El desborde de gasto IA engendra su propia industria de governance

Durante años, la conversación sobre IA en las empresas giró en torno a la adopción: cómo implementarla, cómo convencer al board, cómo medir el piloto. En las últimas dos semanas ese debate quedó desplazado por uno nuevo. Lo que aparece ahora —del 7 al 10 de agosto, en tres empresas de perfiles completamente distintos— es la segunda conversación: cómo controlar lo que ya se desató. El gasto en IA creció más rápido que la infraestructura para entenderlo, acumulando una factura que en muchos casos ya supera el retorno documentado, y el resultado es una nueva categoría de problema que está generando una nueva categoría de mercado.

Del exceso a la resaca: tres empresas, un patrón

Rippling gastó millones en IA en pocos meses sin saber exactamente quién usaba qué ni con qué resultado. La respuesta fue construir AI Spend Console, una herramienta que rastrea el gasto individual y de equipo en IA y correlaciona esa inversión con outputs medibles. No lo hicieron por curiosidad producto: lo hicieron porque el gasto sin visibilidad les resultó inmanejable.

Databricks publicó un framework interno sobre cómo gestionar los costos de codificación asistida por IA a escala. El post alcanzó 308 puntos en Hacker News y abrió 263 comentarios —números que indican que el problema resuena en la industria, no que es una curiosidad aislada.

Y SAP tomó la decisión más drástica: parar la mayoría de los viajes corporativos y congelar la contratación para absorber el costo disparado de su inversión en IA. No es una empresa en crisis —es una de las más grandes de software empresarial del mundo. Cuando SAP frena la contratación por costos de IA, el mensaje es legible para cualquier CFO: incluso las empresas con presupuestos de cuatro dígitos de millones pueden perder el control del gasto si no tienen los instrumentos adecuados.

El arco temporal importa: estas tres decisiones ocurrieron entre el 7 y el 10 de agosto. No son reacciones a la misma noticia —son respuestas independientes al mismo problema que maduró simultáneamente en organizaciones de tamaños y sectores distintos.

La consecuencia no buscada: el problema genera el mercado

La lógica de las consecuencias no buscadas dice que los problemas que escalan sin estructura generan, inevitablemente, la infraestructura para resolverlos. El gasto descontrolado en IA es el problema. Las herramientas de governance son la infraestructura que está emergiendo.

Lo que hace interesante al AI Spend Console de Rippling no es que resuelva el problema de Rippling: es que lo está empaquetando como producto para que otras empresas no cometan los mismos errores. La startup que primero estandarice cómo se mide el ROI de IA por empleado, cómo se establecen presupuestos por equipo, y cómo se correlaciona inversión con output va a capturar un mercado que hoy no tiene referente claro.

Mientras tanto, los empleados y los líderes no están de acuerdo en qué significa «trabajar con IA»: los ejecutivos dicen que la IA reduce el trabajo; el staff reporta jornadas de hasta 90 horas semanales. Esa brecha de percepción —que la evidencia del gap de productividad real viene documentando desde hace meses— es otra señal de que el proceso de medición está roto. Sin métricas compartidas sobre qué produce la IA y a qué costo, las empresas no pueden tomar decisiones racionales de inversión ni distinguir entre gasto que genera valor y gasto que simplemente acumula deuda de productividad.

Quién gana en el caos de costos

Los ganadores en el corto plazo son las plataformas que proveen visibilidad: herramientas de observabilidad de uso de LLM, dashboards de gasto por equipo, frameworks de evaluación de ROI. El framework de Databricks para gestión de costos de codificación IA es un indicador de que incluso las empresas que construyen infraestructura de IA tienen el problema internamente —y están dispuestas a publicar sus soluciones porque el beneficio de reputación y de adopción supera el costo de compartir el conocimiento.

Los perdedores son los proveedores de IA que venden el sueño sin el tablero de instrumentos. Si el ciclo de ventas enterprise empieza a incluir preguntas sobre governance de costos —«¿cómo sé cuánto estoy gastando y qué estoy obteniendo?»— los vendors que no tengan respuesta van a ver sus deals en pausa o sus contratos sin renovación.

Conclusión: el mercado de governance IA existe, la pregunta es quién lo define

La predicción concreta: en los próximos 12 meses, al menos una empresa de gestión de gastos empresariales —SAP Concur, Coupa, o un player de travel y expenses— va a lanzar una categoría específica de AI Spend Management, compitiendo directamente con lo que Rippling está construyendo.

Lo que testea la tesis: si los grandes players de ERP incorporan AI governance en sus roadmaps de 2026, la categoría está institucionalizada. Si quedan fuera y emergen startups especializadas —como ocurrió con la gestión de gastos cloud en su momento— es un mercado nuevo en formación, abierto a quien lo defina primero.

Para un decisor: si tu organización no tiene hoy una definición clara de qué gasta en IA, quién la usa, y qué resultado produce, estás en la misma situación que Rippling hace seis meses. La herramienta que resuelve eso todavía no está estandarizada —pero el mercado para quien la construya o la compre ya existe y está creciendo.