Presupuestos de IA: 93% a tecnología, 7% a personas

Párrafo inicial

Las asignaciones corporativas a la inteligencia artificial están fuertemente sesgadas hacia hardware y software: las empresas ahora destinan aproximadamente el 93% de los presupuestos de IA a tecnología y solo el 7% a personas y gestión del cambio, según un reporte en Fortune del 29 de marzo de 2026 (Fortune, Mar 29, 2026). Esta distribución marca un giro decisivo respecto a las prácticas más amplias de transformación digital y ya está generando fricción medible en los plazos de despliegue y en la adopción por parte de los usuarios en varios sectores. Ejecutivos y juntas directivas reaccionan ante capacidades modelísticas que acaparan titulares y la economía de la nube, pero la infrainversión en recualificación, diseño y gobernanza está produciendo un efecto contraproducente: una ralentización de la productividad en las empresas adoptantes tempranas. Para los inversores institucionales que siguen el apalancamiento operativo de la IA, la reasignación presenta tanto un riesgo a corto plazo para los ahorros de costes proyectados como una posible oportunidad a medio plazo para las empresas que reequilibren el gasto hacia el capital humano y la integración. Este artículo desglosa los datos, destaca las implicaciones por sector y expone la perspectiva de Fazen Capital sobre cómo los asignadores de capital deberían interpretar este patrón de gasto.

Contexto

La división 93%/7% reportada por Fortune (Mar 29, 2026) sintetiza resultados de encuestas y cuentas de gasto de proveedores recogidas de varias grandes empresas y estudios consultores (Fortune; investigaciones citadas de Deloitte, Wharton, Harvard). Esa proporción contrasta con proyectos históricos de TI y transformación, donde los presupuestos de implementación normalmente reservaban una porción materialmente mayor para formación, gestión del cambio y experiencia de usuario —típicamente en la alta unidad hasta la baja decena porcentual del gasto total del programa. La desviación hacia la tecnología refleja dos presiones simultáneas: las mejoras aceleradas en el rendimiento de los modelos fundamentales que exigen cómputo caro, y un enfoque impulsado por inversores en métricas de titular (modelos desplegados, teraflops adquiridos) en lugar de curvas de adopción o métricas de recualificación de empleados.

Esta reasignación ocurre en el contexto más amplio del mercado laboral y la automatización. El informe Future of Jobs 2020 del World Economic Forum estimó que 85 millones de puestos podrían desplazarse por el cambio tecnológico mientras que 97 millones de nuevos roles podrían emerger para 2025 (World Economic Forum, 2020). Por otra parte, el análisis de la OCDE de 2019 situó aproximadamente el 14% de los empleos en alto riesgo de automatización (OECD, 2019). Esas cifras macro ayudan a explicar por qué la dirección corporativa es agresiva en la adquisición de tecnología: existe el miedo a quedarse atrás competitivamente. Sin embargo, el cambio macro no anula la realidad operativa de que la capacidad de hardware y modelo no genera valor empresarial sin procesos humanos que integren las salidas en decisiones, ventas y flujos de trabajo regulados.

El informe de Fortune también vincula el patrón de gasto con un aumento de contratiempos medibles en la implementación en la primera mitad de 2026: tiempos hasta valor más largos de lo esperado, tasas elevadas de error en flujos de trabajo en producción y resistencia de los usuarios en aplicaciones orientadas al cliente (Fortune, Mar 29, 2026). Estos son indicadores tempranos más que tendencias asentadas, pero son consistentes con casos históricos donde la infrainversión en el lado organizativo de la tecnología ha retrasado el ROI entre 6 y 24 meses en distintos sectores.

Análisis detallado de datos

El dato más llamativo es la asignación del 93% a tecnología frente al 7% a personas. Esta proporción emergió de datos agregados de encuestas y gastos reportados por Fortune el 29 de marzo de 2026 (Fortune, Mar 29, 2026), y fue corroborada por entrevistas con directores digitales y responsables de compras citados en la pieza. Al superponer esto con métricas sectoriales se revela heterogeneidad: grandes instituciones financieras y empresas de software nativas en la nube se inclinan aún más hacia la infraestructura, mientras que empresas de retail orientadas al consumidor y del sector salud —donde la adopción por parte del usuario es crítica— muestran un gasto relativo marginalmente mayor en formación (aproximadamente 10–12% en esos subsectores, según divulgaciones a nivel de empresa referenciadas en Fortune).

Una forma práctica de entender el efecto es comparar esta asignación con los puntos de referencia típicos de rendimiento de proyectos. Históricamente, las guías de gestión de programas de las principales consultoras han sugerido destinar entre el 10% y el 30% de los presupuestos de transformación a personas, rediseño de procesos y reciclaje de habilidades para asegurar adopción y controles de riesgo. El promedio actual del 7% se sitúa por tanto en o por debajo del extremo inferior de esa banda histórica, lo que implica que las empresas están comprimiendo los presupuestos de formación y cambio para priorizar cómputo y modelos. Dicha compresión puede alargar materialmente la curva de tiempo hasta el valor: estudios empíricos sobre implantaciones de software empresarial han mostrado que los plazos de implementación pueden aumentar entre un 25% y un 50% cuando la formación de las partes interesadas es insuficiente.

Desde la perspectiva de costes, las partidas inmediatas que impulsan el número del 93% son claras: créditos en nube a gran escala para entrenamiento de modelos, licencias de modelos a medida, clusters de GPU e ingeniería de datos. Por ejemplo, presentaciones públicas y reportes de proveedores en los últimos dos años mostraron compromisos de empresas con acuerdos multianuales en la nube por decenas de millones de dólares; el reportaje de Fortune señala múltiples empresas del Fortune 500 que comprometieron gastos mensuales en la nube de siete cifras en 2025–26 como parte de sus empujes en IA (Fortune, Mar 29, 2026). El resultado es un perfil de capex y opex front-loaded para la tecnología con inversión en capital humano diferida, una combinación que magnifica la producción de titulares a corto plazo mientras socava una adopción duradera.

Implicaciones por sector

Servicios financieros. Los bancos y gestoras de activos han sido adoptantes tempranos de modelos fundamentales para señales de trading, automatización de cumplimiento y atención al cliente mediante chat. La alta proporción destinada a tecnología puede acelerar el despliegue de modelos para analítica y estrategias algorítmicas, pero la inversión insuficiente en gobernanza y supervisión humana incrementa el riesgo de modelo y la potencial escrutinio regulatorio. Dado que los reguladores en jurisdicciones clave emitieron orientaciones actualizadas sobre IA en 2024–2025 enfatizando controles con humanos en el circuito, las empresas que infrainviertan en personas corren el riesgo de incurrir en costes por incumplimiento