La inversión tech puede superar el 10% en sectores de uso intensivos. El avance de las suscripciones, el consumo cloud y los modelos de IA introdujo nuevos costos recurrentes y obliga a las compañías a mejorar el control y la medición del retorno.
Las empresas destinan hasta 10% de su facturación a tecnología, pero el gasto en software, cloud e IA se hace más difícil de controlar.
La inversión tecnológica de las empresas atraviesa una transformación que no solo modifica las herramientas que utilizan sino también la forma en que presupuestan, contratan y controlan esos recursos. Software, servicios cloud e inteligencia artificial concentran una porción creciente de los presupuestos corporativos y, al mismo tiempo, introducen esquemas de suscripción y pago por uso que hacen más difícil anticipar cuánto terminará costando la tecnología.
El contenido al que quiere acceder es exclusivo para suscriptores.
Un informe elaborado por las consultoras yCon Research y Cloudbeach señala que, como referencia internacional, las compañías destinan en promedio alrededor del 5% de su facturación a tecnología, aunque la proporción puede ubicarse entre el 2% y el 10%, dependiendo de la actividad y el nivel de digitalización.
La diferencia entre sectores es significativa. Las compañías intensivas en información, como servicios financieros, seguros y empresas tecnológicas, pueden superar el 8% o 10% de sus ingresos, mientras que en actividades con mayor peso de los activos físicos, como manufactura, construcción y agro, la inversión tecnológica suele ubicarse entre el 2% y el 5%.
En Argentina no existe todavía una medición local equivalente que permita establecer un promedio para el conjunto de las empresas. La referencia utilizada por el informe surge de Aníbal H. Serantes, pro-tesorero de la cámara del software CESSI, que advierte además que la tecnología dejó de ser una partida asociada exclusivamente al área de sistemas para convertirse en una inversión estratégica vinculada directamente con el negocio.
“La tecnología pasó a evaluarse como una inversión estratégica, definida en los niveles más altos de la organización y bajo una lógica de retorno vinculada al negocio”, explica Serantes. El objetivo también se amplió: ya no se trata solamente de ganar eficiencia o reducir costos, sino de desarrollar nuevas líneas de ingresos, productos digitales, modelos de suscripción y servicios.
Uno de los cambios centrales se produjo en la forma de pagar la tecnología. El modelo tradicional implicaba adquirir licencias e infraestructura mediante desembolsos puntuales, contabilizados como inversión de capital (Capex). El avance del SaaS (software como servicio) y del cloud trasladó una parte cada vez mayor del gasto hacia esquemas de Opex, basados en suscripciones y consumo.
“Del desembolso puntual en licencias e infraestructura (CAPEX) se pasó a un modelo de suscripción y pago por uso (OPEX), impulsado por el SaaS y el cloud, que vuelve la inversión más flexible y sostenida en el tiempo”, explica Serantes.
La diferencia tiene consecuencias sobre la administración de los presupuestos. Una licencia adquirida representa una decisión de inversión concreta, mientras que una suscripción puede convertirse en un costo recurrente que se acumula con decenas o cientos de herramientas contratadas por distintas áreas.
Entre las categorías de SaaS más utilizadas aparecen las herramientas de productividad y colaboración, como correo electrónico, aplicaciones de oficina, videollamadas y mensajería. También ganan espacio los sistemas de gestión empresarial, como ERP, CRM y HCM, junto con plataformas de ciberseguridad, datos y analítica.
A esto se suma la incorporación de IA dentro de los propios productos de software. Copilotos, asistentes y herramientas de analítica automatizada empiezan a formar parte de plataformas que las empresas ya utilizaban, lo que vuelve menos visible la frontera entre el gasto tradicional en software y la inversión específica en inteligencia artificial.
La infraestructura cloud presenta una dispersión todavía mayor. De acuerdo con CESSI, una pyme puede registrar consumos de algunos miles de dólares al año, mientras que una compañía grande o intensiva en datos puede llegar a invertir cientos de miles o incluso millones de dólares anuales.
La nube primero se expandió asociada a la transformación digital y a la necesidad de ganar escalabilidad y flexibilidad. Luego recibió el impulso del trabajo remoto y de los servicios digitales. Ahora tiene un nuevo motor: la inteligencia artificial, que requiere capacidad adicional de procesamiento, almacenamiento y utilización de datos.
En paralelo, la IA ya ocupa un lugar concreto en los planes de inversión de las compañías de la economía del conocimiento. Según datos de Argencon, el 41,5% de las empresas relevadas proyectaba desplegar inteligencia artificial en todas sus áreas, mientras que para un 17% constituía el principal proyecto estratégico de 2026.
La implementación, sin embargo, no termina con la contratación de una licencia. Capacitación, adaptación de procesos y cambios organizacionales también forman parte del costo.
“El gasto es el punto de partida, pero el impacto dependerá de la capacidad de cada organización para integrar estas herramientas, adaptar sus procesos y capacitar a sus equipos”, sostiene Leandro Mora Alfonín, director ejecutivo de Argencon.
