Durante casi tres años, la inteligencia artificial generativa se ha presentado como una especie de acontecimiento cósmico inevitable. Primero los chatbots, luego los copilotos, después los agentes, luego los agentes que orquestan otros agentes. Cada semana una nueva demo. Cada mes un nuevo framework. Cada trimestre una nueva promesa de revolución. Una invasión de borgs listos para asimilarnos; la resistencia es, proverbialmente, inútil.
Mientras tanto, en las empresas, ocurre algo mucho menos cinematográfico: alguien vuelve a abrir Excel.
Porque, tras la fase inicial de entusiasmo, el verdadero tema se ha vuelto brutalmente simple: ¿cuánto rendimiento genera realmente la IA? ¿Cuánto cuesta mantenerla? Y, sobre todo: ¿dónde está el retorno económico?
Si, como yo, vivís en el mágico mundo de las conferencias hi-tech, os habréis dado cuenta de que ya no estamos escuchando el mantra de “tenemos que adoptar la IA”; ahora le estamos preguntando a nuestro Jerry Maguire virtual: “vale, ¿pero dónde está el dinero?”.
Y lo interesante es que esta pregunta no viene de codiciosos jugadores de fútbol americano, sino de los CIO, los CFO y los consejos de administración. De quienes ya han invertido millones en licencias, GPU, plataformas, consultoría y formación, muy atentos a no perderse la nueva ola liderada por Sam Altman, con sus despidos y recontrataciones multimillonarias.
En los últimos meses, el sector ha salido un poco de escena, también porque entretanto se ha ido formando una narrativa muy distinta a la de los dos años anteriores. Más cansada del hype, más atenta a las cuentas. Para hacerse una idea basta con salir de LinkedIn y probar a leer artículos económicos relacionados con la IA.
No es casualidad que uno de los artículos más compartidos de las últimas semanas haya sido el publicado por Harvard Business Review, dedicado no a la innovación en sí, sino al retorno de la inversión en IA. El punto central del análisis es casi desarmante por su sencillez: las empresas empiezan a exigir KPI reales. No experimentaciones infinitas. No PoC permanentes. No dashboards coloridos. Valor económico.
Según el informe, más del 70 % de los CIO teme que parte de los presupuestos destinados a IA pueda congelarse en los próximos 24 meses si no aparecen resultados medibles. Y es una frase que describe perfectamente el momento histórico actual. La IA ya no es el proyecto “cool” que poner en la presentación para inversores. Está convirtiéndose en una partida presupuestaria que hay que justificar.
Y aquí es donde la historia se vuelve realmente interesante.
Porque, mientras tanto, el mercado se ha llenado de herramientas. Cada software enterprise posee ya al menos una función de IA. Cada plataforma promete automatización, síntesis, optimización, insights, predicción, orquestación y, a ser posible, hasta iluminación espiritual. El resultado, sin embargo, no siempre ha sido un aumento de la productividad. De hecho, uno de los informes más citados del momento, publicado por Shibumi, ha contribuido a popularizar una expresión que hasta hace pocos meses parecía casi impensable: AI fatigue.
Fatiga de la IA.
Según los datos recogidos en el informe, una cantidad sorprendentemente alta de empresas (¿todas?) todavía no consigue medir un ROI concreto en los proyectos generativos. Y, sobre todo, emerge un problema muy enterprise: demasiadas plataformas desconectadas, demasiados workflows fragmentados, demasiadas herramientas que introducen fricción en lugar de reducirla.
En la práctica, la IA corre el riesgo de hacer lo que históricamente hacen muchas herramientas enterprise: aumentar la complejidad operativa mientras prometen reducirla.
Volvemos a nuestro viejo amor: la integración.
También desde el punto de vista económico, la verdadera batalla de 2026 no es “quién tiene el mejor modelo”. Es más bien “quién consigue integrarse mejor en los procesos reales de las empresas”. Toda la diferencia del mundo.
El problema ya no es generar presentaciones llenas de gráficos circulares que se abren mostrando fuegos artificiales dignos del Año Nuevo chino. El problema es entender cómo una organización puede incorporar estas herramientas sin convertir cada workflow en un parque de atracciones de plugins, copilotos, prompts y ventanas del navegador abiertas, usando datos de Contoso Ent., que luego “ya sustituiremos por los reales”, mientras vuestros inversores se preguntan cuándo abristeis una sucursal en París, además sin avisarles. Y probablemente por eso están volviendo al centro conceptos que hasta hace poco parecían casi aburridos: orquestación, gobernanza, interoperabilidad, consolidación.
Incluso las grandes consultoras están cambiando el tono. Un ejemplo interesante llega de Business Insider, que recogió los análisis de McKinsey & Company según los cuales algunas empresas estarían obteniendo por fin retornos económicos significativos de sus proyectos de IA. Pero hay un detalle fundamental: no gracias a nuevos productos.
Los casos de mayor éxito parecen concentrarse en unos pocos use cases muy verticales, muy concretos y muy cercanos al negocio. Reducción de los tiempos de análisis documental. Optimización del customer support. Automatización de tareas repetitivas. Aceleración del ciclo de desarrollo de software.
Todas ellas cosas poco espectaculares para publicar en LinkedIn, pero tremendamente eficaces sobre los márgenes operativos.
