Los datos de gasto en IA que tu directorio está por pedirte

Una encuesta a 500 líderes de Finanzas en grandes empresas de EE. UU. y Reino Unido reveló que la inversión en IA se institucionalizó mucho antes de que se desarrollara la capacidad para gobernarla. Todas las organizaciones encuestadas ya invierten en IA, el 79% tuvo sobrecostos en los últimos 12 meses y solo el 15% puede calcular el ROI de la IA sin tropiezos importantes. El hallazgo más contraintuitivo: las organizaciones con prácticas de FinOps más maduras reportan las tasas de sobrecostos más altas, porque los programas maduros son más grandes y mucho mejores para detectar problemas que las organizaciones menos maduras ni siquiera llegan a ver. Para los ejecutivos de tecnología, el riesgo más agudo es estructural. La responsabilidad sobre el gasto en IA se reparte casi en partes iguales entre Tecnología (55%) y Finanzas (53%), y el reloj de 12 meses para mostrar ROI ya corre sin un dueño claro.

El gasto en IA cruzó un umbral que cambia la conversación para cualquier CTO o CIO. La pregunta ya no es si invertir. Todas las organizaciones de este estudio ya lo hicieron. La pregunta es si alguien puede demostrar qué está devolviendo esa inversión antes de que quienes la aprobaron empiecen a preguntar.

Esa es la tensión central de una encuesta independiente realizada por Sapio Research en febrero de 2026, encargada por DoiT, que abarca a 500 líderes de Finanzas en organizaciones con 1.000 o más empleados en EE. UU. y Reino Unido. Todas las organizaciones de los encuestados invierten actualmente en IA. El estudio se diseñó para reflejar la práctica real más que la intención declarada, y el panorama que muestra es el de una industria que formalizó la inversión en IA más rápido de lo que construyó la infraestructura financiera para gestionarla.

Este es el dato que vale la pena llevar a tu próxima presentación ante el directorio: el 89% de las organizaciones que se autoevalúan como muy maduras o líderes en FinOps tuvo sobrecostos relacionados con IA en los últimos 12 meses. Su sobregasto promedio llega al 30,9%, el más alto de cualquier segmento del estudio.

En contraste, las organizaciones en etapas tempranas de FinOps muestran una tasa de sobrecostos del 69% y un sobregasto promedio del 16,1%. Leído rápido, parecería un argumento en contra de invertir en gobernanza. Es justo lo contrario. Las organizaciones maduras corren programas de IA más grandes y complejos, y cuentan con la instrumentación para detectar sobrecostos que las menos maduras simplemente nunca llegan a ver. Los sobrecostos en organizaciones menos maduras no son menores porque el gasto esté mejor controlado. Son menores sobre el papel porque buena parte del gasto no se está midiendo.

La conclusión práctica replantea cómo los líderes de tecnología deben argumentar la inversión en gobernanza del gasto en IA. El argumento no puede ser que mejores herramientas evitarán los sobrecostos, porque los datos muestran que las organizaciones mejor instrumentadas son las que más se exceden. El argumento es que la gobernanza te permite ver los sobrecostos a tiempo para actuar. La madurez saca los problemas a la luz. No los previene, y presentarla como prevención es hacer una promesa que los datos no van a respaldar.

Uno de los hallazgos más relevantes no tiene nada que ver con herramientas y todo que ver con perspectiva. Los encuestados de nivel C-suite califican la madurez FinOps de su organización con un 93% de madura o mejor. Los de nivel gerencial sitúan esa cifra en el 60%. Es una brecha de 33 puntos, y ambos grupos describen la misma organización.

No es un desacuerdo sobre los hechos. Es un problema estructural de visibilidad. El liderazgo ve la ambición de inversión, la intención de gobernanza y los marcos que se presentan al directorio. La operación ve los proyectos sin dueños de costos asignados, los sistemas de atribución que se planearon pero nunca se construyeron y los sobrecostos que aterrizan en presupuestos reales, no en presentaciones de estrategia.

Para los ejecutivos de tecnología, esa brecha es una exposición directa. La encuesta encontró que la responsabilidad sobre el gasto en IA se reparte casi en partes iguales entre el liderazgo de Tecnología con el 55% y Finanzas con el 53%, sin un dueño único claro a nivel operativo. Cuando se les preguntó quién tiene la autoridad final ante un conflicto de gasto, los encuestados del C-suite mencionaron al CEO tres veces más que los gerentes. Dicho de otro modo, en el nivel donde el gasto realmente ocurre, la pregunta de quién controla el presupuesto de IA muchas veces no tiene una respuesta resuelta. La responsabilidad compartida, en la práctica, suele significar ninguna responsabilidad, y el gasto en IA es hoy uno de los lugares más caros para alojar esa ambigüedad.

La ventana de paciencia para la inversión en IA se cierra más rápido de lo que maduran la mayoría de los programas de gobernanza. El 83% de los líderes de Finanzas espera retornos claros y cuantificables de la IA en un plazo de 12 meses. El 81% ya está ajustando su gasto en IA o planea hacerlo dentro del año.