La inteligencia artificial generativa introdujo además una modalidad de gasto que puede resultar especialmente difícil de presupuestar: el pago por tokens.
Alexander Ditzend, presidente de la Sociedad Argentina de Inteligencia Artificial (SAIA), diferencia entre las suscripciones por usuario y las automatizaciones que funcionan de manera autónoma.
En el primer caso, la compañía puede contratar un plan corporativo por una cantidad determinada de empleados y conocer de antemano el costo mensual. En cambio, cuando desarrolla bots o automatizaciones que procesan información de manera permanente, el costo puede depender del volumen de utilización.
El problema aparece cuando esas automatizaciones comienzan a consumir tokens sin límites previamente establecidos. “Algunas empresas empezaron a innovar mucho en ese sentido y no tuvieron en cuenta los tokens que consumían ese tipo de automatizaciones, no les pusieron un límite, no había una política de gasto de eso y vinieron las sorpresas”, señala Ditzend.
Por eso, el diseño de la implementación pasa a ser una variable directamente vinculada con el costo. Una automatización mal diseñada puede multiplicar innecesariamente el consumo y convertir una herramienta destinada a reducir tiempos y costos en una nueva fuente de gasto.
La otra cara del problema es determinar si el dinero invertido está generando el resultado buscado. El volumen de uso de la inteligencia artificial no necesariamente es un indicador de retorno.
Ditzend advierte que algunas compañías llegaron a utilizar como KPI la cantidad de tokens consumidos por cada área, una métrica que permite conocer cuánto se utiliza una herramienta pero no cuánto valor genera para la organización. El riesgo es que el consumo termine convirtiéndose en el objetivo en lugar de ser un medio para alcanzar una mejora concreta.
El informe plantea así una modificación en la forma de evaluar las inversiones en IA: el indicador relevante debe estar relacionado con el resultado del proceso. Por ejemplo, cuánto cuesta resolver un ticket, procesar un caso o generar una propuesta, en lugar de simplemente contabilizar cuántos tokens fueron utilizados.
La gobernanza adquiere en ese esquema un papel central. Implica conocer quién utiliza las herramientas, cuánto consume y para qué las utiliza, además de contar con responsables capaces de identificar comportamientos anómalos antes de que se transformen en costos difíciles de corregir.
La expansión de las herramientas digitales también genera un problema de visibilidad. Según Alan Gucovschi, coautor del informe y cofundador de Cloudbeach, el inconveniente no está necesariamente en el precio de cada herramienta sino en la falta de una visión consolidada sobre el gasto total.
“La mayoría de las empresas no tiene un problema de precio, tiene un problema de visibilidad”, sostiene. Entre los principales focos aparecen las licencias SaaS contratadas pero sin utilización, el consumo cloud sobredimensionado y las automatizaciones de IA sin límites de gasto.
A eso se suma la denominada “IA en la sombra”: herramientas contratadas directamente por empleados o áreas de negocio para resolver necesidades específicas, muchas veces mediante tarjetas corporativas y sin pasar por los circuitos tradicionales de sistemas o compras.
La primera medida para ordenar el gasto consiste, según el informe, en contar con un inventario único de licencias, consumos y suscripciones, incluyendo aquellas que fueron contratadas por fuera del área de tecnología. El segundo paso es establecer una métrica de costo por resultado para cada iniciativa de IA y, finalmente, fijar límites de gasto por área con alertas que permitan intervenir antes de recibir la factura.
El cambio de fondo consiste en pasar de un control mensual a uno que acompañe el consumo en tiempo real. “El gasto se mueve por hora y el control sigue siendo mensual”, plantea Gucovschi, al describir una tendencia hacia sistemas capaces de detectar consumos, advertir desvíos y realizar correcciones antes de que el gasto quede consolidado.
El desafío adquiere una dimensión particular en América Latina, donde la velocidad de adopción de inteligencia artificial convive con una menor madurez en materia de gobernanza del gasto.
Según Marcelo Parlamento, coautor del informe y socio director de Cloudbeach Latam, el 93% de los trabajadores de la región utiliza herramientas de IA, frente a un promedio global del 83%. Sin embargo, sostiene que solamente el 28% de las organizaciones está en condiciones de convertir ese uso en valor medible.
El mismo relevamiento citado en el informe señala que el 74% de las organizaciones latinoamericanas ya enfrenta costos imprevistos, redundancias tecnológicas o mayores riesgos de cumplimiento vinculados con una adopción descentralizada de la inteligencia artificial.
A esta problemática se suma una nueva etapa de la inteligencia artificial: los agentes capaces de ejecutar tareas de varios pasos sin intervención humana continua. Según los datos citados en el informe, apenas el 13% de las empresas a nivel global había integrado agentes en sus flujos de trabajo, mientras que en Brasil la proporción llegaba al 18%. Otro 35% exploraba su utilización y un 44% preveía implementarlos en el corto plazo.