IBM: 37% de las iniciativas de IA entrega el valor esperado

Solo el 37% de las iniciativas de IA entrega el valor esperado

El 37%. Ese es el porcentaje de iniciativas de IA que está entregando el valor de negocio que prometió, según el dato del IBM Institute for Business Value que abre el análisis publicado por VentureBeat. Para un founder, la lectura no es que la IA no funcione: es que el problema dejó de ser técnico y pasó a ser un problema de economía de la IA.

El 63% restante no falla necesariamente porque el modelo sea malo. Falla porque nadie sabe cuánto cuesta realmente cada resultado, ni quién dentro de la organización lo está pagando.

El contexto agrava la urgencia. Gartner proyecta que el gasto mundial en IA alcance los US$2,6 billones en 2026, un 47% más que el año anterior, según la recopilación de estadísticas de CoinCentral. Cuando el gasto crece a ese ritmo, la pregunta deja de ser «qué podemos probar» y pasa a ser «qué estamos recibiendo a cambio».

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Por qué el costo real de la IA no está en la factura del proveedor?

La factura del modelo —los tokens— es la parte más visible y la más fácil de medir, pero rara vez la más grande. IBM enumera lo que compone el costo real de propiedad: infraestructura, consumo de modelos, gestión de datos, gobernanza, seguridad, soporte operativo y capital humano.

La consecuencia práctica es incómoda: dos proyectos con la misma factura de tokens pueden tener economías completamente distintas si uno exige tres ingenieros de guardia y el otro no. Y sin ese desglose, comparar casos de uso entre sí es imposible, porque se termina comparando consumo o adopción en lugar de valor.

El cambio de unidad de medida que propone el artículo es simple y potente: pasar del costo total al costo por resultado. Comparar «cuánto gastamos en IA» contra otros presupuestos no dice nada. Comparar el costo por ticket resuelto, por contrato procesado o por línea de código revisada contra cómo se hacía ese trabajo antes, sí dice algo.

¿Qué es la economía de la IA y por qué exige mirar el portafolio completo?

La economía de la IA es, en palabras del propio análisis, la relación entre el costo total de propiedad de la IA y el valor de negocio que esas inversiones generan. El punto no es contable, es de gobierno: la gobernanza tecnológica tradicional pregunta si un proyecto está dentro del presupuesto; la economía de la IA pregunta si el portafolio crea valor.

Ese cambio de nivel importa porque los proyectos de IA ya no compiten solo entre ellos. Compiten contra ciberseguridad, analítica de datos, automatización de procesos, nube pública, transformación digital y deuda técnica. Sin una vista común, el debate interno se gana por entusiasmo, no por evidencia.

IBM plantea cinco preguntas que el portafolio debe poder responder de forma consistente:

¿Cuánto está gastando el negocio?
¿Quién está generando ese gasto?
¿Qué iniciativas entregan valor medible?
¿A dónde debería dirigirse inversión adicional?
¿Qué iniciativas deberían reconsiderarse?

Ningún ejecutivo tiene la foto completa por sí solo: el CIO y el CTO aportan visibilidad sobre consumo y capacidad, el CFO aporta disciplina de inversión y responsabilidad financiera, y los líderes de negocio definen los resultados y su materialización. IBM cuenta su propio caso: su organización de CIO conectó vistas financieras, de TI y de negocio con la suite integrada Apptio, y con eso ganó transparencia sobre el costo total de propiedad de las aplicaciones y sobre cómo los recursos se alineaban con las prioridades estratégicas.

Start, stop, optimize, scale: cómo clasificar cada inversión

El marco operativo del artículo reduce la decisión a dos preguntas: ¿el valor de negocio es real y está medido contra una línea base?, y ¿el costo por resultado es menor que la forma en que ese trabajo se hacía antes? Las respuestas ubican cada iniciativa en una de cuatro categorías.

