Casi 7 de cada 10 empresas no saben cuánto les cuesta generar resultados con IA

Solo el 35% de las empresas tiene capacidad para calcular cuánto le cuesta generar resultados concretos con inteligencia artificial, a pesar de que el 78% proyecta aumentar significativamente su consumo de esta tecnología durante los próximos dos años. Así lo revela un estudio de Accenture que pone en evidencia las dificultades de las organizaciones para medir el retorno de sus inversiones en IA.

El informe señala que el 59% de las compañías administra estos costos mediante estimaciones generales, sin contar con suficiente precisión para determinar qué procesos generan valor y cuáles representan gastos difíciles de justificar.

La situación está llevando a las organizaciones a revisar cómo presupuestan y supervisan el consumo de inteligencia artificial, especialmente cuando comienzan a utilizar modelos avanzados y agentes automatizados en sus operaciones.

La tokenomía: el nuevo desafío financiero de la inteligencia artificial

Uno de los cambios más importantes está relacionado con la forma de cobrar por los servicios de IA.

Mientras numerosas soluciones de software funcionan mediante suscripciones, los servicios de inteligencia artificial basados en consumo pueden generar costos variables según la cantidad de tokens procesados.

Los tokens son unidades de información que los modelos utilizan para interpretar instrucciones y generar respuestas. Su consumo puede aumentar según la complejidad de las tareas, el volumen de información y los modelos utilizados.

En este contexto surge la tokenomía, un enfoque de gestión que busca relacionar el costo de utilizar inteligencia artificial con los resultados económicos obtenidos por cada área de la organización.

“Las juntas directivas están exigiendo a los CEOs que expliquen el nivel de exposición y el retorno de estas inversiones; los CEOs quieren conocer el impacto en los resultados de la compañía y recurren a los CFO para obtener control financiero”, explicó Juan Antonio García, Senior Client Account Executive de Accenture Colombia.

El estudio advierte que el 48% de las organizaciones comparte la responsabilidad de estos costos entre tecnología y finanzas, sin contar necesariamente con un responsable único de su gestión.

También le puede interesar leer: “Tener muchas herramientas de ciberseguridad no significa estar mejor protegido”: Sindy Acosta

Nueve de cada diez tareas no necesitan los modelos de IA más costosos

Uno de los hallazgos más relevantes está relacionado con la selección de las herramientas utilizadas.

Según Accenture, el 90% de las cargas de trabajo analizadas podría resolverse sin recurrir a los modelos de inteligencia artificial más avanzados o complejos.

Sin embargo, más de la mitad de las solicitudes termina procesándose mediante modelos de mayor capacidad y costo del necesario, debido a la falta de capacitación o criterios para seleccionar la tecnología adecuada.

Esto significa que una empresa podría estar destinando recursos adicionales a tareas que pueden ejecutarse mediante soluciones más económicas.

El análisis también señala que menos del 20% del gasto en tokens puede vincularse actualmente con un resultado económico cuantificable.

Para mejorar esa relación, Accenture plantea que las organizaciones registren el consumo por equipo, modelo y proceso, además de establecer indicadores que permitan evaluar los beneficios obtenidos.

¿Cómo pueden las empresas controlar sus costos de inteligencia artificial?

El desafío no consiste únicamente en reducir el número de consultas o utilizar herramientas más baratas, sino en conocer qué resultados genera cada inversión.

Entre las medidas que plantea Accenture se encuentran identificar los modelos utilizados, asignar costos a las áreas responsables, establecer reglas de uso y evaluar el retorno esperado antes de llevar nuevas soluciones a producción.

La consultora estima que una gestión más eficiente del consumo de tokens podría capturar hasta US$55 millones de valor por cada US$100 millones invertidos anualmente en IA, considerando eficiencia operativa, control financiero y medición de resultados.

Se trata de una estimación del potencial de gestión, no de un ahorro garantizado para todas las organizaciones.

Para las empresas que están ampliando sus inversiones en inteligencia artificial, el siguiente paso será pasar de medir cuántas herramientas utilizan a determinar qué beneficios generan.

La capacidad de identificar cuánto cuesta cada proceso y qué valor aporta al negocio será determinante para escalar la IA sin perder el control financiero.