Más de seis de cada diez organizaciones prevén adoptar una estrategia multimodelo para optimizar sus inversiones en IA, mientras que solo una de cada cinco calcula el rendimiento real de esta tecnología teniendo en cuenta el valor generado y el coste total de su implantación.
La rápida incorporación de la inteligencia artificial (IA) a los procesos empresariales está obligando a las organizaciones a afrontar un nuevo desafío: controlar los costes y demostrar el retorno de las inversiones. Aunque las compañías continúan avanzando en la adopción de esta tecnología, el gasto asociado a su implantación está superando las previsiones iniciales y buena parte de los directivos reconoce que todavía carece de herramientas para conocer su coste real y vincularlo directamente con los resultados de negocio.
Así lo recoge un nuevo informe del Capgemini Research Institute, elaborado a partir de una encuesta realizada en septiembre de 2026 a 500 altos directivos de grandes organizaciones de diez países, entre ellos España. Según el estudio, el 53% de los ejecutivos considera que los costes de la inteligencia artificial ya constituyen un motivo de preocupación para su organización, especialmente por la dificultad de anticipar el desembolso total que supone su utilización más allá de los gastos tecnológicos directos.
De hecho, el 59% de los directivos afirma que durante los últimos doce meses el gasto de su empresa en IA fue significativamente superior al esperado o presupuestado. Entre las organizaciones afectadas, el exceso de gasto alcanzó una media del 24% respecto a las previsiones, mientras que el 21% superó su presupuesto inicial en más de un 30%.
Esta situación está poniendo de manifiesto las dificultades para calcular el coste integral de la tecnología. A los desembolsos directos, como el consumo de tokens, se suman otros conceptos menos visibles, entre ellos la supervisión humana, la repetición de tareas, el mantenimiento y la gobernanza necesarios para garantizar un funcionamiento seguro y eficaz. Solo un tercio de los directivos asegura poder estimar con confianza estos costes indirectos y apenas el 56% confía plenamente en su capacidad para prever cómo evolucionará el gasto a medida que aumente la adopción de la IA.
El control presupuestario gana peso en las decisiones empresariales
La falta de visibilidad sobre los costes está teniendo consecuencias que van más allá de los departamentos tecnológicos. El informe señala que la mitad de los directivos reconoce que el gasto en inteligencia artificial se aprueba sin disponer de una visión suficientemente completa de su coste total, una circunstancia que puede comprometer la rentabilidad de los proyectos y dificultar la planificación financiera.
El impacto ya se refleja en las cuentas de algunas organizaciones. Dos tercios de las empresas que superaron su presupuesto de IA experimentaron consecuencias financieras negativas, como una reducción del flujo de caja libre (free cash flow) o recortes en el gasto discrecional. Ante este escenario, los directores financieros (CFO) están adquiriendo un papel cada vez más relevante en la aprobación de las principales inversiones relacionadas con esta tecnología.
La respuesta más extendida está siendo reforzar los mecanismos de control. Más de la mitad de las organizaciones (53%) ha incrementado la supervisión del gasto, mediante ajustes presupuestarios, la introducción de límites corporativos o la reducción de la escala y el alcance de determinados proyectos. Sin embargo, solo una de cada cinco ha optado por revisar las herramientas y los procesos de trabajo, o modificar las soluciones tecnológicas, los modelos utilizados y su configuración.
Para Volker Darius, CEO de Capgemini Invent, la evolución de la inteligencia artificial exige un cambio en la manera de gestionar sus inversiones. «A medida que la IA se adentra en los flujos de trabajo empresariales, las organizaciones deben dejar de tratar su coste como una cuestión puramente tecnológica o de compras y empezar a gestionarla desde una perspectiva de rentabilidad», señala.
El directivo considera que el control del gasto debe ir acompañado de una medición rigurosa del valor generado, teniendo en cuenta tanto la calidad de los resultados como la supervisión humana necesaria para garantizar su seguridad. En este sentido, defiende que medir de forma continua el rendimiento de la IA permitirá a las compañías tomar decisiones de inversión mejor fundamentadas y ampliar su utilización con mayores garantías.
Las estrategias multimodelo ganan protagonismo
Una de las principales respuestas que están preparando las empresas para optimizar sus inversiones es avanzar hacia estrategias multimodelo. Más de tres de cada cinco directivos esperan que sus organizaciones adopten este enfoque durante los próximos doce meses, seleccionando de forma dinámica el modelo de inteligencia artificial más adecuado para cada tarea en función de factores como el coste, la capacidad, la velocidad de respuesta, el riesgo y las necesidades específicas del negocio.
Esta estrategia permitirá combinar diferentes soluciones en lugar de depender de un único modelo. Entre las tendencias previstas destaca un mayor recurso a modelos propietarios de menor coste cuando sus prestaciones sean suficientes, así como a modelos pequeños o especializados para resolver tareas concretas. Además, casi tres de cada cinco organizaciones tienen previsto ampliar el uso de modelos de pesos abiertos (open-weight), que permiten acceder a los parámetros de los modelos y adaptarlos a distintas necesidades.
