Las compañías aumentan su inversión tecnológica, mientras el gasto en inteligencia artificial se vuelve cada vez más difícil de regular

La manera en que las organizaciones destinan recursos a la tecnología está experimentando una profunda reconfiguración, que no solo altera los instrumentos empleados, sino también los procesos de planificación, contratación y supervisión de dichos recursos. Aplicaciones informáticas, servicios en la nube e inteligencia artificial ocupan una proporción cada vez mayor del presupuesto corporativo y, simultáneamente, introducen modelos de suscripción y facturación por uso que dificultan la previsión del gasto total en tecnología.

Un estudio realizado por las consultoras yCon Research y Cloudbeach indica que, a nivel global, las empresas destinan en promedio cerca del 5 % de sus ingresos a soluciones tecnológicas, aunque este porcentaje puede oscilar entre el 2 % y el 10 % según el sector y el grado de digitalización.

Las diferencias sectoriales son notables. Las industrias intensivas en datos, como los servicios financieros, seguros y compañías tecnológicas, pueden superar el 8 % o incluso el 10 % de sus ventas, mientras que en sectores donde predominan los activos físicos, como la manufactura, la construcción y la agroindustria, la inversión tecnológica suele situarse entre el 2 % y el 5 %.

En el contexto argentino aún no se cuenta con una métrica local que permita establecer un promedio para el conjunto de las empresas. La referencia utilizada en el informe proviene de Aníbal H. Serantes, pro‑tesorero de la cámara del software CESSI, quien advierte que la tecnología ha dejado de ser una partida exclusiva del área de sistemas para convertirse en un activo estratégico directamente ligado al negocio.

“La tecnología ahora se evalúa como una inversión estratégica, definida en los niveles más altos de la organización y bajo una lógica de retorno vinculada al negocio”, señala Serantes. El objetivo también se ha ampliado: ya no se trata solo de ganar eficiencia o reducir costos, sino de generar nuevas fuentes de ingreso, productos digitales, modelos de suscripción y servicios.

Del software adquirido a la tecnología consumida

Uno de los cambios más relevantes se dio en la forma de financiar la tecnología. El modelo clásico consistía en comprar licencias e infraestructura mediante desembolsos únicos, registrados como inversión de capital (Capex). La expansión del SaaS (software como servicio) y de la nube ha trasladado una parte creciente del gasto a esquemas de Opex, basados en suscripciones y consumo.

“Del pago puntual de licencias e infraestructura (CAPEX) se pasó a un modelo de suscripción y facturación por uso (OPEX), impulsado por el SaaS y la nube, que vuelve la inversión más flexible y sostenida en el tiempo”, explica Serantes.

Esta transformación tiene repercusiones en la gestión presupuestaria. Una licencia comprada constituye una decisión de inversión concreta, mientras que una suscripción puede convertirse en un gasto recurrente que se acumula con decenas o cientos de herramientas contratadas por distintas áreas.

Entre las categorías de SaaS más empleadas se encuentran las soluciones de productividad y colaboración, como el correo electrónico, suites de oficina, videoconferencias y mensajería instantánea. También ganan protagonismo los sistemas de gestión empresarial, tales como ERP, CRM y HCM, junto a plataformas de ciberseguridad, datos y analítica.

A esto se suma la integración de IA dentro de los propios productos de software. Asistentes virtuales, copilotos y herramientas de analítica automatizada empiezan a formar parte de plataformas ya utilizadas por las compañías, difuminando la línea entre el gasto tradicional en software y la inversión específica en inteligencia artificial.

Nube: de miles a millones de dólares

El gasto en infraestructura cloud muestra una dispersión aún mayor. Según CESSI, una pyme puede registrar consumos de algunos miles de dólares al año, mientras que una gran corporación o una empresa intensiva en datos puede llegar a invertir cientos de miles o incluso millones de dólares anuales.

Inicialmente, la nube se expandió como motor de la transformación digital y como medio para lograr escalabilidad y flexibilidad. Posteriormente, recibió el impulso del teletrabajo y de los servicios digitales. Hoy, cuenta con un nuevo motor: la inteligencia artificial, que exige capacidad adicional de procesamiento, almacenamiento y manejo de datos.

Paralelamente, la IA ya ocupa un lugar definido en los planes de inversión de las empresas de la economía del conocimiento. Según datos de Argencon, el 41,5 % de las organizaciones encuestadas proyectaba desplegar inteligencia artificial en todas sus áreas, y para un 17 % constituía el proyecto estratégico principal para 2026.