Entre los encuestados del C-suite, el 65% ya está actuando o actuará sobre el gasto en IA dentro de seis meses. Solo el 41% de los gerentes comparte esa urgencia. En esa brecha es donde se recortan los programas. Cuando los equipos operativos no han internalizado el cronograma del liderazgo, sus proyectos se vuelven los candidatos obvios para reestructuración o reasignación en la próxima revisión presupuestaria, al margen de si esos proyectos realmente estaban teniendo bajo desempeño.

Solo el 15% de los líderes de Finanzas puede calcular el ROI de la IA sin tropiezos importantes. Las principales barreras son el ritmo del cambio tecnológico con el 40%, que Finanzas e Engineering definan el éxito de forma distinta con el 37%, y la falta de una atribución financiera clara con el 36%. El problema de definición merece separarse de los otros dos, porque es la única barrera que no requiere nuevas herramientas para resolverse. Requiere que Finanzas e Engineering se pongan de acuerdo sobre qué significa el éxito en IA antes de construir cualquier sistema de medición. Los encuestados del C-suite sienten esta barrera con mayor agudeza: el 43% la señala como un obstáculo significativo, frente al 33% de los gerentes. Las personas mejor posicionadas para resolver la brecha de definición son también las más conscientes de lo que cuesta.

La encuesta resulta más útil cuando se lee por segmento que en agregado, porque los promedios ocultan más de lo que revelan. Varios cortes importan directamente para los líderes de tecnología.

Por tamaño de empresa, las organizaciones medianas de 1.000 a 4.999 empleados tienen sobrecostos con más frecuencia que las grandes empresas, con 81% frente a 76%, a pesar de manejar presupuestos absolutos de IA más pequeños. Su sobregasto promedio también es más alto. Las grandes empresas cargan con más complejidad y ciclos de cambio más largos, lo que les gana más paciencia del directorio, pero el estudio muestra que su cuello de botella específico es la complejidad de atribución, no la ejecución. Las organizaciones de 5.000 empleados o más son notablemente más propensas a señalar la dificultad de pronóstico como su mayor reto de FinOps.

Por país, las organizaciones de EE. UU. operan con una ventaja de urgencia de 14 puntos sobre sus pares del Reino Unido en cuanto a ajustes del gasto en IA. Lideran en formalización de presupuestos con 80% frente a 67%, en seguimiento de costos por unidad con 56% frente a 44% y en adopción de unit economics. También presentan tasas de sobrecostos más altas, algo consistente con programas más grandes y un despliegue más agresivo. Las organizaciones del Reino Unido que interpretan sus tasas más bajas de sobrecostos como evidencia de una gobernanza más sólida deberían tener cuidado, porque los sobrecostos más bajos también se correlacionan con un seguimiento menos sistemático y proyectos más pequeños.

En unit economics específicamente, los líderes de Finanzas de grandes empresas van por delante del campo general de practicantes. El State of FinOps 2026 de la FinOps Foundation encontró que menos del 20% de los practicantes aplica hoy unit economics al gasto en IA. En esta encuesta, el 26% de los líderes de Finanzas ya lo implementó y el 34% planea hacerlo en seis meses. Entre los encuestados del C-suite, el 80% espera llegar a unit economics en seis meses. Entre los gerentes, esa cifra es del 44%. Las organizaciones que integren el seguimiento de costos por unidad antes de que se cierre la ventana de paciencia estarán en una posición mucho más sólida cuando el directorio les pida justificar la continuidad del gasto.

Nada de esto sostiene que la inversión en IA sea imprudente, ni que los sobrecostos señalen un fracaso estratégico. Todas las organizaciones del estudio invierten en IA, y las que tienen la gobernanza más sofisticada también corren los programas más ambiciosos. El argumento es más acotado y más incómodo. Sin gobernanza, no te enterarás de los problemas que ya tienes hasta que alguien más los saque a la luz, normalmente en el momento menos conveniente del ciclo presupuestario.

La acción de mayor impacto disponible hoy para los ejecutivos de tecnología no es una nueva plataforma de medición. Es la alineación. Finanzas e Engineering necesitan una definición compartida de qué significa el éxito en IA, establecida antes de tomar decisiones sobre herramientas. Las organizaciones que resuelven primero el problema de definición construyen una infraestructura de medición que produce cifras en las que la gente realmente confía. Las que compran herramientas antes de resolverlo producen números que nadie cree, un fracaso más caro que no tener números en absoluto.

El conjunto completo de datos, segmentado por país, nivel jerárquico, tamaño de empresa, sector y madurez de FinOps, está disponible en el reporte completo. Está estructurado para que puedas ubicar a tu propia organización en los datos y ver qué predice tu posición sobre tu exposición.

DoiT Cloud Intelligence aporta al gasto en IA la misma disciplina financiera que los equipos de FinOps ya aplican a la infraestructura de nube, combinando atribución de costos y detección de anomalías impulsadas por IA con la experiencia humana para traducir esas señales en decisiones que un CFO aceptará. Agenda una demo para ver en qué punto está tu gasto en IA.