La reunión de presupuesto termina con una cifra aprobada: veinte por ciento más para tecnología, la mayor parte etiquetada para inteligencia artificial. Nadie pregunta qué proyectos existentes se apagarán ni qué sistemas heredados dejarán de recibir mantenimiento. El resultado, unos meses después, es el mismo de siempre: más herramientas, más complejidad, y ninguna ganancia real en agilidad.
La escena se repite con variaciones menores. El gerente de tecnología presenta un plan ambicioso con inteligencia artificial generativa, automatización de procesos y analítica avanzada. El director financiero, presionado por no quedar rezagado, autoriza el incremento. Lo que no se discute es la cartera de gasto existente: esos proyectos que llevan tres años sin entregar valor medible, esos sistemas legacy que consumen el treinta por ciento del presupuesto de infraestructura, esas integraciones manuales que nadie quiere tocar.
El error típico es tratar el presupuesto tecnológico como una suma, cuando debería tratarse como una reasignación. La organización añade capas sin retirar ninguna, y el resultado es una máquina cada vez más pesada, lenta y costosa. Este fenómeno se reconoce en la práctica con una pregunta incómoda que casi nunca se hace: ¿qué vamos a dejar de hacer? La respuesta suele ser un silencio o una lista de proyectos pequeños que ya estaban moribundos.
El error consiste en confundir innovación con acumulación. Se cree que la inteligencia artificial requiere sumar recursos frescos, cuando en realidad exige liberar capacidad técnica y financiera desde las actividades de bajo impacto. Para quien decide, la implicación es clara: antes de aprobar un nuevo peso para IA, debe exigir un inventario de gasto tecnológico actual y una propuesta de desinversión equivalente. Sin esa disciplina, el presupuesto crece pero la agilidad se contrae.
Otra microescena habitual: el equipo de datos logra entrenar un modelo predictivo prometedor, pero al intentar llevarlo a producción se topa con tres sistemas de registro que no se hablan entre sí, procesos de aprobación que requieren firmas manuales y una calidad de datos que obliga a limpiar todo desde cero. La dirección, frustrada por la demora, autoriza otra ronda de inversión en herramientas de inteligencia artificial, esperando que eso resuelva el problema. El error típico es financiar la capa sin financiar la base.
La IA no es una varita mágica; amplifica la eficiencia de procesos que ya funcionan razonablemente bien, pero multiplica el caos cuando se aplica sobre procesos desordenados. La implicación para la decisión es que cualquier partida para inteligencia artificial debe ir acompañada de una partida explícita para reducir deuda técnica y simplificar la arquitectura de datos.
El concepto de productividad del gasto tecnológico ayuda a romper esta lógica. No se trata de cuánto se gasta en total, sino de cuánto valor incremental genera cada unidad monetaria en el margen. Una organización puede tener un presupuesto modesto pero concentrado en capacidades diferenciadoras, y otra con el doble de recursos puede estar desperdiciándolos en sostenimiento de sistemas que ya no generan ventaja competitiva. El error típico es medir el gasto como porcentaje de los ingresos y compararse con pares de la industria, una métrica que incentiva la inercia y castiga la audacia de apagar cosas. La implicación para quien asigna recursos es abandonar los presupuestos históricos y adoptar un modelo de reasignación por capacidades estratégicas: los recursos siguen a las prioridades del negocio, no a las partidas del año anterior.
Una tercera escena: el comité de tecnología revisa los indicadores del trimestre. La inversión en inteligencia artificial creció cuarenta por ciento, pero el tiempo de respuesta a incidentes críticos sigue igual, y los equipos reportan fatiga por la cantidad de herramientas que deben operar en paralelo. La pregunta incómoda es si el gasto adicional ha mejorado la resiliencia operativa o la velocidad de entrega. En la mayoría de los casos, la respuesta es no. El error típico es invertir en modas sin tocar las restricciones sistémicas.
La inteligencia artificial no resuelve cuellos de botella organizacionales; los expone. Si la aprobación de un cambio de configuración toma dos semanas por procesos manuales, la IA no acortará ese tiempo. La implicación para la decisión es que antes de escalar inversiones en IA, se debe mapear el flujo de valor real e identificar las restricciones que la tecnología no puede saltarse.
Finalmente, la rigidez de los ciclos presupuestarios anuales se ha convertido en un obstáculo estructural. Una empresa que descubre en marzo una oportunidad con inteligencia artificial no puede esperar hasta diciembre para reasignar recursos, porque para entonces la oportunidad ya la habrá aprovechado otro. El error típico es mantener la misma frecuencia de revisión presupuestaria que se usaba hace una década, cuando los ciclos tecnológicos eran más lentos. La implicación es migrar a presupuestos continuos con revisiones trimestrales y, dentro de cada revisión, una decisión explícita de qué se desfinancia. Esto no es una moda gerencial: es la única manera de que la asignación de recursos mantenga el paso de la evolución tecnológica.
📌 Conclusión
Aumentar el presupuesto de tecnología sin reasignar es la forma más rápida de volverse lento y caro. Las organizaciones que prosperarán en la era de la inteligencia artificial no serán las que más inviertan, sino las que mejor decidan qué dejar de hacer. La disciplina de retirar financiamiento de lo obsoleto es, hoy, la competencia estratégica más infravalorada.
Compartir este Contenido
Comparta este contenido con su equipo o red profesional
