Capgemini: Shadow AI devora el 59% del gasto en IA fuera de TI

El agujero negro de la IA bajo demanda

Un 58% de los ejecutivos describe los costos de la tecnología bajo demanda como un verdadero agujero negro para su organización, según el informe "La paradoja de la tecnología bajo demanda: equilibrar la velocidad y el gasto", del Capgemini Research Institute. La cifra no es retórica: el 68% de las organizaciones reconoce haber excedido su presupuesto de IA generativa, y un 61% admite que el alza combinada de nube, SaaS e IA ya está afectando directamente su rentabilidad.

El número más revelador, sin embargo, es dónde se decide ese gasto: el 59% del presupuesto de IA generativa se origina hoy en las áreas de negocio sin intervención directa de TI. Y el 98% de los líderes empresariales admite haber adquirido tecnología sin pasar por TI al menos en alguna ocasión. En otras palabras, la Shadow AI dejó de ser un caso aislado para convertirse en el flujo principal de adopción.

Por qué la Shadow AI se volvió la norma (y no la excepción)

La IA generativa llegó a las empresas más rápido de lo que evolucionaron sus mecanismos de gobernanza. Cualquier empleado con tarjeta corporativa puede hoy contratar un servicio de IA, activar una API o experimentar con un modelo nuevo sin pedir permiso al equipo de tecnología. Daniel Zavalza, CTO de Capgemini para el Norte de Latinoamérica, lo resume así: "La cuestión principal no es solo cuánto se invierte, sino qué visibilidad existe sobre ese gasto y el valor que genera".

🤖 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

El dato de comportamiento confirma el fenómeno. Un análisis de ShadowLock citado por TechRepublic en julio de 2026 estima que cada empleado utiliza entre tres y cinco herramientas de IA no autorizadas por mes, y el 69% de las organizaciones sospecha que existe uso prohibido de IA en sus redes. Para agravarlo, menos del 25% de las organizaciones tiene controles técnicos de gobernanza de IA implementados, según datos de Gartner recogidos en el mismo reporte.

Lo que muchos财务 líderes descubren demasiado tarde es que ese gasto invisible se acumula separado de las facturas de los proveedores sancionados. La detección sólo a nivel de red, según el estudio, deja pasar cerca de la mitad de la actividad.

Qué es FinOps y por qué solo no alcanza

FinOps es la disciplina que combina finanzas, tecnología y negocio para dar visibilidad sobre el consumo real de nube, SaaS e IA, optimizar costos y asignar responsabilidad compartida sobre el valor generado por cada inversión. Para Capgemini, no se trata de poner freno a la innovación, sino de decidir con información dónde invertir, cómo medir resultados y cuándo escalar.

El mercado formal respalda el movimiento. Según un reporte de SNS Insider publicado en julio de 2026, el mercado global de Cloud FinOps movió US$14.930 millones en 2025 y se proyecta en US$50.180 millones para 2035, con un crecimiento anual compuesto del 12,84%. Estados Unidos representará alrededor de US$13.400 millones y Europa US$11.920 millones al cierre del período, impulsado por cargas de trabajo de IA, GPU y estrategias multi-nube.

Un análisis de TechTarget advierte, sin embargo, que la FinOps tradicional de nube no aplica directamente a la IA generativa. Las cargas de IA cambian el modelo económico por cuatro razones clave: demanda de inferencia variable, cómputo intensivo en GPU, ciclos de experimentación acelerados y arquitecturas multimodelo multi-nube. Sumado a que los precios por token y por API pueden moverse semanalmente, el presupuesto fijo anual deja de tener sentido.

Gobernar la IA: del cloud-first al cloud-smart

El segundo informe de Capgemini, "La ventaja de la IA a largo plazo: construir la empresa del mañana", aporta la otra mitad del diagnóstico. Las empresas planean dedicar en promedio el 5% de su presupuesto total de negocio a iniciativas de IA en 2026, frente al 3% de 2025. Cerca de dos tercios de las organizaciones ya pausaron proyectos de menor prioridad para concentrarse en aquellos con mejores perspectivas de retorno.

El cambio de mentalidad propuesto por Capgemini va del cloud-first (adoptar nube siempre) al cloud-smart (adoptar nube e IA donde generen valor, con entendimiento claro de costos y beneficios). En palabras del informe, se trata de "fortalecer la gobernanza, reforzar las capacidades de datos e infraestructura y reasignar recursos hacia iniciativas con mayor impacto".

Un estudio de Microsoft Research recogido por TechRepublic en mayo de 2026 agrega un dato incómodo: tareas idénticas pueden variar hasta 30 veces en consumo de tokens entre ejecuciones, y los modelos más avanzados no logran predecir su propio gasto antes de ejecutar. Eso explica por qué empresas como Uber quemaron en cuatro meses su presupuesto anual de IA, Tesla terminó capando el gasto en US$200 semanales y Microsoft cerró licencias de Claude tras agotar su asignación anual, según el análisis de Forrester de julio de 2026.

¿Qué significa esto para tu startup?

Si sos founder y estás pagando cuentas de API o suscripciones a modelos, la lección de Capgemini aplica antes de que tu serie A escale el problema. Tres acciones concretas:

Instrumentá el consumo antes de que llegue la factura. Etiquetá cada llamada a modelo por equipo, producto y caso de uso. Sin telemetría por prompt y por token, gobernás a ciegas y el sobregasto aparece siempre tarde, según recomienda TechTarget.
Creá un comité cruzado de IA con finanzas desde el día uno. IT, finanzas, ingeniería y un responsable de negocio deben acordar umbrales de gasto, proveedores aprobados y reglas de tope por proyecto. El "consejo de costos cross-funcional" es la pieza que el 75% de las empresas todavía no tiene, según Gartner.
Modelá el presupuesto como rolling forecast, no como licencia fija anual. Si el 30x de varianza es la norma en tareas agentic, una partida anual rígida va a reventar. Reservá un porcentaje de experimentation con tope duro y otro de producción con cargo por uso medido.

La paradoja que Capgemini pone sobre la mesa no es nueva: cuanto más fácil es probar IA, más difícil es saber cuánto cuesta. La diferencia entre las startups que escalan IA con margen y las que queman caja en seis meses suele reducirse a una sola pregunta: ¿quién está mirando la factura mientras el equipo innova?.