Comunidad de Byte TI

Únete a la Comunidad de Directivos de Tecnología, Ciberseguridad e Innovación Byte TI

Encontrarás un espacio diseñado para líderes como tú.

Software empresarial gasto de IA

El gasto en IA oculto en el software empresarial podría estar mermando los presupuestos de TI 

El gasto en IA oculto en el software empresarial podría estar mermando los presupuestos de TI  1
Shobana Sruthi Mohan, analista empresarial de ManageEngine

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. 

La IA genera duplicidades que las auditorías tradicionales no detectan 

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. 

Un desarrollador puede utilizar un asistente de programación independiente, aunque su plataforma de desarrollo habitual ya ofrezca funciones parecidas. Un equipo de marketing puede suscribirse a una aplicación de redacción con IA pese a disponer de prestaciones equivalentes en su software de productividad. Una unidad de negocio puede incorporar la API de un modelo a un flujo de trabajo mientras otro equipo ya ha desarrollado una capacidad similar en otra parte de la organización. 

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. 

El gasto en IA se está convirtiendo en un punto ciego compartido 

La adopción de la IA también facilita que las decisiones de gasto se tomen fuera del departamento central de TI. Un desarrollador puede experimentar con la API de un modelo, un equipo de negocio puede suscribirse a una aplicación de IA o un empleado puede empezar a utilizar una función de IA incluida en una plataforma que ya utiliza. 

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 complicarán la planificación presupuestaria 

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. 

La proliferación de agentes tiene consecuencias económicas. Si un agente accede a varias aplicaciones, realiza llamadas a modelos y ejecuta flujos de trabajo de forma automática, no basta con conocer el precio de una suscripción para entender su coste. Las organizaciones tendrán que saber qué agente es responsable de cada actividad, con qué frecuencia se ejecuta, qué recursos consume y a qué proceso de negocio da soporte. 

Esto también cambia las previsiones de gasto. Cuando el coste de la IA depende del uso, puede aumentar porque crece el consumo, sin que sea necesario adquirir más licencias. Un flujo de trabajo que comienza como una pequeña prueba piloto puede generar un consumo considerablemente mayor cuando pasa a formar parte de la operativa diaria. 

La gobernanza debe incorporar la dimensión financiera 

La respuesta no consiste en someter cada iniciativa de IA a un largo proceso de aprobación. Las organizaciones necesitan suficiente visibilidad para fomentar la experimentación y, al mismo tiempo, mantener el control sobre el gasto y sus responsables. 

El primer paso es elaborar un inventario de las aplicaciones de IA, las API, las herramientas de desarrollo, las funciones integradas y los agentes. A partir de ahí, los equipos de TI y finanzas pueden identificar a los responsables, hacer un seguimiento del uso y detectar duplicidades, además de evaluar si las nuevas herramientas aportan valor más allá de las capacidades de las que ya disponen. 

Una herramienta específica para el seguimiento del gasto en IA puede reunir en una única vista las aplicaciones, las suscripciones, el consumo de API y los costes asociados. También puede detectar funciones duplicadas, patrones de uso inusuales, suscripciones inactivas y aumentos de costes, e incorporar el seguimiento de la actividad de los agentes y del consumo de los modelos a medida que se extiende su adopción. El objetivo es proporcionar a las organizaciones la visibilidad necesaria para ampliar las iniciativas que funcionan y revisar los gastos que han dejado de tener sentido, sin frenar la experimentación. 

Por Shobana Sruthi Mohan, Enterprise Analyst en ManageEngine 

Deja un comentario

Scroll al inicio