{"version":"1.0","type":"agent_native_article","locale":"es","slug":"presupuesto-ia-tecnologia-personas-transformacion-digital-mqvljg2p","title":"El 93% del presupuesto de IA va a tecnología y el resultado lo decide el 7% restante","primary_category":"leadership","author":{"name":"Ricardo Mendieta","slug":"ricardo-mendieta"},"published_at":"2026-06-27T00:03:01.537Z","total_votes":74,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/es/articulo/presupuesto-ia-tecnologia-personas-transformacion-digital-mqvljg2p","agent":"https://sustainabl.net/agent-native/es/articulo/presupuesto-ia-tecnologia-personas-transformacion-digital-mqvljg2p"},"summary":{"one_line":"Las organizaciones invierten el 93% de sus presupuestos de IA en infraestructura y solo el 7% en habilitar a las personas, y esa asimetría es la causa principal del bajo retorno.","core_question":"¿Por qué las organizaciones que más invierten en IA son frecuentemente las que menos retorno obtienen, y qué revela eso sobre cómo se toman las decisiones de presupuesto?","main_thesis":"El patrón de inversión 93/7 en proyectos de IA no es un error de cálculo sino una decisión implícita que prioriza la visibilidad de la infraestructura sobre el cambio real de conducta. El retorno de la IA depende de la capa humana —juicio, criterio, comunicación— que sistemáticamente queda subfinanciada."},"content_markdown":"## El 93% del presupuesto de IA va a tecnología y el resultado lo decide el 7% restante\n\nHay una paradoja que recorre las salas de finanzas de las mayores corporaciones del mundo: las organizaciones que más están invirtiendo en inteligencia artificial son, con frecuencia, las que menos están obteniendo de ella. No por falla tecnológica. La tecnología funciona. El problema está en el otro lado de la ecuación, el lado que nadie presupuestó con suficiente seriedad.\n\nEn el foro *Emerging CFO* organizado por Fortune en asociación con Workday, un grupo de directores financieros de empresas Fortune 500 y Casey Caram, director y líder de práctica de capital humano en Deloitte, pusieron sobre la mesa una cifra que merece atención sostenida: **las organizaciones destinan, en promedio, el 93% de su inversión en proyectos de inteligencia artificial a datos, tecnología e infraestructura, y apenas el 7% a habilitar a las personas para usar esas herramientas con eficacia**. No es un dato decorativo. Es un diagnóstico de arquitectura de inversión con consecuencias directas sobre el retorno.\n\nLo que describieron estos ejecutivos no es un problema de adopción tecnológica en el sentido técnico del término. Es un problema de coherencia entre lo que una organización declara como prioridad y lo que sus decisiones de gasto revelan como tal.\n\n## Cuando el gasto construye la ilusión de la transformación\n\nExiste una lógica comprensible, aunque defectuosa, detrás del patrón 93/7. Comprar tecnología es visible, cuantificable y produce una narrativa de progreso que satisface tanto a juntas directivas como a analistas externos. Una plataforma de inteligencia artificial instalada, una arquitectura de datos modernizada, una licencia de software corporativo: todos son señales legibles de movimiento. Capacitar a un equipo de contadores, rediseñar los flujos de trabajo de un área de planeación financiera, invertir en que un profesional con veinte años de experiencia cambie la manera en que formula sus análisis, todo eso es invisible, lento y difícil de presentar en un *dashboard* trimestral.\n\nCaram lo articuló con precisión: **las capacidades de inteligencia artificial se van a commoditizar**. Lo que no se commoditiza es el juicio humano sobre qué pregunta hacer, qué dato contextualizar y qué señal ignorar dentro de un volumen de información creciente. Esa es la capa superior del modelo de competencias que propuso: sobre una base de habilidades financieras tradicionales —contabilidad, proyecciones, gestión del desempeño— se asienta una capa de alfabetización en datos e inteligencia artificial, y sobre ambas descansa lo que denominó las habilidades humanas esenciales: criterio, pensamiento crítico, capacidad de formular las preguntas correctas.\n\nEl problema no es que las organizaciones ignoren ese modelo. El problema es que lo aprueban en la reunión de estrategia y lo contradicen en la asignación de presupuesto.\n\nMarie Myers, directora financiera de Hewlett Packard Enterprise, describió este fenómeno desde adentro con una claridad que pocas veces se escucha en foros públicos. Su equipo usó inteligencia artificial para rediseñar las revisiones operativas internas, reduciendo trabajo manual y generando valor visible a nivel empresarial. El resultado fue concreto. Y sin embargo, Myers identificó la barrera real como algo que ocurre después de la implementación, no antes: **los profesionales con mayor trayectoria, los que más conocimiento acumulado tienen, son los que más resisten cambiar la forma en que trabajan**. \"Cuando implementamos nuevas tecnologías, pasamos mucho tiempo obsesionados con la tecnología, y creo que no dedicamos suficiente tiempo a pensar en el impacto sobre las personas\", dijo. Y añadió algo que funciona como principio operativo: \"No vas a generar un cambio exitoso si no llevas a todos contigo.\"\n\nEsa última frase no es retórica motivacional. Es una descripción del mecanismo por el cual una inversión de nueve dígitos en infraestructura de inteligencia artificial puede producir un retorno marginal porque el 15% del equipo que debía cambiar su flujo de trabajo simplemente no lo hizo.\n\n## La fractura entre ambición declarada y elección real\n\nTim Arndt, director financiero de Prologis, ofreció una perspectiva complementaria que ilumina la dimensión estratégica del asunto. Describió cómo el rol del CFO ha migrado desde la administración y el reporte hacia la estrategia y el liderazgo empresarial, y cómo la inteligencia artificial está acelerando esa transición al automatizar las tareas rutinarias y liberar tiempo para trabajo de mayor valor. \"La expectativa ahora es ser un socio en la mesa ejecutiva\", dijo, aportando a la construcción de estrategia más que simplemente reportando resultados.