Velocidad sobre coste: las empresas operan la IA a ciegas de sus gastos reales
- Eduardo Cubillo
- hace 1 hora
- 3 min de lectura
Un estudio revela que dos tercios de las organizaciones ejecutan cargas de trabajo en producción, pero más de la mitad carece de un control riguroso sobre la factura del cómputo y la eficiencia de sus flotas de GPU. OpenAI y Gemini se posicionan como las arquitecturas con mayor presencia global, 49% y 48%, respectivamente.
La encuesta de la que se desprenden estos datos es Pulse Research realizada por VentureBeat a 170 empresas de más de 100 empleados. De estas el 66% ya ejecuta cargas de trabajo de IA en producción y un 29% lo hace a gran escala.
Sin embargo, este despliegue acelerado ha generado un desajuste crítico: la capacidad contable y el control financiero no han avanzado al mismo ritmo que la capacidad técnica. Sometidos a la presión de poner sistemas en funcionamiento, los equipos han relegado el coste financiero a un segundo plano. La integración con la pila existente (40%), el rendimiento (35%) y la disponibilidad de GPUs (24%) superan ahora al coste total de propiedad (TCO), que cae al 22% en los criterios de selección.
Del mismo modo, el tiempo de actividad y la fiabilidad (51%) rigen como la principal métrica de éxito, eclipsando el coste por millón de tokens (31%).
Esta priorización de la velocidad resulta comprensible en producción, pero contrasta con una realidad económica frágil en la que resaltan:
Baja utilización: El 69% de las empresas que gestionan GPUs propias opera a la mitad de su capacidad o menos, y un 12% ni siquiera mide la utilización de sus recursos.
Falta de trazabilidad: Un 53% no realiza un seguimiento riguroso de los costes de cómputo y su retorno de inversión (ROI). Incluso entre las organizaciones que operan a gran escala, el control estricto solo alcanza al 56%.
Desafección con el precio: La relación calidad-precio obtiene la puntuación de satisfacción más baja (3,87 sobre 5), evidenciando que las organizaciones perciben la ineficiencia, aunque carezcan de datos concretos para medirla.
Proveedores consolidados y la promesa de las 'neonubes'
Actualmente, el stack promedio utiliza tres plataformas, dominado por hiperescaladores y APIs consolidadas. Microsoft Azure lidera como plataforma principal (26%), seguida de Google Cloud (19%), mientras que OpenAI y Gemini se posicionan como las arquitecturas con mayor presencia global (49% y 48%, respectivamente).
Métrica de Infraestructura | Dato Clave |
Producción activa | 66% de las empresas (29% a escala) |
Utilización de GPU ≤ 50% | 69% de los operadores |
Seguimiento riguroso de costes | 47% de las empresas |
Intención de cambio en 12 meses | 62% de las organizaciones |
A corto plazo, el 62% planea añadir o cambiar de proveedor en los próximos 12 meses, inclinándose mayoritariamente por reajustar cuotas entre sus proveedores habituales. Sin embargo, la mirada a largo plazo apunta fuera de la pila actual: las nubes especializadas en IA (CoreWeave, Lambda, entre otras) son el área futura más evaluada (44%), a pesar de que hoy representan solo un 3,5% del uso real cada una.
El informe concluye que el sector ha superado la fase de experimentación para operar en un entorno de alta disponibilidad, pero lo hace bajo una gestión económica pendiente. La gran incógnita para la industria es si las empresas lograrán estructurar un control contable riguroso antes de emprender su próxima gran migración de infraestructura.
Comentarios