"La IA no reemplazará a las empresas. Las empresas que sepan usar IA reemplazarán a las que no lo hagan". Aunque la frase suele atribuirse a Satya Nadella, CEO de Microsoft, resume con precisión el momento que atraviesan las organizaciones. La inteligencia artificial dejó de ser un experimento para convertirse en una prioridad de negocio. Sin embargo, mientras muchas compañías aceleran el desarrollo de aplicaciones impulsadas por IA, pocas están prestando atención a una pregunta mucho más importante: ¿cuánto cuesta realmente desarrollar software con inteligencia artificial y cómo evitar que esa inversión se convierta en un nuevo dolor de cabeza financiero?
Durante los últimos dos años, la productividad de los equipos de desarrollo ha dado un gran salto. Hoy es posible generar código, detectar errores o documentar aplicaciones en cuestión de minutos. Pero desarrollar software más rápido no significa necesariamente hacerlo de forma más rentable.
De hecho, Gartner advierte que esta percepción podría convertirse en uno de los principales riesgos para las organizaciones. La consultora estima que para 2028 el costo del uso de herramientas de IA para programación podría superar el salario promedio de un desarrollador, impulsado por el creciente consumo de tokens y los nuevos modelos de cobro por uso de los proveedores de inteligencia artificial. Lo preocupante es que muchas empresas aún no son conscientes de ese impacto.
Nitish Tyagi, analista principal sénior de Gartner, asegura que las organizaciones están pasando rápidamente de experimentar con asistentes de programación a utilizarlos de manera masiva, pero sin entender completamente cuánto les costará mantenerlos funcionando.
"La disciplina en el uso de tokens no surgirá únicamente por elección del desarrollador, ya que los programadores tienden a optimizar la velocidad y la conveniencia por encima de la eficiencia de costos. Sin un modelo operativo de ingeniería gobernado, los costos pueden escalar más rápido que las ganancias de productividad que estas herramientas prometen ofrecer", explica Tyagi.
El problema va mucho más allá de pagar una licencia de inteligencia artificial. Cada consulta que un desarrollador realiza, cada prueba, cada versión generada y cada agente autónomo consume recursos que finalmente terminan reflejándose en la factura mensual. Y, según Gartner, muchas organizaciones aún no cuentan con mecanismos para controlar ese gasto.
La consultora advierte que la mayoría de las empresas tampoco dispone de metodologías para medir si ese incremento en los costos realmente se traduce en beneficios para el negocio. A esto se suma otro desafío: muchos proveedores de IA todavía ofrecen poca visibilidad sobre el consumo real de recursos, dificultando que los líderes de tecnología puedan explicar el retorno de la inversión ante los directivos.
No sorprende entonces que el debate esté cambiando. Ya no se trata únicamente de desarrollar más software con IA, sino de hacerlo de manera eficiente.
Para McKinsey, las organizaciones que están capturando mayor valor con esta tecnología no son las que utilizan los modelos más sofisticados, sino aquellas que transforman sus procesos, fortalecen la calidad de sus datos y establecen mecanismos de gobierno antes de escalar la inteligencia artificial.
La misma conclusión comparte Dan Diasio, líder global de IA de EY, quien ha señalado que muchas empresas siguen justificando estas inversiones únicamente por el ahorro de costos. Ese enfoque, afirma, limita el verdadero potencial de la inteligencia artificial, cuyo mayor aporte está en acelerar la innovación, mejorar la experiencia de los clientes y crear nuevas oportunidades de negocio.
Los CEO parecen haber entendido esa realidad. El KPMG CEO Outlook 2025 revela que siete de cada diez directores ejecutivos consideran la inteligencia artificial como una de sus principales prioridades de inversión. Sin embargo, también reconocen que el éxito dependerá menos del modelo elegido y mucho más de contar con datos confiables, talento preparado y una estrategia clara para integrar la IA dentro del negocio.
Precisamente por eso Gartner propone cambiar la conversación. Más que seguir incorporando herramientas, recomienda establecer reglas claras para controlar su uso. Entre ellas destacan capacitar a los desarrolladores para formular solicitudes más eficientes a la IA, utilizar modelos menos costosos para tareas sencillas, establecer límites automáticos al consumo de tokens y revisar periódicamente estos gastos dentro de los ciclos de desarrollo. Son medidas que, aunque parecen operativas, terminan teniendo un impacto directo en la rentabilidad.
El costo de la inteligencia artificial va mucho más allá de comprar una herramienta o contratar un modelo. La verdadera inversión comienza cuando esa tecnología debe conectarse con los procesos de la empresa, trabajar con información confiable, cumplir las normas, proteger los datos y preparar a los equipos para aprovecharla. Son gastos que muchas veces pasan desapercibidos al inicio, pero que terminan marcando la diferencia entre un proyecto que genera resultados y otro que solo incrementa el presupuesto.
Nadie duda de que la inteligencia artificial seguirá acelerando el desarrollo de software. El reto ahora no es saber adoptarla, sino saber gestionarla con criterio, controlar su costo y asegurarse de que cada inversión se traduzca en mayor productividad, innovación y crecimiento para el negocio.
