Observabilidad: 55% de empresas no controla el coste de la IA

El 55% de las empresas no sabe cuánto le cuesta su IA

El 55% de las organizaciones reconoce que no puede controlar con precisión sus costes de IA. No es que la factura sea alta: es que nadie sabe de antemano cuánto va a subir. Ese es el hallazgo central del Splunk State of Observability 2026, el informe que Cisco publicó el 20 de octubre y que marca la sexta edición de este análisis del sector.

Para un founder que ya tiene agentes en producción, el dato tiene una lectura inmediata: si no puedes atribuir el gasto a un agente, un flujo de trabajo o un equipo concreto, tampoco puedes decidir si esa automatización está creando valor o solo consumiendo presupuesto.

El estudio recoge las respuestas de 2.050 profesionales de operaciones de TI e ingeniería de diez países y 16 sectores. La investigación la realizó Oxford Economics entre febrero y marzo de 2026. Conviene señalar una limitación metodológica: España no forma parte de la muestra, que incluye Australia, Francia, Alemania, India, Japón, Nueva Zelanda, Singapur, Arabia Saudí, Reino Unido y Estados Unidos. Los porcentajes no se pueden trasladar automáticamente al mercado español, pero sí describen un patrón operativo que se repite en cualquier empresa que despliegue agentes.

Por qué los agentes rompen el modelo de observabilidad tradicional

La observabilidad clásica se apoyó durante años en métricas, registros y trazas para saber si una aplicación o una infraestructura funcionaba. Los agentes añaden una capa incómoda: su comportamiento puede variar incluso ante tareas idénticas, porque sus decisiones dependen del modelo elegido, del contexto recibido, de las herramientas a las que tiene acceso y de las instrucciones que encadena durante la ejecución.

Eso obliga a vigilar indicadores que hasta ahora casi no aparecían en las operaciones de TI: calidad de las respuestas, uso de modelos, consumo, privacidad, decisiones adoptadas y aparición de alucinaciones. El 85% de los encuestados considera importante tener visibilidad sobre estas últimas, pero solo el 58% afirma ser eficaz al detectarlas. Y un 83% teme consecuencias no previstas de los agentes.

El problema de fondo es de propiedad. Según Infosecurity Magazine, el 38% de los encuestados dice que su organización todavía no tiene una responsabilidad claramente definida para monitorizar la IA, y el 42% señala que su principal dificultad es que la supervisión recae en un equipo distinto al que la despliega. Mark Woods, field CTO de Splunk para EMEA, lo resume con una frase que cualquier equipo pequeño reconocerá: cuando la observabilidad de agentes es tarea de todos, termina siendo tarea de nadie.

El coste de observar puede superar el coste de lo observado

Hay un segundo problema que suele pasar desapercibido hasta que llega la factura: observar también cuesta. El 57% de los participantes afirma que su gasto en telemetría llegó a superar el coste de la infraestructura que estaba monitorizando.

La causa principal no es la infraestructura de IA, sino el volumen de registros. Cisco señala que solo un 6% identifica la infraestructura de IA como su principal fuente de costes de observabilidad, mientras que los registros excesivamente detallados aparecen como el factor más citado. La pregunta deja de ser cuánto cuesta almacenar datos y pasa a ser qué información merece conservarse y durante cuánto tiempo.

En esa línea, dos tercios de los encuestados (67%) ya trabajan con una única plataforma de observabilidad. La lógica es clara: si las señales están repartidas en cinco herramientas, atribuir el gasto a un proceso concreto se vuelve casi imposible.

Observabilidad y seguridad ya no son departamentos separados

Los agentes con permisos para tocar aplicaciones corporativas, datos y servicios de terceros difuminan la frontera entre un fallo operativo y un incidente de seguridad. Un comportamiento anómalo puede venir de una instrucción mal escrita, de un problema de rendimiento o de un ataque.

Los números del informe muestran esa convergencia: el 81% asegura que supervisar cargas de IA aumentó la colaboración entre operaciones y ciberseguridad. La proporción de organizaciones donde ambos equipos comparten datos pasó del 74% al 84% en un año, y los equipos que resuelven problemas de forma conjunta subieron del 62% en 2025 al 77% en 2026.

