1 de cada 5 empresas no puede frenar el gasto de un agente de IA

Un agente que no tiene freno de gasto ya es un problema de CFO, no de TI

La última edición del VB Pulse, encuesta de VentureBeat sobre cómo las empresas están desplegando IA real (no la de los slides), trae un dato que debería encender las alarmas de cualquier founder que venda agentes o infraestructura para agentes: una de cada cinco empresas todavía no puede detener en tiempo real el gasto desbocado de un agente. Es decir, el agente puede seguir quemando tokens —y, por tanto, dinero— después de que alguien se dé cuenta de que algo va mal. No hay kill switch efectivo.

Este hallazgo no es aislado. Coincide con lo que reporta Gravitee en su State of AI Agent Security 2026: el número de agentes en producción dentro de la empresa media se duplicó en apenas cuatro meses entre diciembre de 2025 y abril de 2026, pero la cobertura de monitorización apenas pasó del 46,96% al ~52%. Es decir, la flota crece más rápido que los controles. El 54% de las organizaciones ya sufrieron o sospechan un incidente de seguridad o privacidad relacionado con un agente en los últimos 12 meses, según la misma encuesta de Gravitee sobre 750 ejecutivos y líderes técnicos.

Cuando la adopción corre más rápido que la instrumentación, el problema deja de ser técnico y se vuelve financiero.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Las empresas ya no eligen un ganador: ejecutan tres orquestaciones a la vez

La encuesta de VB Pulse cubrió 107 empresas y el retrato es nítido: la orquestación de agentes dejó de ser monógama. El 85% usa dos o más plataformas de orquestación y el 64% corre tres a la vez. Solo el 15% apuesta por un único proveedor. La razón no es solo evitar el lock-in; también hay desconfianza sobre la seguridad y los permisos que cada vendor impone.

El ranking de adopción actual, según VB Pulse:

Microsoft AI Foundry / Copilot Studio: presente en el 70% de los stacks.
OpenAI Agents SDK: en el 68%.
Anthropic Claude Platform: en el 47%.
Un 22% mantiene además orquestación custom in-house.

Y la fragmentación va a más. El 53% espera que su control plane sea híbrido a finales de 2026. Más de dos tercios planean cambiar de plataforma en los próximos doce meses: 15% en menos de tres meses, 24% entre tres y seis, y 28% entre seis y doce. Cuando preguntan qué evalúan como próximo paso, el Anthropic Claude Agent SDK lidera con un 43%, seguido por la plataforma enterprise de Google (alrededor de un tercio), orquestación custom (31%) y las opciones de OpenAI (25%).

En paralelo, los datos de Ramp sobre gasto empresarial en IA en EE. UU. (julio 2026) muestran una batalla reñidísima en la capa de modelo: Anthropic 43,5% frente a OpenAI 39,7% de las empresas que pagan por IA, con OpenAI creciendo más rápido en lo que va de Q3. La torta total también crece: el 55,7% de los clientes business de Ramp ya paga por algún producto de IA, frente al 50% de marzo.

Qué priorizan al comprar — y qué las frena

El criterio de compra se ha movido del modelo al control. El 29% cita la flexibilidad como factor principal, el 17% la seguridad y permisos, el 15% la fiabilidad en producción y otro 15% el control sobre la ejecución del agente. Solo el 10% pone en primer plano la afinidad con un modelo frontera (la model gravity), y apenas un 4% menciona el coste total de propiedad como prioridad.

¿Y dónde va el dinero del presupuesto de orquestación? A monitorización y debugging de agentes (31%) y a seguridad y permisos (30%). El tooling de workflow cae al 19% —un giro relevante frente a la ola anterior de la encuesta, donde lideraba el gasto. Las empresas están pagando, básicamente, por ver qué hacen sus agentes y por poder frenarlos.

En cuanto a las preocupaciones top al elegir plataforma, el ranking lo dice todo:

Limitaciones de seguridad y permisos: 37%.
Miedo al lock-in: 23%.
Visibilidad y observabilidad limitadas: 22%.
Inflexibilidad sobre modelos y herramientas: 16%.

