Los presupuestos de IA se aprueban con la lógica de siempre, un número anual, y después se comportan con una lógica nueva, gasto que crece con el uso. Esa diferencia se convierte en un problema de finanzas cuando en realidad empezó como un problema de diseño operativo.
Hay una conversación que se está repitiendo en muchos comités de finanzas de la región, la del gerente de operaciones explicando por qué el gasto de la herramienta de IA está muy arriba de lo proyectado, y el CFO tratando de entender qué hacer con un número que empezó a moverse tres meses antes de que llegara a su escritorio.
¿Por qué el CFO se está enterando tarde?
Porque el gasto de IA no se comporta como el resto del software que había en el presupuesto hasta el año pasado.
Los planes de licencia por asesor eran predecibles, se pagaba lo mismo en marzo que en octubre, y la única variable era cuánta gente contratabas.
Con los modelos de pago por consumo, el mismo equipo puede gastar mucho más en un mes solo porque adoptó mejor la solución, cambió el mix de casos que atiende, o alguien creó un flujo nuevo sin avisar.
Casi ocho de cada diez empresas ya tuvieron sobrecostos de IA en el último año, según una encuesta de Sapio Research a 500 líderes de finanzas hecha para DoiT en febrero de 2026, y la lectura del estudio apunta a que el problema está en que casi nadie tiene la instrumentación para ver el consumo antes de que el número se vuelva grande.
Esa es la conversación incómoda de tener, el CFO está pidiendo saber dónde tenía que haber mirado dos meses atrás, no un reporte más detallado del mes en curso.
¿Qué debería haberse definido antes de firmar el contrato?
Tres cosas concretas, y ninguna de las tres es responsabilidad del proveedor de IA.
Primero, a qué roles del equipo le conviene tener acceso al servicio y con qué nivel de uso, porque no todos los perfiles lo necesitan igual, y dar acceso amplio "por si acaso" es lo que hace que el gasto crezca sin correlato de valor.
Después, dónde se puede ver el consumo en tiempo real, con un umbral que dispare una alerta antes de llegar a la factura, no cuando ya llegó.
Por último, quién adentro de la organización mira ese número todos los meses y tiene autoridad para pausar o reasignar el uso si algo se sale de la curva.
En los proyectos donde nos toca acompañar esta decisión, esas definiciones se hacen antes de encender el servicio, no después. Es la parte del trabajo que más se parece a una asesoría de gobierno del gasto que a una implementación de tecnología, aunque termine cerrándose en el mismo contrato.
¿Y cómo cambia el cálculo en Latinoamérica?
Con un matiz que casi nunca aparece en los reportes globales, porque están pensados para mercados donde una hora de trabajo humano es cara. En la región, la mano de obra suele costar bastante menos que en Estados Unidos o Europa, y eso mueve el punto en el que automatizar un proceso realmente compensa el gasto variable de la IA.
En plata, un proceso que en un mercado desarrollado conviene automatizar de entrada porque la hora de asesor es cara, en un país de Latam puede no compensar porque esa misma hora cuesta bastante menos. La cuenta la tiene que hacer alguien que conozca la estructura de costos del cliente y las curvas de uso reales de su operación, no un benchmark importado.
Lo que queda pendiente
El CFO no va a resolver esto pidiendo más reportes, y el proveedor de IA tampoco lo va a resolver bajando el precio del token, porque el problema está más arriba.
Antes de la próxima revisión de presupuesto, hay tres preguntas que conviene poder responder internamente.
- ¿Quién en la organización mira el consumo de IA todos los meses y tiene autoridad para pausarlo?
- ¿Qué roles del equipo tienen acceso hoy, y con qué límite de uso definido?
- ¿En qué punto exacto de la curva de costos de la operación, automatizar deja de compensar?
Si esas tres respuestas no están claras hoy, la conversación del próximo comité de finanzas ya está escrita.