La inteligencia artificial (IA) está ganando un espacio cada vez mayor en los presupuestos tecnológicos de las empresas. Según una proyección de Forrester, esta tecnología representará el 20% del gasto corporativo en TI durante 2027. Sin embargo, el incremento de los recursos destinados a su adopción no necesariamente está acompañado de mejores resultados financieros. La consultora advierte que más de la mitad de los ejecutivos de TI podrían incumplir sus objetivos de retorno de inversión (ROI).
De acuerdo con los resultados de Forrester, difundidos por Computerworld, el 45% de los responsables de decisiones sobre IA considera que una inversión debe generar un retorno positivo en un plazo máximo de un año para ser considerada exitosa. No obstante, solo el 22% reportó un impacto positivo en las utilidades operativas de su empresa durante los últimos doce meses.
La diferencia entre las expectativas de rentabilidad y los resultados obtenidos evidencia una dificultad que enfrentan los responsables de tecnología: justificar inversiones cuyo impacto puede depender de transformaciones organizacionales que requieren más tiempo que la implementación de las propias soluciones.
El problema no es solo tecnológico
Uno de los factores identificados por Forrester es que las empresas están incorporando inteligencia artificial sin modificar suficientemente sus estructuras organizacionales y procesos de trabajo. En consecuencia, los beneficios económicos tienden a concentrarse en aplicaciones específicas, sin traducirse necesariamente en mejoras para el conjunto del negocio.
Esta situación también aparece en otras investigaciones. El informe The State of AI 2026, de McKinsey, señala que el 80% de los encuestados afirma que la IA ha mejorado su productividad individual. Sin embargo, solo el 37% atribuye a esta tecnología algún impacto en las ganancias antes de intereses e impuestos (EBIT) de sus organizaciones.
Además, apenas el 6% de los participantes pertenece a empresas que McKinsey clasifica como organizaciones de alto desempeño en IA: aquellas que reportan una contribución de al menos 5% al EBIT y consideran significativo el impacto de esta tecnología.
Los resultados sugieren que mejorar la productividad de los trabajadores no garantiza, por sí solo, un beneficio financiero a escala empresarial. Para lograrlo, las organizaciones necesitan revisar cómo se ejecutan las actividades, cómo se distribuyen las responsabilidades y de qué manera las capacidades tecnológicas se integran en los procesos del negocio.
De hecho, McKinsey identifica que las organizaciones con mejores resultados no se limitan a automatizar tareas existentes. También rediseñan sus flujos de trabajo, incorporan la IA en distintas funciones y establecen prácticas para medir su impacto y gestionar los riesgos asociados.
El costo de la IA también obliga a revisar las inversiones
La rentabilidad no es el único desafío. A medida que las empresas amplían el uso de inteligencia artificial, también aumentan los costos asociados con infraestructura, procesamiento de datos, integración de sistemas y consumo de modelos.
Según McKinsey, aproximadamente el 20% de los encuestados reconoce que los costos operativos, incluidos los derivados del consumo de tokens, han limitado el uso de IA en sus organizaciones. Pese a ello, el 60% espera incrementar sus inversiones durante los próximos doce meses.
En este escenario, Forrester anticipa una mayor utilización de modelos de IA de pesos abiertos (open-weight), que permiten acceder a los parámetros del modelo y ofrecen alternativas de implementación potencialmente más económicas para determinadas aplicaciones empresariales.
La consultora proyecta que estos modelos concentrarán el 50% del consumo de tokens de IA, pero representarán apenas el 5% del gasto empresarial en esta tecnología durante 2027.
Aplicaciones como el procesamiento de documentos, la atención al cliente y las búsquedas de información interna podrían apoyarse en estos modelos, mientras que las soluciones propietarias más avanzadas se reservarían para tareas complejas o críticas, en las que los errores pueden generar consecuencias significativas.
No obstante, la elección del modelo debe considerar también los costos de infraestructura, mantenimiento, seguridad y personal especializado. Un menor costo por token no garantiza necesariamente un menor costo total de operación.
De la inversión tecnológica al valor empresarial
La necesidad de mejorar los resultados está modificando las prioridades de los responsables de tecnología. En sus guías de planificación presupuestaria para 2027, Forrester recomienda reducir las inversiones en pilotos de IA que carezcan de responsables definidos, criterios de éxito, gobernanza o una ruta clara para ampliar su implementación.
También plantea priorizar la calidad de los datos, la preparación organizacional y la modernización de los procesos que permitan aprovechar las nuevas capacidades tecnológicas.
Una investigación de Gartner, realizada entre enero y abril de 2026 con 1,303 participantes de organizaciones con ingresos anuales de al menos US$ 50 millones, refuerza esta necesidad. Solo el 22% de las organizaciones había conseguido escalar la IA en varias unidades de negocio o adoptar un enfoque centrado en esta tecnología.
El estudio también encontró diferencias importantes en la medición de resultados. Las organizaciones de alto desempeño, caracterizadas por evaluar continuamente el retorno y reasignar recursos entre proyectos, reportaron retornos positivos en el 81% de sus iniciativas de IA. En contraste, las de bajo desempeño desconocían el retorno del 29% de sus iniciativas.
Estos hallazgos apuntan a la necesidad de administrar las inversiones en IA como un portafolio de proyectos con objetivos y resultados verificables, en lugar de evaluar su avance únicamente por la cantidad de soluciones implementadas.
Esto supone identificar los costos de cada iniciativa, establecer indicadores vinculados con productividad, ingresos o eficiencia operativa y revisar periódicamente cuáles justifican nuevas inversiones.
Con la inteligencia artificial encaminada a concentrar una quinta parte del gasto tecnológico empresarial en 2027, la discusión presupuestaria ya no estará limitada a cuánto invertir. También deberá abordar qué aplicaciones generan valor, cuáles requieren cambios organizacionales para alcanzarlo y cuáles deberían dejar de recibir financiamiento.