La satisfacción general con las plataformas es razonable (4,17 sobre 5), pero baja a 3,91 en facilidad de implementación y a 3,63 en relación calidad-precio. Cuando los números de la parte baja de la tabla duelen, suele ser porque el TCO real no estaba en el contrato.

El agujero de los tokens: cómo (mal) controlan el gasto las empresas

Aquí vuelve el dato estrella de VB Pulse. Para mantener el gasto bajo control, las empresas usan estas estrategias:

30%: controles nativos de la plataforma (topes de presupuesto o throttling integrado).
25%: plumbing custom de gateway (middleware proxy que intercepta al agente).
25%: enrutamiento dinámico para derivar trabajo pesado a modelos más baratos.
21%: solo monitorización reactiva (logs post-mortem). Sin kill switch en tiempo real.

El 21% reactivo es exactamente el «una de cada cinco» del titular. Lo notable: el tamaño de la organización ya no marca diferencia. El 18% de las grandes (10.000+ empleados) y el 23% de las pequeñas siguen dependiendo solo de monitorización reactiva. La escala no compra madurez fiscal.

Esta dinámica coincide con el análisis de Daniel Fallmann, CEO de Mindbreeze, en Forbes: el consumo de tokens se está convirtiendo silenciosamente en una de las líneas de coste de más rápido crecimiento en los departamentos de TI, y la mayoría de organizaciones aún no están equipadas para gestionarlo. La metáfora que usa es directa: la IA está repitiendo el ciclo del cloud a finales de los 2000, pero más rápido, porque el consumo escala de forma invisible cuando la IA está embebida en el flujo de trabajo, no en un proceso de aprovisionamiento visible.

El mercado ya está reaccionando. Speakeasy lanzó el 21 de julio de 2026 un servicio de AI Cost Control que agrega gasto por empleado, equipo, modelo y tipo de cuenta, incluso cuando los empleados usan suscripciones personales en máquinas corporativas —un agujero clásico que las plataformas tradicionales no cubren. Databricks, según reportó Axios en junio de 2026, sacó controles enterprise específicos para capear el gasto en IA después de que varias organizaciones se encontrasen con facturas de IA de decenas de millones de dólares al mes. Hay dinero serio escapándose.

Qué significa esto para tu startup

Si estás construyendo o vendiendo agentes, esta encuesta redefine tu go-to-market. Las empresas no quieren «el agente mágico», quieren un agente que sepa cuándo parar y un dashboard que les diga cuánto lleva gastado. Tres movimientos accionables desde ya:

Instrumenta coste por sesión antes de tener feature parity. El 22% que ya corre orquestación custom in-house está enviando una señal: pagan por visibilidad. Un módulo de token telemetry (modelo, tokens, USD estimado, duración, agente que originó la llamada) diferenciará tu producto aunque compitas contra Microsoft u OpenAI. Speakeasy, Databricks y los gateways tipo Portkey/Cloudflare AI Gateway están validando la categoría.
Diseña para el switch, no para el lock-in. El 85% de tus clientes potenciales corre dos o más plataformas. Si tu SDK o framework asume que es el único, perderás deals. Mejor explícito: exporta trazas en OpenTelemetry genAI (el estándar que ya usa Speakeasy), soporta MCP y sé trivialmente portable. La flexibilidad es el criterio número uno de compra (29%).
Vende el kill switch, no solo el agente. Si tu producto incluye un presupuesto por agente, alertas en tiempo real y un corte programable, entras directo al top-2 de prioridades de gasto de tus clientes (monitorización 31%, seguridad/permisos 30%). El 21% de empresas que solo monitoriza post-hoc es tu beachhead: están maduros para el dolor pero no para construirlo ellas mismas.

Bonus: si vendes en LATAM o España, el problema escala igual. Los datos de Ramp muestran que la mediana de gasto en IA por empleado ya es de 11,95 USD/mes y el top 1% de empresas paga una mediana de 7.400 USD/mes. Cuando una pyme española con 50 empleados empieza a usar agentes sin control, su techo de gasto es idéntico al de una Fortune 500 —solo que sin FinOps para detectarlo.