Por qué las empresas están frenando proyectos de IA que parecían imparables

Proyectos de IA que se paran por falta de retorno y facturas de tokens que se disparan. Te explicamos qué hay detrás y cómo gobernar el gasto en tu pyme.

Si diriges una pyme, llevas un tiempo oyendo que la inteligencia artificial lo va a cambiar todo. Puede que hayas probado alguna herramienta, o que un proveedor te haya presentado un proyecto que sonaba estupendo. Y puede que, al mismo tiempo, arrastres una duda que cuesta decir en voz alta. ¿Qué voy a sacar yo de esto, más allá de una factura y unas horas de mi equipo?

Esa duda es de las más sensatas que se pueden tener hoy. En los últimos meses, empresas con presupuestos que ninguna pyme maneja han empezado a echar el freno. Uber, por poner uno de los casos conocidos, agotó en 2026 en solo cuatro meses todo el presupuesto que había reservado para IA durante el año entero. No fue por IA generativa en general, sino por el despliegue de herramientas de programación agéntica entre sus 5.000 ingenieros. La adopción se disparó mucho más rápido de lo que preveían sus modelos financieros, y su propio director de tecnología reconoció públicamente el sobrecoste. Poco después, el número dos de la compañía admitió que todavía no sabe trazar una línea clara entre ese gasto y el valor entregado a los usuarios. Cuando alguien así levanta la mano, vale la pena mirar qué le ha pasado, porque tiene mucho que ver con lo que le puede ocurrir a cualquiera que se lance sin un plan.

No nos cansamos de decir que casi nunca el problema está en la tecnología. Está en cómo se mete en la empresa. Eso no es una intuición nuestra, lo lleva años explicando un marco que conoce medio sector.

Qué es el Hype Cycle y cómo nos ayuda a comprender lo que está pasando

El Hype Cycle lo publica cada año la consultora Gartner. Es una curva que cuenta una historia que a estas alturas nos suena a todos; la de cómo una tecnología pasa de promesa a herramienta madura y ampliamente utilizada. Al principio despierta curiosidad. Luego llega la euforia, cuando parece que va a resolverlo todo y no se habla de otra cosa. Y después, casi siempre, viene el batacazo. Es lo que Gartner llama el valle de la desilusión, la fase en la que los primeros proyectos no cumplen lo prometido y mucha gente empieza a sospechar que aquello era humo. Quien encaja ese golpe y aprende de él va saliendo poco a poco, hasta que la tecnología acaba dando resultados de forma tranquila y previsible.

Conviene quedarse con una idea, porque es la que más se confunde. El valle no significa que la tecnología haya fracasado. Significa que se le están bajando las expectativas hasta ponerlas donde toca, que es justo cuando las empresas dejan de fantasear y empiezan a sacarle partido de verdad.

Hace unos meses ya le dedicamos un artículo a situar la IA generativa en ese valle, lo puedes leer en IA generativa en el valle de la desilusión, y ahí adelantábamos que la conversación se iba a mover desde el deslumbramiento hacia dos asuntos bastante menos vistosos: cuánto cuesta y quién lo gobierna. Pues es lo que ha terminado pasando.

Dónde está hoy cada tecnología en el Hype Cycle de Gartner

Antes de seguir, necesitamos comprender bien qué es un token

Hay una palabra que se repite en todas estas noticias y que conviene tener clara, porque es la que convierte el uso de la IA en dinero. Esa palabra es token. Un token es un trozo de texto, más o menos una sílaba o un pedazo de palabra. Cuando le escribes algo a ChatGPT o a Claude (o a la IA con la que trabajes), el modelo parte tu mensaje en tokens para entenderlo, y hace lo mismo con la respuesta que te devuelve. En español, una palabra larga como «mantenimiento» puede ocupar tres o cuatro tokens.

Lo que le importa a una persona en puestos de dirección es sencillo. Pagas por tokens, por los que envías y por los que el modelo genera al contestar. Es la unidad que aparece en la factura, igual que los kilovatios-hora en el recibo de la luz. Y, como con la luz, hasta que no aprendes a leer el contador no sabes si estás gastando con cabeza o tirando el dinero.

Por eso vale la pena hacerse una idea de las cifras, aunque sea a ojo. Una pregunta corriente, del tipo «resúmeme este correo» o «escríbeme un borrador de oferta», mueve unos cientos o unos pocos miles de tokens entre lo que preguntas y lo que te responde. Es un gasto pequeño y fácil de prever. Ahora piensa en otra situación. Le encargas a un agente que repase una carpeta entera de documentos, saque los datos de cada uno y te prepare un informe. Ese agente va a leer, pensar, escribir y volver sobre lo que ha hecho para corregirse, una y otra vez, hasta terminar. En ese trajín no gasta miles de tokens, gasta cientos de miles, y en tareas grandes puede rozar el millón. Es un salto de varios órdenes de magnitud por una sola tarea, aunque la tecnología de base sea la misma.

Con esta foto en la cabeza, el resto se lee mucho mejor. Cuando una empresa pone a varios agentes a trabajar a la vez sin nadie vigilando el contador, la factura se puede disparar sin que se sepa muy bien por qué.