En otras palabras: el mercado enterprise parece haber descubierto que la GenAI no es magia. Es infraestructura. El problema es que, como toda infraestructura, funciona cuando es invisible. Pero hay un aspecto que le quita el manto de invisibilidad, como a un Harry Potter huyendo de “ya sabéis quién”: el coste.
Uno de los informes económicos más discutidos de los últimos meses ha sido el publicado por Goldman Sachs, que intenta estimar el coste global de construir la infraestructura de IA. Las cifras son casi surrealistas. Se habla de cientos de miles de millones de dólares anuales en inversiones de infraestructura, con proyecciones que superan el billón en pocos años (2030).
El marketing ya quemó la palabra cloud con uno de los mayores engaños del siglo: el hierro desaparece y vuestros datos viajan por la estratosfera como globos, hasta que arde algún edificio en Estrasburgo.
Para la IA hará falta otra genialidad, porque nada más nacer ya se está materializando:
Se convierte en energía.
Se convierte en cemento.
Se convierte en refrigeración industrial.
Se convierte en geopolítica.
Porque entrenar modelos y servir inferencia a escala planetaria no es gratis. Y, sobre todo, no es infinito. Igual que tampoco fue infinita la revolución de las dot-com en los años 2000, un fantasma que alimenta el temor de que se esté formando una nueva burbuja tecnológica. No es casualidad que la página de Wikipedia dedicada a la “AI bubble” se haya vuelto repentinamente muy consultada.
Y el motivo es sencillo: el sector está entrando en la fase en la que los ingresos deben empezar a justificar las inversiones. Es el mismo punto de inflexión que históricamente separa las revoluciones tecnológicas de los experimentos caros.
Naturalmente, esto no significa que la IA esté destinada a desinflarse. Al contrario. Muchas señales indican exactamente lo contrario. Pero lo que sí está cambiando es la forma de adopción.
La época de las demos infinitas parece estar dejando paso a una fase mucho más pragmática. Lovable produce PoC a una velocidad increíble, pero su código desaparece como lágrimas en la lluvia. En esta nueva etapa también están cobrando importancia las voces más críticas y menos entusiastas.
Un ejemplo emblemático es el análisis publicado por MIT Sloan Management Review, que retoma muchas de las reflexiones del economista Daron Acemoglu. El punto central es interesante porque va contra la narrativa dominante: el impacto económico de la IA podría ser enorme a largo plazo, pero mucho más gradual a corto plazo de lo que imagina el mercado.
En la práctica: no todas las tareas son económicamente automatizables. Y, sobre todo, no todas las tareas conviene automatizarlas.
Una frase aparentemente obvia, pero potentísima.
Porque en el mundo enterprise el problema no es solo “¿se puede hacer?”. Es “¿tiene sentido hacerlo?”.
Automatizar un proceso que cuesta poco y ya funciona bien muchas veces no genera ventajas reales. Y eso obliga a las empresas a hacer algo que en el mundo de la IA todavía se hace demasiado poco: priorización estratégica.
Otro aspecto que me afecta, quiera o no, es que también el mundo laboral está cambiando su narrativa. Hasta hace pocos meses el debate estaba dominado por una pregunta casi apocalíptica: “¿la IA sustituirá a los seres humanos?”. Hoy la conversación se está volviendo mucho más sofisticada.
Un estudio publicado por Anthropic Research, basado en el análisis de millones de interacciones reales con Claude, muestra que en la mayoría de los casos la IA se utiliza no para sustituir completamente el trabajo humano, sino para amplificarlo. Y probablemente ese sea el verdadero escenario que veremos en los próximos años.
No empresas sin personas, sino personas trabajando dentro de workflows completamente redefinidos por la IA. Y eso es muy distinto, mucho más complejo.
Porque significa replantear organizaciones, roles, competencias, gobernanza y procesos. No simplemente instalar un chatbot corporativo. Y ahí es donde muchas empresas empiezan a comprender una verdad bastante incómoda: la adopción de IA no es un proyecto IT. Es un proyecto organizativo. Y quizá por eso fracasan tantos proyectos. Porque se afrontan como una simple introducción tecnológica, cuando en realidad impactan la cultura empresarial, los flujos de decisión, la gestión de competencias y los modelos operativos. No bastan los ingenieros; hacen falta directivos, y de los que tienen muchísima experiencia.
En ese sentido, uno de los informes más inteligentes publicados recientemente es The State of Organizations 2026 de McKinsey & Company, que describe precisamente esta transición: la GenAI no como una herramienta aislada, sino como una fuerza capaz de modificar toda la estructura organizativa de las empresas y transformar de verdad los procesos corporativos sin destruir el equilibrio operativo de las organizaciones.
Porque, al final, el mercado enterprise es un lugar poco romántico, y tratar de enamorar a tu pareja llevándola a restaurantes carísimos donde como mucho puedes permitirte una ensalada no es precisamente una experiencia emocionante.
Puedes tener el modelo más impresionante del planeta. Pero si no reduces costes, aumentas márgenes o mejoras la velocidad operativa, tarde o temprano alguien presentará la factura.
Y quizá ese sea precisamente el mensaje de fondo: la inteligencia artificial está saliendo por fin de la adolescencia del hype y entrando en la edad adulta de la economía real. Y ya se sabe que, en la vida adulta, no existen las comidas gratis.
