La inteligencia artificial está entrando en una fase menos marcada por la experimentación y más condicionada por su economía real. Solo el 23 % de las organizaciones de EMEA obtiene actualmente más valor de sus iniciativas de IA que el coste que soportan, de acuerdo con los datos regionales del informe The State of Enterprise AI 2026: The New Rules of Scale , de Cloudera. El estudio muestra que la IA empresarial se enfrenta ahora a problemas de costes variables, gobernanza, fiabilidad y movilidad de las cargas de trabajo que apenas eran visibles durante las primeras pruebas.
El dato coincide con el resultado global del estudio. En el conjunto de los 1.500 responsables de TI encuestados, el 23 % considera que la IA genera más valor del que cuesta, mientras que un 58 % sitúa aproximadamente al mismo nivel el gasto y el retorno conseguido. El 19 % restante afirma que los costes superan el valor generado.
La inversión, sin embargo, sigue creciendo. Un 55 % de las organizaciones ha aumentado el presupuesto dedicado a IA y casi dos tercios, el 64 %, gastan al menos 500.000 dólares al año en estas iniciativas. Un 28 % supera ya el millón de dólares anual.
La dificultad está en traducir ese desembolso en resultados medibles. El 27 % declara haber obtenido poco o ningún impacto cuantificable de sus proyectos, mientras que el 41 % se ha encontrado con costes superiores a los previstos. Al mismo tiempo, un 43 % asegura haber conseguido mejoras de productividad mayores de las esperadas, casi el doble del 23 % que registra avances inferiores a sus previsiones.
Ese contraste dibuja una adopción más compleja que una simple división entre proyectos exitosos y fallidos. La IA puede generar incrementos de productividad y, a la vez, obligar a revisar su arquitectura o su modelo económico cuando aumenta el número de usuarios, la frecuencia de las consultas o el volumen de información procesada.
El consumo de tokens ya condiciona los casos de uso
Una parte creciente de esa presión procede de costes que varían con el uso. El 89 % de las empresas a escala global ha limitado o rediseñado algún caso de uso por el incremento del consumo de tokens. En EMEA, el porcentaje facilitado por Cloudera alcanza el 85 % cuando se combinan el aumento del almacenamiento y el consumo asociado a los modelos.
La región muestra además una presión ligeramente superior en algunos componentes del gasto. El 44 % de los encuestados de EMEA afirma que el uso de tokens y los costes de inferencia crecieron más rápido de lo esperado, frente al 42 % en APAC y el 39 % en América. En almacenamiento, las proporciones son del 43 %, 42 % y 38 %, respectivamente.
Pese a ello, pocas organizaciones disponen de una monitorización continua. El 90 % considera que puede medir al menos con cierta precisión el coste de extremo a extremo de sus sistemas de IA, pero solo un 27 % asegura hacerlo con mucha precisión. Cuando se observa específicamente el coste de tokens e inferencia, apenas el 19 % lo controla de forma continua.
La consecuencia ya es visible en las decisiones técnicas. El 99 % de los encuestados ha tomado alguna medida ante costes más altos o volátiles. Un 45 % ha trasladado cargas de trabajo a otra nube, una infraestructura privada o una plataforma local, mientras que un 40 % ha reducido la frecuencia de procesamiento, el tamaño del modelo, la ventana de contexto o el volumen de las respuestas. Otro 24 % ha pausado o cancelado algún caso de uso.
Para las empresas, estas cifras convierten parámetros aparentemente técnicos en decisiones económicas. Cambiar de modelo, reducir el contexto enviado a una aplicación o limitar la frecuencia con la que ejecuta una consulta puede determinar que un sistema mantenga o pierda su viabilidad cuando pasa de cientos a miles de usuarios.
La gobernanza se convierte en un coste de escala
El segundo gran límite aparece en el control. Tres de cada cuatro responsables de TI identifican la gobernanza y el cumplimiento normativo como una restricción para escalar la inteligencia artificial, la barrera citada con mayor frecuencia en el estudio.
En la muestra global, el 55 % señala que los costes asociados a gobernanza y cumplimiento han crecido más rápido de lo previsto. En los datos de EMEA comunicados por Cloudera, la proporción se sitúa en el 49 %.
La aparente paradoja es que las compañías no se consideran incapaces de aplicar controles. El 76 % sostiene que resulta sencillo implantar políticas coherentes de gobierno del dato, seguridad y acceso entre sus diferentes entornos. El problema aparece al mantenerlas cuando aumenta el número de modelos, fuentes de información, usuarios y aplicaciones.