Implementamos sistemas de IA rentables y adaptados a tu negocio.

¿Trazamos la ruta?

Dos tecnologías, dos fases distintas

Ahora bien, hay un matiz que la mayoría de los titulares se salta, y sirve para no meterlo todo en el mismo saco. Cuando hablamos de IA en la empresa no hablamos de una sola cosa. La IA generativa, la de los asistentes tipo ChatGPT con los que casi todos y todas hemos jugado ya, es la que está en el valle. La IA agéntica (los agentes que acabamos de describir) va por detrás en ese recorrido. De ella se habla ahora con la misma euforia con la que se hablaba de ChatGPT hace un par de años, y Gartner sitúa hoy a la IA agéntica en el pico de expectativas infladas. La fase previa al batacazo, cuando las empresas todavía no han comprobado lo difícil que es que funcione bien en trabajos verdaderamente complejos.

El matiz no es letra pequeña, porque el sobrecoste que está frenando proyectos se concentra sobre todo en esos agentes, que son los que disparan el consumo. Multiplica su trajín por todo un equipo lanzando tareas cada día y entenderás por qué a más de un responsable le ha temblado el pulso al abrir la factura. Si encima nadie se ha parado a pensar qué resultado concreto se busca, el final es fácil de adivinar. Los números van en la misma línea, y distintos estudios sitúan en torno al 80% los proyectos de IA en empresas que no terminan dando el valor que prometían, el doble de la tasa de fracaso habitual en un proyecto de software convencional. Buena parte de ese fracaso se concentra precisamente en el paso del piloto a la producción real, donde el consumo y la complejidad se multiplican.

Por qué se dispara la factura

Vale la pena entender por qué se dispara la factura, porque deja claro que esto no es mala suerte. Muchas de estas herramientas se vendían con tarifa plana, esa fórmula de pagar una cuota fija y usar sin mirar el contador. Funciona mientras unos consumen poco, otros mucho, y la media cuadra. La cosa se tuerce cuando cualquiera puede convertirse de la noche a la mañana en un usuario que gasta por diez, y eso es justo lo que hace un agente que no para de trabajar. Los proveedores ya se han dado cuenta y están cambiando las reglas, empujando el uso intensivo hacia el pago por consumo. En el caso de Uber, el coste real por ingeniero pasó de 500 a 2.000 dólares al mes en pocos meses; otros proveedores están retirando directamente sus tarifas planas para el uso agéntico.

Y que nadie piense que esto va solo de gigantes. La misma trampa espera a cualquier pyme que suelte una herramienta a su equipo sin poner límites ni decidir qué se usa para cada cosa. La diferencia es que Uber puede encajar un susto así y seguir andando. Una empresa de treinta personas lo tiene más crudo. Ahí el margen para equivocarse es mucho más estrecho.

Qué separa a quien saca partido de quien quema presupuesto

La buena noticia es que la tecnología acaba saliendo del valle, y las empresas que le sacan partido antes que el resto se parecen bastante entre sí. No es que ellas atraviesen ningún valle, es que consiguen extraer valor de la IA independientemente de en qué fase esté la curva de expectativas. Los estudios señalan que un grupo pequeño de empresas se está llevando casi todo el valor que genera la IA, y su ventaja no está en tener mejores herramientas, sino en cómo las usan. Gartner lo dice con otras palabras: para conseguirlo hace falta orden, medir lo que ocurre y gente con criterio tomando decisiones. El gobierno de la IA ha dejado de ser un papeleo para convertirse en lo que de verdad marca la diferencia.

Y gobernar la IA no tiene nada de esotérico. Es tratarla como una parte más de la empresa, con sus normas y sus responsables, en vez de dejar que cada uno vaya por libre. Es decidir qué herramienta se usa para cada tipo de tarea, poner un tope de gasto, fijarse en cuánto cuesta cada resultado y no en cuánto se consume, y tener a alguien vigilando qué funciona y qué conviene apagar. En el fondo es la diferencia entre pagar por tokens y pagar por cosas que sirven. Las empresas que se quedan atascadas en el valle suelen ser las que confundieron enchufar la IA con gobernarla.

La factura de la euforia sin plan

Al final, los proyectos que fracasan y las facturas que se disparan son la misma historia contada de dos maneras: la de meter la IA en casa con prisa y sin un plan. La salida no es usar menos inteligencia artificial. Es usarla con cabeza, con alguien que vigile el conjunto de herramientas que se van sumando y con la vista puesta en lo que aporta, no en lo que gasta.

Eso es justo lo que hacemos con nuestro servicio de administración de sistemas IA, donde orbetec pone la visión de negocio y Anasinf la parte técnica, para que tu empresa tenga quien decida qué modelo usar en cada tarea, quien ponga límites de gasto y quien convierta el consumo de tokens en resultados que se puedan defender ante dirección.

Si te estás planteando cómo llevar la IA a tu empresa sin tropezar, con un plan y un equipo que te acompañen, hablemos.