Jeetu Patel, presidente y director de Producto de Cisco, plantea la cuestión en términos directos: gestionar agentes a escala obliga a replantearse a la vez la seguridad y la observabilidad, porque saber si un agente fue comprometido y saber si está haciendo bien su trabajo son preguntas inseparables. El informe también recoge un efecto positivo: el 86% dice que el despliegue de IA mejoró la velocidad con la que detectan incidencias de TI o seguridad, aunque un 14% opina lo contrario y apunta al tiempo extra que consume verificar si lo que dice el agente es correcto.

Qué hacen distinto las empresas que sí controlan el gasto

El informe separa un grupo de organizaciones que llama «líderes» por la madurez de sus prácticas. La categoría hay que leerla dentro de la metodología de Splunk, pero la comparación es útil: el 91% de ese grupo puede atribuir los costes de IA a agentes, modelos y cargas de trabajo concretos, frente al 69% del resto. Un 76% controla con precisión esos costes.

La diferencia no está en la herramienta, sino en el vínculo entre señal técnica y decisión de negocio. Una infraestructura capaz de decir qué agente consumió recursos, para qué proceso y con qué resultado permite asignar costes a unidades de negocio y comparar el gasto con el valor obtenido.

El mercado ya se está moviendo en esa dirección. Según CIO Dive, Google lanzó en agosto opciones de facturación flexible y controles de coste para agentes de IA, incluido un tope mensual de gasto; Oracle introdujo paquetes limitados de tokens para atar el precio de los agentes al valor de negocio, y AWS presentó un agente de FinOps para investigar anomalías de coste. Mitch Ashley, de The Futurum Group, resume el cambio de mentalidad en una frase recogida por ese medio: un informe mensual no puede gobernar un coste que se dispara en una tarde.

En España, Telefónica lanzó un servicio de observabilidad orientado a grandes empresas, mid market y administraciones públicas, con dos modalidades y una versión premium prevista para diciembre que incorpora OpenTelemetry y APIs para consultar datos y generar tickets automáticos, según El Confidencial.

¿Qué significa esto para tu startup?

No necesitas el presupuesto de una gran corporación para evitar que la factura de IA se te escape. Lo que necesitas es trazabilidad desde el primer agente.

• Etiqueta cada ejecución con su dueño. Antes de escalar, asigna a cada agente un equipo, un flujo de trabajo y un presupuesto con nombre. Si no puedes responder «qué proceso gastó estos tokens», ya tienes el problema que describe el 55% del informe.
• Pon límites antes de enviar la petición, no después. Topes de gasto por agente y límites de tasa en la capa operativa evitan que un bucle infinito se convierta en una factura sorpresa. Es la recomendación que Mitch Ashley detalla en CIO Dive.
• Enruta lo rutinario a modelos más baratos. No todas las tareas necesitan el modelo más potente. Reserva el modelo grande para lo que realmente lo requiere y deja que el resto corra en opciones más económicas.
• Define quién es el dueño de la observabilidad. Con equipos pequeños, la supervisión de agentes suele quedar huérfana entre producto, infraestructura y seguridad. Nombra a una persona responsable, aunque sea a tiempo parcial.
• Decide qué telemetría conservas. Guardar cada traza para siempre es la vía rápida a que el coste de observar supere el de operar. Define retención por tipo de señal y revisa el volumen cada trimestre.

La conclusión práctica es que la observabilidad dejó de ser una herramienta de diagnóstico para convertirse en un mecanismo de control presupuestario y de gobernanza. Para una startup que lleve IA agéntica a producción, saber cuánto cuesta, cómo se comporta y qué resultado genera cada carga de trabajo es la condición para escalar sin perder previsibilidad.

Fuentes

• La Ecuación Digital — La observabilidad gana peso para controlar los costes de la IA agéntica (fuente original)
• Yahoo Finance / PRNewswire — Splunk State of Observability 2026: Avoiding the Hidden Costs of AI Agents
• Infosecurity Magazine — AI Agent Adoption Creates Risk as Oversight Struggles to Keep Pace, Splunk Finds
• Yahoo Tech / CIO Dive — AI billing spikes threaten businesses with operational strain
• El Confidencial — Telefónica impulsa entre las empresas la incorporación de la IA a la red