Las preocupaciones están además repartidas entre varios frentes. La privacidad de los datos y el riesgo asociado a proveedores externos de IA son citados por un 35 % de los encuestados. La calidad del dato alcanza el 34 %, el cumplimiento regulatorio el 33 % y la seguridad y soberanía el 31 %.
El control humano sigue formando parte de esa arquitectura de gobernanza. El 78 % exige aprobación humana para al menos algunas decisiones tomadas con IA. En un 52 % de los casos, la intervención se activa al superar determinados umbrales de riesgo, confianza o valor; el 34 % la exige en decisiones reguladas o consideradas de alto impacto y el 30 % cuando afectan a clientes, empleados u otros resultados sometidos a regulación.
Otro 44 % utiliza revisiones mediante muestreo o controles posteriores. La tendencia apunta así hacia modelos de supervisión diferenciados en función del riesgo, frente a aplicar el mismo nivel de intervención humana a todas las aplicaciones.
La soberanía obliga a reconsiderar dónde se ejecuta la IA
La ubicación de las cargas constituye el tercer componente de este reajuste. El 84 % de los participantes a nivel global afirma que los requisitos de residencia de datos, soberanía o jurisdicción influyen al menos ocasionalmente en dónde ejecuta sus sistemas de IA. En EMEA la cifra alcanza el 82 %.
La mayoría de las organizaciones trabaja ya con varios entornos. La resiliencia es la razón mencionada con mayor frecuencia, por un 42 %, seguida de los requisitos de soberanía y residencia y la reducción de costes, ambos con un 38 %. La proximidad de la capacidad de cálculo a los datos aparece inmediatamente después, con un 37 %.
Esa distribución entre nubes públicas, infraestructuras privadas y centros de datos propios ofrece margen de elección, pero mover una aplicación sigue teniendo un coste técnico considerable. El 58 % afirma que trasladar una carga de IA entre entornos exige un rediseño moderado o importante. En EMEA, los datos facilitados por la compañía reflejan la misma proporción.
La movilidad del propio dato añade otras dificultades. El riesgo de seguridad y el aumento de costes son las dos preocupaciones más citadas al trasladar información entre plataformas, ambas por un 34 % de los encuestados.
Cloudera interpreta estos resultados como un argumento a favor de arquitecturas híbridas capaces de ejecutar la IA cerca de los datos y mantener políticas comunes entre distintos entornos. Esa lectura coincide con el negocio de la propia compañía, centrado en plataformas de datos e IA híbridas, aunque el problema de portabilidad que refleja la encuesta trasciende a un proveedor concreto.
Casi todas las empresas han retirado alguna IA de producción
El informe introduce otra variable que va más allá del presupuesto. El 98 % de las organizaciones ha tenido que retirar o reducir al menos una vez un despliegue de IA después de detectar fallos, alucinaciones o comportamientos inesperados. Para el 68 %, estas intervenciones se producen «a veces» o «con frecuencia».
El dato evidencia la distancia entre una prueba controlada y la operación diaria. Una aplicación puede superar sus evaluaciones iniciales y mostrar posteriormente problemas cuando trabaja con datos distintos, recibe consultas imprevistas o se integra en procesos más sensibles.
La experiencia acumulada está modificando por ello las prioridades de inversión. Si pudieran empezar de nuevo, el 49 % de los encuestados reforzaría la gobernanza desde el principio, el 46 % invertiría antes en calidad del dato y el 45 % modernizaría antes su infraestructura. Otro 45 % dedicaría más recursos a la formación de empleados y el 37 % comenzaría con casos de uso más pequeños.
Las diferencias por sectores también son amplias. Servicios financieros registra la mayor proporción de organizaciones que dicen obtener más valor que coste de la IA, con un 38 %, y un 70 % ha aumentado la inversión. En fabricación, el 49 % declara ganancias de productividad superiores a las previstas, pero el mismo porcentaje afronta costes mayores de lo esperado y el 84 % identifica la gobernanza como una barrera para escalar.
Estos resultados proceden de una encuesta realizada por Wakefield Research en septiembre de 2026 entre 1.500 responsables y decisores de TI con nivel mínimo de director. La muestra abarca nueve mercados: Estados Unidos, Canadá y Brasil en América; Italia, Alemania y Emiratos Árabes Unidos en EMEA; y Corea del Sur, Australia e Indonesia en APAC. Por tanto, las cifras regionales de EMEA no constituyen una medición específica del mercado español.
La siguiente fase de la IA empresarial estará condicionada así por una cuestión operativa: cuánto puede crecer una aplicación antes de que sus costes, sus requisitos de control o su arquitectura obliguen a modificarla. La capacidad de medir ese punto y desplazar o rediseñar cargas sin reconstruir todo el sistema está pasando a formar parte del cálculo económico de cualquier despliegue a gran escala.
