Las empresas compran más IA de la que pueden ver ni medir

No hay un solo número que describa mejor la situación actual de la IA empresarial que este: el gasto en infraestructura de IA crece más rápido que los sistemas que se supone deben justificarlo. No es una crítica de adoptantes lentos que no entendieron la tecnología. Es el patrón que emerge de una encuesta a 107 empresas realizada en julio de 2026: las organizaciones están comprando compute —hyperscalers, APIs de modelos, GPUs propias— a velocidades que superan su capacidad de medir qué produce ese gasto. El mismo patrón aparece simultáneamente en la evaluación de agentes y en la gestión de contexto. La tendencia, documentada desde el 15 de julio en múltiples estudios, apunta a una consecuencia que el mercado aún no está priceando: la primera oleada de proyectos de IA cancelados no por falta de tecnología, sino por incapacidad de justificar el retorno.

El triple gap que las encuestas revelan

Entre el 15 y el 16 de julio, tres estudios con muestras separadas documentaron la misma arquitectura de problema. Primero: la infraestructura de compute crece sin visibilidad de costos. La mayoría de organizaciones corre IA sobre hyperscalers y APIs de proveedores de modelos —una base familiar— pero el próximo dólar se invierte sin claridad sobre su impacto. Segundo: los sistemas RAG que alimentan el contexto de los agentes se construyen más rápido de lo que pueden ser auditados o confiados, en 101 empresas encuestadas. Tercero: la mitad de las 157 empresas estudiadas ya lanzó a producción un agente que pasó sus evaluaciones internas y luego falló en la interacción real con clientes. No son tres problemas distintos: son tres manifestaciones del mismo patrón estructural —despliegue sin medición.

Un cuarto dato llegó el 17 de julio por otra vía: usuarios en Hacker News reportaron forecasts de AWS de 3.000 millones de dólares en cargos no esperados, abriendo el debate de si los sistemas de alerta de costos de las nubes públicas son adecuados para el ritmo de consumo que impone la IA.

Los incentivos que empujan a comprar antes de medir

Los proveedores de infraestructura —AWS, Azure, Google Cloud— tienen incentivos directos para que el gasto ocurra antes de que la medición esté lista. Sus modelos de precios son complejos, sus dashboards de costos de IA llegan con días de retraso, y las demos internas que convencen a las empresas de adoptar se construyen sobre entornos controlados que no reflejan el costo de producción real. El cliente que firma un contrato enterprise de nube para IA no tiene —en la mayoría de los casos— un sistema de atribución de costo por agente, por llamada, o por workflow antes de que el gasto ya esté corriendo. El movimiento que llevó a la IA a presupuestarse como cualquier gasto operativo aceleró la adopción, pero también hizo invisible el costo marginal de cada llamada adicional.

La confusión en la capa de orquestación agrava el problema: la misma encuesta de julio documentó que muchas organizaciones llaman «agentes» a lo que son en realidad chatbots con algunas herramientas adjuntadas. Esa confusión no es solo semántica. Un chatbot tiene un costo relativamente predecible por sesión. Un agente autónomo multi-step puede consumir diez veces más tokens por interacción. Cuando el forecast no distingue entre ambos, la sorpresa en la factura es sistémica.

Quién captura el valor en el caos de medición

Los ganadores del gap de medición son los proveedores de plataformas de observabilidad y control de costos de IA: empresas que hacen FinOps para cloud ya están pivotando hacia IA FinOps, y hay un mercado real abierto. El segundo ganador, paradójicamente, es el proveedor de nube que logre hacer el costo más transparente y predecible —aunque parezca contraproducente, la confianza en el proveedor genera más gasto a largo plazo que la sorpresa que genera churn.

Los perdedores inmediatos son los CIOs que aprobaron presupuestos de IA sin instrumentación de retorno. Son los que van a tener que justificar en el Q4 de 2026 o Q1 de 2027 por qué el gasto creció sin métricas asociadas. Las empresas que desplegaron agentes sin los controles para contenerlos ya están en la primera fila de ese problema: el gap de medición de costos y el gap de control de seguridad tienen la misma raíz —velocidad de despliegue sin instrumentación.

La predicción concreta y qué mirar

El patrón va a resolverse de una de dos formas: o aparece una nueva categoría de herramientas de medición de ROI de IA que se adopta masivamente antes de fin de 2026, o la primera oleada de cancelaciones y recortes presupuestarios de proyectos de IA llega en el primer semestre de 2027. Si el gasto sigue creciendo sin visibilidad, la corrección es matemáticamente inevitable —los CFOs que firmaron sin métricas van a buscar métricas cuando el ciclo presupuestario anual exija justificación.

Qué mirar: si alguno de los grandes proveedores de nube lanza antes de fin de 2026 una herramienta de atribución de costo por agente o workflow de IA en tiempo real. Eso implicaría que la presión de los clientes ya llegó al punto de producción. Si no llega en ese plazo, la alternativa es que la presión llegue desde los resultados del Q4 y se materialice en cancelaciones.

Para un decisor: el movimiento inmediato no es frenar la adopción. Es instrumentar lo que ya está corriendo —aunque sea con métricas imperfectas. Un KPI aproximado hoy vale más que el KPI perfecto en seis meses, cuando el CFO pide cuentas.