Start (empezar): antes de financiar, define una métrica de resultado, una línea base contra la que medirla y criterios explícitos para detenerla. Y verifica si una capacidad existente ya resuelve el mismo problema.
Stop (detener): si el resultado esperado no llegó en el plazo acordado, la adopción se estancó o el costo por resultado no baja de la línea base, es momento de parar. Liberar esos recursos es parte del retorno.
Optimize (optimizar): aquí está la distinción que más dinero salva. Una iniciativa puede generar valor demostrable y aun así costar demasiado por flujo de trabajo. Antes de matarla, revisa selección de modelo, utilización, infraestructura o diseño. Sin visibilidad de costo y valor al mismo tiempo, se cortan capacidades prometedoras solo porque su economía todavía no se trabajó.
Scale (escalar): las que demuestran valor medible con economía sostenible son candidatas a más inversión y más soporte organizacional. El valor puede ser productividad, velocidad de entrega, throughput, mejores resultados de cliente o crecimiento de ingresos.

Lo importante del marco es que convierte el ciclo de asignación de capital en un proceso continuo basado en evidencia, en lugar de una negociación anual de presupuestos.

¿Qué señales del mercado confirman que la era de la auditoría ya empezó?

Bastantes. Gartner anticipa que más del 40% de los proyectos de IA agéntica se cancelará antes de fines de 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes, según la previsión que recoge un comunicado de Surveil. En paralelo, Gartner publicó en octubre de 2026 su primer cuadrante de mercados emergentes para herramientas de FinOps de IA, donde aparecen proveedores como la propia Surveil y Airia.

La brecha de resultados se ve en los números. Según el relevamiento de CoinCentral, cerca del 88% de las organizaciones usa IA en al menos una función, pero solo el 39% reporta impacto en la utilidad a nivel de empresa: una diferencia de 49 puntos. Y el 56% de los CEO consultados dijo que la IA no produjo ni más ingresos ni menores costos en el último año; apenas el 12% reportó ambas cosas.

Del lado de la inversión, cuatro grandes tecnológicas —Amazon, Microsoft, Alphabet y Meta— elevaron sus planes de capex 2026 a cerca de US$725.000 millones, un 77% más que en 2025, según CoinCentral. Con esa presión, es razonable que los pronosticadores citados en ese mismo relevamiento esperen que hasta el 40% de los proyectos de IA iniciados en 2024 y 2025 pierda financiamiento.

¿Qué significa esto para tu startup?

No gestionas un portafolio de 200 aplicaciones ni tienes un CFO dedicado a FinOps. Pero probablemente ya tienes entre cinco y quince herramientas y casos de uso de IA pagando suscripciones y consumos, y ahí la lógica aplica igual, solo que más barata de instrumentar.

Cuatro acciones concretas:

Fija la línea base antes de lanzar, no después. Elige un solo KPI por caso de uso y mide cómo se hacía ese trabajo antes de la IA. Sin línea base, cualquier mejora parece un éxito y ninguna se puede defender ante un inversor.
Mide costo por resultado, no costo por mes. Divide el gasto total del caso de uso (tokens + herramientas + horas de ingeniería + soporte) entre las unidades de trabajo completadas. Compara ese número contra el costo de la alternativa previa.
Define el criterio de muerte al inicio. Fecha, umbral de adopción y techo de costo por resultado, escritos antes de la primera línea de código. El marco de IBM insiste en un punto que los equipos pequeños subestiman: los criterios acordados de antemano evitan discusiones emocionales después.
Antes de cancelar, intenta optimizar. Routing entre modelos, caché de prompts, modelos más pequeños para tareas simples y revisión de utilización de licencias suelen mover el costo por resultado sin tocar la funcionalidad. Las empresas que publicaron herramientas de FinOps de IA en 2026 construyeron su producto justo sobre esa palanca.

Una advertencia para founders que levantan capital: los cuatro puntos anteriores también son el material de la próxima reunión con tu board. La pregunta ya no es cuánto gastas en IA, sino qué puedes demostrar que devuelve. Como cierra el análisis de VentureBeat, el futuro del liderazgo en IA no lo definirá quién gasta más, sino quién entiende la economía de esas inversiones lo suficiente para saber dónde gastar después.