Sin embargo, la puesta en marcha no se limita a la adquisición de una licencia. La capacitación, la adaptación de procesos y los cambios organizacionales también forman parte del costo total.

“El gasto es el punto de partida, pero el impacto dependdrá de la capacidad de cada organización para integrar estas herramientas, adaptar sus procesos y formar a sus equipos”, afirma Leandro Mora Alfonín, director ejecutivo de Argencon.

El costo oculto de los tokens

La inteligencia artificial generativa ha introducido además una modalidad de gasto que puede resultar especialmente difícil de presupuestar: el pago por tokens.

Alexander Ditzend, presidente de la Sociedad Argentina de Inteligencia Artificial (SAIA), distingue entre suscripciones por usuario y automatizaciones que operan de forma autónoma.

En el primer caso, la empresa puede contratar un plan corporativo para un número determinado de empleados y conocer de antemano el costo mensual. En cambio, cuando se desarrollan bots o automatizaciones que procesan información de manera continua, el gasto puede depender del volumen de utilización.

El problema surge cuando esas automatizaciones comienzan a consumir tokens sin límites previamente establecidos. “Algunas compañías empezaron a innovar mucho en ese sentido y no tuvieron en cuenta los tokens que consumían esas automatizaciones, no establecieron un tope, no definieron una política de gasto y llegaron las sorpresas”, indica Ditzend.

Por ello, el diseño de la implementación se vuelve una variable directamente vinculada al costo. Una automatización mal concebida puede multiplicar innecesariamente el consumo y convertir una herramienta destinada a reducir tiempos y costos en una nueva fuente de gasto.

Cómo saber si la inversión en IA funciona

El otro lado del desafío consiste en determinar si el capital invertido está generando los resultados esperados. El volumen de uso de la inteligencia artificial no es necesariamente un indicador de retorno.

Ditzend advierte que algunas organizaciones llegaron a emplear como KPI la cantidad de tokens consumidos por cada área, una métrica que muestra cuánto se utiliza una herramienta pero no el valor que aporta a la organización. El riesgo es que el consumo se convierta en el objetivo en lugar de ser un medio para alcanzar una mejora concreta.

El informe propone, pues, una revisión de los criterios de evaluación de las inversiones en IA: el indicador relevante debe estar relacionado con el resultado del proceso. Por ejemplo, cuánto cuesta resolver un ticket, procesar un caso o generar una propuesta, en lugar de simplemente contabilizar cuántos tokens fueron empleados.

En este esquema, la gobernanza adquiere un papel central. Implica conocer quién utiliza las herramientas, cuánto consumen y con qué fin, así como contar con responsables capaces de detectar comportamientos anómalos antes de que se traduzcan en costos difíciles de corregir.

El gasto invisible que se oculta dentro de las empresas

La proliferación de herramientas digitales también genera un problema de visibilidad. Según Alan Gucovschi, coautor del informe y cofundador de Cloudbeach, el inconveniente no radica tanto en el precio de cada solución, sino en la ausencia de una visión consolidada del gasto total.

“La mayoría de las empresas no tiene un problema de precio, tiene un problema de visibilidad”, sostiene. Entre los principales focos aparecen licencias SaaS contratadas sin uso efectivo, consumo cloud sobredimensionado y automatizaciones de IA sin límites de gasto.

A esto se suma la denominada “IA en la sombra”: herramientas adquiridas directamente por empleados o áreas de negocio para atender necesidades específicas, muchas veces mediante tarjetas corporativas y sin pasar por los canales tradicionales de sistemas o compras.

La primera medida para ordenar el gasto consiste, según el informe, en disponer de un inventario único de licencias, consumos y suscripciones, incluyendo aquellas adquiridas fuera del área de tecnología. El segundo paso es establecer una métrica de costo por resultado para cada iniciativa de IA y, finalmente, fijar límites de gasto por área con alertas que permitan intervenir antes de recibir la factura.

El cambio estructural implica pasar de un control mensual a uno que acompañe el consumo en tiempo real. “El gasto se mueve por hora y el control sigue siendo mensual”, plantea Gucovschi, describiendo una tendencia hacia sistemas capaces de detectar consumos, advertir desviaciones y aplicar correcciones antes de que el gasto quede consolidado.

América Latina: adopción veloz y control tardío

El desafío adquiere una dimensión particular en América Latina, donde la rapidez de adopción de la inteligencia artificial convive con una menor madurez en la gobernanza del gasto.

Según Marcelo Parlamento, coautor del informe y socio director de Cloudbeach Latam, el 93 % de los trabajadores de la región utiliza herramientas de IA, frente a un promedio global del 83 %. Sin e

Fuente: Ambito.com