El gasto corporativo global en inteligencia artificial alcanzó los $581.7 mil millones en 2025, un aumento del 130 por ciento respecto al año anterior, según el Stanford HAI AI Index. Las tasas de adopción empresarial llegaron al 88 por ciento, la cifra más alta registrada. Sin embargo, menos del 6 por ciento de las organizaciones reporta haber logrado un impacto financiero significativo de sus inversiones en IA, definido como una mejora del 5 por ciento o más en las ganancias antes de intereses e impuestos.
La brecha entre el volumen de inversión y la realización de valor es mayor que cualquier métrica comparable en la historia reciente de la tecnología empresarial. Un índice desarrollado por Axis Intelligence Research que mide la distancia entre las tasas de adopción y los retornos medibles obtuvo una puntuación de 82 sobre 100, lo que significa que la desconexión estructural se encuentra al mismo nivel o por encima del observado durante los primeros auge de la computación en la nube y el big data, pero con un nivel de gasto mucho más alto.
El problema no es la falta de ambición. Las empresas están gastando agresivamente en GPUs, infraestructura en la nube, licencias de plataformas de IA y talento en ingeniería de datos. La encuesta State of AI de McKinsey de noviembre de 2025 reveló que el 88 por ciento de las organizaciones había implementado IA en al menos una función, frente al 72 por ciento del año anterior. El gasto se concentra en la cúpula: las empresas líderes destinan más del 80 por ciento de su inversión en IA a remodelar funciones empresariales completas en lugar de mejoras incrementales de productividad.
El cuello de botella está en la implementación en producción. La investigación Pulse Research de VentureBeat de julio de 2026 encontró que solo el 21 por ciento de las organizaciones ejecuta cargas de trabajo de IA en producción a escala. La utilización de GPU en implementaciones empresariales es sorprendentemente baja: el 83 por ciento de los encuestados informó que sus clústeres de GPU funcionan al 50 por ciento de su capacidad o menos. Solo el 44 por ciento de las organizaciones realiza un seguimiento sistemático de los costos de cómputo o del retorno de la inversión, lo que sugiere que muchas empresas están adquiriendo infraestructura más rápido de lo que pueden medir si está generando valor.
Tres barreras estructurales impiden que los pilotos escalen. La fragmentación de datos es la primera: los datos empresariales están dispersos entre sistemas locales, múltiples proveedores de nube y distintas jurisdicciones regulatorias, lo que dificulta una implementación unificada de IA. La brecha de habilidades es la segunda: la IA en producción exige experiencia en la intersección de la ciencia de datos y la arquitectura de sistemas, una combinación que pocos equipos de TI poseen. La estructura económica de la adquisición de hardware es la tercera: las empresas se enfrentan a la disyuntiva entre grandes gastos de capital en equipos que pueden quedar obsoletos en dos años y la facturación por uso en la nube, que resulta prohibitivamente costosa a escala sostenida.
La encuesta AI Radar de BCG, realizada a más de 1.800 ejecutivos, reveló que solo el 25 por ciento de las empresas había creado un valor significativo a partir de la IA, y que la brecha entre los líderes y los rezagados en IA se estaba acelerando en lugar de reducirse. El análisis de BCG atribuyó la disparidad a factores organizativos: los líderes invirtieron en gobernanza, marcos de medición y gestión del cambio, mientras que los rezagados trataron la IA como un ejercicio de adquisición tecnológica.
La brecha también es visible en las cifras de utilización de hardware. Las empresas que compraron GPU durante la escasez de 2023-2024 ahora tienen clústeres infrautilizados, mientras que el precio de la siguiente generación de hardware se ha duplicado. La estructura de incentivos favorece la compra de más equipos en lugar de optimizar los ya instalados, porque los presupuestos de adquisición y los presupuestos operativos se gestionan por separado.
El análisis de TechRadar sobre la brecha de inversión lo enmarca como un problema de transición. La industria de la IA ha superado la fase de experimentación y ha entrado en una fase de expectativas en la que los consejos directivos y los inversores exigen resultados medibles. La infraestructura, las prácticas de gobernanza y los canales de talento necesarios para ofrecer esos resultados a escala aún no están implantados en la mayoría de las organizaciones que están firmando cheques. La curva de gasto y la curva de valor han divergido, y cerrar esa brecha es el desafío operativo central de la IA empresarial en 2026.
Traducido por Alessandra
Sources: The AI investment gap (TechRadar, Jul 29); Stanford HAI AI Index 2026 (Stanford HAI, 2026); McKinsey State of AI 2025 (McKinsey, Nov 2025); BCG AI Radar 2025-2026 (BCG, 2026); VentureBeat Pulse Research (VentureBeat, Jul 2026)