La IA absorberá 20% de los presupuestos tecnológicos en 2027, pero no se sabe si habrá retornos

Forrester proyecta que la IA concentrará 20% del gasto tecnológico empresarial en 2027, aunque advierte que muchas compañías podrían no alcanzar sus objetivos de retorno y que los modelos de peso abierto ganarán terreno por su menor costo.
***

• La consultora estima que más de la mitad de los CIOs probablemente no cumplirá sus metas de retorno de inversión relacionadas con IA en 2027.
• Solo 13% de las empresas encuestadas reportó un impacto positivo de la IA en EBITDA, según Forrester.
• Forrester prevé que los modelos de peso abierto concentrarán la mitad de los tokens de IA, pero apenas 5% del gasto empresarial.

Las empresas aumentarán el gasto en inteligencia artificial durante 2027, pero esa expansión no garantiza que las inversiones produzcan resultados financieros proporcionales. Forrester calcula que la IA representará una quinta parte de todo el gasto tecnológico empresarial el próximo año y advierte que más de la mitad de los CIOs probablemente no alcanzará sus objetivos de retorno vinculados con esta tecnología.

El panorama combina expectativas de inversión elevada con señales todavía limitadas de impacto operativo y financiero. Forrester reportó que solo 13% de las empresas encuestadas observó un impacto positivo de la IA en el EBITDA.

Más presupuesto, con presión para demostrar resultados

La proyección de gasto coloca a la IA entre las prioridades centrales de los presupuestos tecnológicos empresariales para 2027. En sus predicciones de tecnología y seguridad, Forrester estimó que la tecnología absorberá 20% del gasto total de ese ámbito, una proporción que, de acuerdo con la consultora, elevará la exigencia de justificar cada inversión y mantener bajo control sus costos, infraestructura y riesgos, informa The Register.

La cifra describe una asignación de recursos prevista, no una garantía de que las compañías obtendrán beneficios equivalentes. Esa diferencia importa porque las empresas pueden ampliar sus compras de herramientas, capacidad de cómputo y servicios de IA sin transformar de manera suficiente la forma en que trabajan, organizan sus equipos o conectan esas herramientas con procesos que generen resultados medibles.

Sharyn Leaver, directora de investigación de Forrester, señaló que las tecnologías emergentes, las presiones geopolíticas y el mayor uso de IA en operaciones tecnológicas añadirán complejidad y posibles puntos de falla. Su advertencia vincula el desafío financiero con uno operativo: a medida que estas tecnologías se integren en más tareas, las organizaciones también tendrán que gestionar dependencias, costos y riesgos asociados con su funcionamiento.

Para los líderes tecnológicos, la expectativa de gasto plantea una tensión concreta: sostener la adopción de IA y, al mismo tiempo, explicar qué valor produce. Una inversión puede demostrar utilidad en una tarea particular sin justificar por sí sola un programa amplio; por eso, el presupuesto proyectado y el retorno efectivo deben evaluarse como medidas distintas.

El retorno todavía no alcanza a toda la organización

La encuesta de Forrester encontró que 45% de los responsables de decisiones sobre IA necesita obtener un retorno de inversión positivo dentro de un año para considerar exitosas sus inversiones. La exigencia de un plazo relativamente corto convive con una adopción que, según el mismo informe, todavía no se traduce en impactos financieros generalizados.

La distancia entre esas expectativas y los resultados reportados aparece en la cifra de EBITDA: solo 13% de las empresas encuestadas afirmó haber observado un impacto positivo de la IA en ese indicador. EBITDA es una medida de desempeño que excluye intereses, impuestos, depreciación y amortización; el dato no indica por sí solo que la IA haya causado una mejora, pero sí refleja que pocas empresas reportan un efecto favorable en esa métrica.

Forrester anticipa que algunos líderes tecnológicos lograrán conectar mejor el gasto en IA con los retornos que habían previsto. Sin embargo, la consultora espera que esos avances se concentren en casos de uso aislados, en lugar de extenderse a programas que produzcan cambios en toda la empresa, una escala que considera insuficiente para cumplir las metas de retorno más ambiciosas.

El informe atribuye parte de la brecha a que la adopción tecnológica avanza sin cambios equivalentes en las estructuras organizativas, los procesos y las formas de trabajar. En esa lectura, desplegar una herramienta no basta: para medir resultados empresariales más amplios, las compañías deben revisar cómo se toman decisiones, cómo se distribuyen las tareas y cómo se incorpora la IA a los flujos cotidianos.

Modelos abiertos para las tareas de mayor volumen

La presión por controlar el gasto también puede impulsar a las empresas a escoger modelos distintos según la tarea. Forrester prevé que los modelos de peso abierto representarán la mitad de los tokens de IA utilizados, pero solo 5% del gasto empresarial, una diferencia que sugiere un uso intensivo de estas opciones en actividades de alto volumen y menor costo.

Los tokens son unidades que los sistemas de IA procesan al recibir instrucciones y producir respuestas, por lo que el volumen de uso puede crecer con cada documento, conversación o paso automatizado. La consultora considera que modelos como Gemma, Llama y Qwen ofrecen un rendimiento suficiente para cargas empresariales frecuentes, entre ellas procesar documentos, atender conversaciones de soporte, buscar conocimiento interno y ejecutar pasos rutinarios en flujos de trabajo con agentes.

La predicción no plantea que los modelos abiertos reemplazarán a todos los sistemas propietarios ni que tengan el mismo desempeño en cualquier tarea. Forrester espera que los modelos de frontera se reserven para automatizaciones de conocimiento profundo y actividades críticas en las que un error resulte costoso, mientras el peso de los tokens se desplaza hacia alternativas abiertas de menor precio.

Entre los sistemas que la consultora menciona para esas tareas más exigentes figuran Claude Opus 5.5 y Claude Sonnet 5.5, de Anthropic; GPT-6.1 Sol y GPT-6 Astra, de OpenAI; y Gemini 4 Argon, de Google. La previsión describe un reparto por tipo de uso: los modelos más avanzados atenderían operaciones críticas con menos volumen, mientras los modelos de peso abierto asumirían una mayor cantidad de tareas rutinarias.

En conjunto, las previsiones apuntan a que el debate empresarial sobre IA dejará de centrarse únicamente en cuántas herramientas se incorporan y pasará también por el costo de operarlas, el tipo de modelo elegido y la capacidad de convertir la adopción en cambios organizativos verificables. El gasto podría seguir creciendo en 2027, pero las cifras recopiladas por Forrester muestran que la expansión presupuestaria aún no equivale a un retorno extendido por toda la empresa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín