Las empresas se asustan por los costos de la IA: el regreso del CFO al proceso de toma de decisiones

The Economist documenta lo que se ve en las *data rooms*: las facturas de los LLM se disparan, los CFOs toman el control. El "PoC infinito" se paga, y el ROI se convierte en la línea de vida de cada proyecto de IA.

En términos sencillos

Tras dos años de FOMO, las grandes empresas hacen cuentas: sus facturas de IA (OpenAI, Anthropic, Azure OpenAI, AWS Bedrock) superan varias veces las proyecciones iniciales. Resultado: el CFO recupera el control, se cancelan PoCs que no generan retorno y se comparan modelos línea por línea.

El caso

Según The Economist (junio de 2026), los gastos en IA empresarial siguieron creciendo con fuerza en 2025-2026, pero una mayoría de casos de uso no alcanzan el umbral de ROI positivo según los CIO consultados. Tres causas recurrentes:

1. El costo por token no es el gasto real. El verdadero costo es el humano-en-el-bucle: revisión, corrección, orquestación y gobernanza. Ratio observado en terreno: típicamente 3 a 5× el costo bruto del modelo.
2. El contexto mata los márgenes. Pasar de una ventana corta a una larga (con RAG) multiplica la factura en un orden de magnitud para el mismo caso de uso.
3. El multi-modelo explota la orquestación. Una buena práctica —encaminar tareas simples a Haiku/Nano— se paga con complejidad de infraestructura que pocos CIO dominan realmente.

La acción toma dos formas: (a) repatriación parcial a modelos open-weights alojados (Llama, Qwen, DeepSeek) —la parte self-hosted avanza rápido en cargas de trabajo empresariales—; (b) contratos con umbrales con proveedores —Microsoft negocia ahora tarifas mínimas para sus grandes cuentas—.

Bajo el capó

• Métrica clave: el "cost per successful task" —no los tokens facturados, sino el costo promedio de un entregable que supera la revisión.
• Enrutador inteligente: reducción significativa de costos (a menudo 30-50%) cuando una capa de clasificación previa dirige por defecto a un modelo pequeño (LiteLLM, Portkey, el propio tiering de Anthropic).
• Caché de prompts: infrautilizado —hasta un -75% en prompts del sistema repetidos (Anthropic prompt cache).

¿Y entonces?

Tres consecuencias. Uno: la fase de "dejemos que los devs elijan" terminó, las finanzas toman el mando. Dos: los vendedores que demuestran un ROI medible (no diapositivas de "productividad +30%") se llevan el premio. Tres: es el momento del open-weight —no por ideología, sino por economía—. A vigilar: la tasa de attrición inbound de OpenAI en sus 500 cuentas más grandes a finales de 2026.