El objetivo es ajustar los recursos tecnológicos a la complejidad de cada proceso, evitando utilizar soluciones de mayor capacidad y coste cuando una alternativa más sencilla pueda ofrecer resultados satisfactorios. Para los distribuidores y las empresas de gran consumo, este planteamiento abre la puerta a optimizar las inversiones en aplicaciones de IA vinculadas a la gestión de operaciones, la planificación, la atención al cliente o el análisis de datos.
El AI Yield, una nueva forma de medir la rentabilidad
Más allá del control presupuestario, el informe identifica otra dificultad importante: demostrar qué valor aporta realmente la inteligencia artificial a los resultados empresariales. Aunque dos tercios de los directivos aseguran tener confianza en su capacidad para verificar el valor de los resultados obtenidos con ayuda de esta tecnología, la mayoría de las organizaciones todavía no consigue relacionar directamente el gasto en IA con resultados de negocio satisfactorios.
En algunos casos, las compañías no miden formalmente los resultados; en otros, realizan un seguimiento del consumo tecnológico y de los costes, pero no de los beneficios empresariales alcanzados. También existen organizaciones que monitorizan ambos aspectos por separado, sin establecer una relación directa entre la inversión y su impacto. Esta dificultad para demostrar el valor generado constituye uno de los principales obstáculos para conseguir la aprobación y financiación de nuevos proyectos: el 57% de los directivos la identifica como su mayor barrera.
En este contexto, Capgemini introduce el concepto de AI Yield, una métrica que busca medir el valor verificado de un resultado obtenido con asistencia de inteligencia artificial una vez descontado el coste integral de conseguirlo de forma segura. Sin embargo, su aplicación todavía es limitada: apenas una de cada cinco organizaciones calcula actualmente este indicador.
Entre los beneficios empresariales que las compañías identifican con mayor frecuencia destaca el aumento de la productividad de los empleados y la capacidad de liberar recursos para otras actividades. Le siguen la reducción de los costes operativos y la agilización de procesos y ciclos de trabajo. El crecimiento de los ingresos, ya sea mediante nuevos productos, servicios o modelos de negocio, aparece en una posición más secundaria y es mencionado por menos de un tercio de las organizaciones (32%).
Esta evolución también está modificando los indicadores utilizados para evaluar el rendimiento de las inversiones. Actualmente, el 60% de las empresas toma como principal referencia el gasto total en IA frente al presupuesto, aunque solo el 44% espera mantener esta métrica como prioritaria durante los próximos seis a doce meses.
En su lugar, gana protagonismo la tasa de éxito al primer intento (first-pass success rate), que mide la proporción de tareas completadas correctamente sin necesidad de repetirlas o corregirlas. También se prevé dar mayor importancia al coste por tarea o flujo de trabajo completado. De esta forma, la evaluación de la IA comienza a desplazarse desde el volumen de recursos consumidos hacia los resultados concretos que es capaz de generar.
De la adopción tecnológica a la generación de valor
El informe forma parte de The AI Compass, la iniciativa de Capgemini dedicada a analizar la economía de la inteligencia artificial y su impacto en las organizaciones. Su primera edición, titulada The Era of AI Yield: Mastering Tokenomics to Maximise Enterprise Value, profundiza en la necesidad de superar las métricas tradicionales de consumo y gasto para avanzar hacia modelos que permitan evaluar el valor empresarial obtenido tras descontar todos los costes asociados a la implantación segura de esta tecnología.
El documento aborda las implicaciones de este cambio para los máximos responsables empresariales y tecnológicos, desde la asignación de capital y la gobernanza hasta la selección y el enrutamiento de modelos, la ingeniería de los flujos de trabajo y la supervisión humana.
La investigación se basa en una encuesta realizada en septiembre de 2026 a 500 altos ejecutivos de organizaciones con ingresos anuales superiores a 1.000 millones de dólares, pertenecientes a 13 sectores y distribuidas en diez mercados: Estados Unidos, China, India, Reino Unido, Francia, Alemania, Japón, Países Bajos, Italia y España. El trabajo se completó con dos entrevistas en profundidad a expertos del sector.
Las conclusiones apuntan a que el siguiente reto de la inteligencia artificial empresarial no será únicamente ampliar su implantación, sino conseguir que su utilización sea económicamente sostenible. En un contexto de creciente adopción y de preparación para soluciones más autónomas y agénticas, las compañías tendrán que combinar una mayor disciplina financiera con una medición efectiva de los resultados. La capacidad de demostrar cuánto cuesta la IA, qué aporta y qué valor genera será determinante para decidir dónde y cómo seguir invirtiendo.