Cierre 2026: 6 prioridades tecnológicas y el costo de la IA

Cerrar 2026 con resultados, no con pilotos

El 93% de las empresas que respondieron a una encuesta de McKinsey reconoció haber superado su presupuesto de IA, según un análisis publicado por Forbes. Para cualquier responsable de tecnología, el dato tiene una lectura incómoda: el último trimestre del año dejó de ser un trámite de cierre y se transformó en una auditoría sobre el retorno de cada inversión.

Ese es el marco que describe el artículo de IT NOW, basado en un trabajo de CIO que recogió las seis decisiones estratégicas que están tomando ejecutivos de Globant, RapidSOS, Quadient y Kenco Group para el tramo final del ejercicio. La promesa que la industria repitió durante meses —que la IA y la automatización se traducen en resultados financieros— es exactamente lo que ahora deben demostrar.

El costo de los tokens: la factura que nadie presupuestó

Sebastian Arriada, director de tecnología de Globant, reconoce que el consumo de tokens dentro de la compañía crece a un ritmo que describe como casi exponencial. Los tokens son las unidades con las que los modelos procesan información y generan respuestas; en la mayoría de los servicios comerciales, ese consumo determina buena parte del costo.

Por eso Globant está desplegando infraestructura de Nvidia que le permita ejecutar modelos de inteligencia artificial de código abierto por fuera de las APIs de terceros. La lógica es simple: si el volumen crece todos los meses, la dependencia de un proveedor externo se convierte en un riesgo financiero.

El fenómeno no es aislado. Según TechRepublic, muchas organizaciones presupuestaron la IA en 2026 como si fuera un SaaS tradicional, con un costo predecible de entre US$50 y US$100 por usuario. La intensidad de uso rompió ese supuesto: algunos equipos terminaron con gastos de más de US$1.000 por desarrollador.

El contexto ayuda a entender la magnitud del desajuste. El informe AI Index 2025 de Stanford HAI, citado por Forbes, señala que el costo de inferencia por millón de tokens de una capacidad equivalente a GPT-3.5 cayó de US$20 a 7 centavos entre 2022 y 2024, y aun así el gasto empresarial en modelos de lenguaje se triplicó en 2025. Cerca del 20% de las organizaciones redujo directamente su uso de IA por costos, según la misma fuente. Más barato por unidad, mucho más caro en total: ese es el nuevo equilibrio.

Como referencia de hacia dónde se mueve la infraestructura abierta, Nvidia presentó su familia de modelos Nemotron 3 con una versión Nano que, según WWWhat's New, parte desde US$0,06 por millón de tokens de entrada. El argumento no es solo el precio: es poder correr el modelo en servidores propios.

Terminar lo que ya tiene presupuesto asignado

Robert Field, director global de tecnología de Adler Advisors, pone el foco en un riesgo menos visible que el gasto excesivo: los proyectos que quedaron a medio camino después de recibir presupuesto, equipo y respaldo interno.

Su preocupación tiene dos consecuencias concretas que los CIO describen en el artículo. La primera es financiera y administrativa: la compañía opera con un presupuesto anual que ya contempla esos recursos, algunos vinculados a beneficios fiscales previstos. La segunda es de gestión: como las evaluaciones de desempeño se hacen por año calendario, un retraso arrastra también la medición del aporte de cada colaborador.

Para un equipo chico, el efecto es el mismo en proporción. Un proyecto que consume horas de ingeniería y no entrega nada antes del cierre distorsiona el presupuesto del año siguiente y desgasta la confianza interna.

La automatización se prueba cuando la demanda aprieta

Kenco Group, proveedor de servicios logísticos, vive el último trimestre como su período de mayor exigencia operativa. Su director digital y de información, Pal Narayanan, lo dice sin rodeos: será el momento de comprobar si las nuevas tecnologías incorporadas resisten.

La empresa sumó niveles más altos de automatización y robótica en sus procesos. Ahora necesita verificar que esas herramientas sostengan la operación cuando el volumen llegue a su pico, no solo durante las pruebas controladas. Narayanan prepara a sus equipos para responder rápido ante incidentes y coordina con proveedores la disponibilidad de capacidad adicional.

La lección para cualquier startup es directa: un sistema automatizado puede funcionar perfecto con diez usuarios y romperse con mil. Las inversiones en automatización necesitan pruebas de capacidad, protocolos de contingencia y planes de respuesta antes de que llegue la temporada alta.

Dejar de ser el área que solo resuelve tickets

Otra prioridad que aparece en el artículo es la relación entre tecnología y las unidades de negocio. Field usa el último trimestre para reunirse con otros líderes, revisar el desempeño de los proyectos y entender sus prioridades para el año siguiente. No se trata de conversaciones sueltas: mantiene registros de reuniones y de las preferencias de comunicación de sus colegas, y promueve que su equipo construya relaciones directas con sus contrapartes.

Jason Brucker, director gerente de soluciones para CIO en Protiviti, coincide en que el cierre del año es una etapa especialmente dura: los equipos intentan terminar lo pendiente mientras sostienen la operación diaria, participan de la planificación del período siguiente y responden a los pedidos de la alta dirección.

Si tecnología solo aparece cuando algo se rompe, cualquier discusión sobre presupuesto arranca en desventaja. La conversación sobre prioridades hay que tenerla antes de pedir los recursos, no después.

¿Qué significa esto para tu startup?

Si tu equipo está cerrando el año con proyectos de IA abiertos, estas son las decisiones que puedes tomar esta semana:

• Audita los proyectos inconclusos. Lista todo lo que tiene presupuesto asignado y no entregó nada medible. Decide para cada uno: se termina en el trimestre, se pausa formalmente o se cancela. Un proyecto zombie cuesta más que uno cancelado.
• Mide el costo de los tokens, no los asientos. TechRepublic describe cómo los equipos que miden el gasto por desarrollador se pierden la mitad del problema. Etiqueta el consumo por flujo de trabajo —desde el requerimiento hasta el pull request— y sabrás qué proceso está quemando presupuesto.
• Aplica límites inteligentes antes que bloqueos. TechRepublic relata que imponer topes de uso no frenó el trabajo: empujó a los equipos a rutear tareas simples a modelos más chicos y reservar los tokens caros para los problemas complejos. Es una decisión de arquitectura disfrazada de política de gasto.
• Prueba la automatización con el volumen del peor día. Antes de declarar un sistema listo, somételo a la carga del pico anual, no del promedio. Define quién responde si falla y qué proveedor puede darte capacidad extra.
• Habla con las áreas de negocio antes del presupuesto. Reúnete con cada líder, documenta sus prioridades y anota cómo prefiere recibir información. La sección que no pide nada durante el año es la que después cuestiona tus gastos.

Conclusión

El cierre de 2026 va a separar a las empresas que convirtieron la experimentación con IA en capacidad operativa de las que siguen acumulando pruebas piloto. La diferencia no la define la herramienta elegida, sino la disciplina para medir lo que cuesta, probar lo que se implementa y cerrar lo que ya se empezó.

Para un founder, la buena noticia es que casi nada de esto requiere más presupuesto. Requiere tres cosas que sí están bajo su control: visibilidad sobre el consumo, criterio para decidir qué no se termina y conversaciones con el negocio antes de que llegue la factura.

Fuentes

• IT NOW: Prioridades tecnológicas que las empresas deben resolver antes de cerrar 2026 (fuente original)
• TechRepublic: The CFO-CIO Reality Check - Governing DevSecOps and AI Costs
• Forbes: Hidden Token Costs Make AI Prohibitively Expensive, But FinOps Can Trim The Bill
• Europa Press: Globant presenta Glob.AI y reinventa los servicios de tecnología para la era de la IA
• WWWhat's New: Nvidia apuesta por la infraestructura abierta con Nemotron 3