Los agentes de IA añaden otra capa de complejidad. Pueden iniciar acciones, interactuar con múltiples sistemas empresariales y consumir recursos de modelos e infraestructuras sin que una persona tenga que poner en marcha cada tarea. Gartner prevé que, en 2028, las empresas de la lista Fortune 500 operen, de media, con más de 150.000 agentes de IA, frente a los menos de 15 de 2025. La consultora recomienda mantener un inventario centralizado, definir las identidades y los permisos de los agentes y supervisar continuamente su comportamiento. #IA #InteligenciaArtificial #PresupuestoTI #CostosEmpresariales #Gartner #KPMG

También lo cubren: revistabyte.es.

🔗 Leer la noticia completa en Byte

Ver más en NewsToday