\n\nEsa evolución es real. Pero tiene una condición que raramente aparece en las presentaciones de transformación digital: **solo ocurre si el equipo de finanzas tiene las capacidades para ocupar ese espacio**. Un CFO que aspira a ser arquitecto de estrategia corporativa con un equipo que todavía opera en modo de reporte manual no tiene una ambición estratégica, tiene una contradicción organizacional. La inteligencia artificial puede liberar tiempo. No puede garantizar que ese tiempo sea usado con criterio si nadie invirtió en desarrollar ese criterio.\n\nTucker Marshall, director financiero de J.M. Smucker, describió el proceso desde una perspectiva más operativa. La compañía está modernizando sistemas financieros, automatizando flujos de trabajo e invirtiendo en desarrollo de talento, desde programas para profesionales en etapas tempranas de carrera hasta contrataciones de nivel medio con experiencia en datos y analítica. Y señaló algo que con frecuencia queda fuera de los planes de transformación: **la capacidad de comunicación**. No alcanza con que el equipo de finanzas genere mejores análisis si no puede traducir esos análisis en decisiones de negocio comprensibles para quienes las toman. La alfabetización en datos sin la capacidad de comunicar sus implicaciones produce silencio estratégico disfrazado de sofisticación técnica.\n\nNoémie Heuland, directora financiera de Moody's, agregó una dimensión diferente al diagnóstico. Con el crecimiento del volumen de datos disponibles, la presión sobre los equipos de finanzas no es solo generar más métricas sino saber cuáles importan. Describió el riesgo de lo que llamó **sobrecarga de KPIs**: la tendencia a sobre-cuantificar a expensas de la claridad estratégica. El rol del CFO incluye, cada vez más, contextualizar datos, conectar métricas financieras con objetivos de negocio más amplios y con dinámicas de mercado. Eso no es una función técnica. Es una función de juicio, exactamente la capa superior del modelo que Caram propuso y exactamente la que el presupuesto corporativo promedio está subfinanciando.\n\n## El costo de no elegir qué dejar ir\n\nHay algo que atraviesa todos los relatos de estos ejecutivos y que merece nombrarse con precisión: **ninguna transformación de este tipo ocurre sin que alguien abandone algo**. Los profesionales de larga trayectoria que Myers identificó como resistentes al cambio no se resisten por inercia irracional. Se resisten porque durante años su pericia fue el activo que los distinguía, y la inteligencia artificial amenaza la visibilidad de ese activo. Pedir que lo cedan sin ofrecer algo a cambio, sin redefinir el tipo de valor que se espera de ellos, sin construir un puente hacia una forma de trabajo diferente, es pedir que acepten una pérdida sin narrativa de reemplazo.\n\nLas organizaciones que están fallando en la adopción de inteligencia artificial no están fallando en la compra de tecnología. Están fallando en gestionar la renuncia que toda transformación exige. Y están fallando porque esa renuncia no aparece en ninguna línea del presupuesto.\n\nEl modelo de inversión 93/7 no es un error de cálculo. Es una decisión implícita que revela qué tipo de transformación está dispuesta a asumir una organización: la que se puede medir en infraestructura instalada o la que se puede medir en cambio real de conducta. La primera produce presentaciones convincentes. La segunda produce retorno.\n\nLo que describieron estos directores financieros en el foro de Fortune no es una advertencia sobre el futuro de la inteligencia artificial. Es un diagnóstico del presente de sus propias organizaciones, dicho en voz alta con inusual honestidad. La inteligencia artificial ya está ahí. El 93% ya fue gastado. La pregunta que sus empresas están respondiendo ahora, con cada decisión de capacitación que se prioriza o se posterga, es si el otro 7% va a ser suficiente para que algo cambie.\n\nLas organizaciones que entiendan que ese porcentaje no es un ítem de gasto sino la condición de viabilidad del retorno sobre todo lo demás tendrán una ventaja concreta sobre las que sigan tratando la formación como un residuo presupuestario.","article_map":{"title":"El 93% del presupuesto de IA va a tecnología y el resultado lo decide el 7% restante","entities":[{"name":"Casey Caram","type":"person","role_in_article":"Director y líder de práctica de capital humano en Deloitte; fuente principal del dato 93/7 y del modelo de competencias de tres capas."},{"name":"Deloitte","type":"company","role_in_article":"Firma consultora cuyo representante aporta el diagnóstico central del artículo."},{"name":"Marie Myers","type":"person","role_in_article":"CFO de Hewlett Packard Enterprise; describe la barrera post-implementación y la resistencia de profesionales senior."},{"name":"Hewlett Packard Enterprise","type":"company","role_in_article":"Caso de uso real de rediseño de revisiones operativas con IA."},{"name":"Tim Arndt","type":"person","role_in_article":"CFO de Prologis; describe la evolución del rol del CFO hacia la estrategia y sus condiciones."},{"name":"Prologis","type":"company","role_in_article":"Empresa cuyo CFO ilustra la transición estratégica del rol financiero."},{"name":"Tucker Marshall","type":"person","role_in_article":"CFO de J.M. Smucker; aporta perspectiva operativa sobre modernización, automatización y desarrollo de talento."},{"name":"J.M. Smucker","type":"company","role_in_article":"Caso de inversión en modernización financiera y desarrollo de talento con énfasis en comunicación."},{"name":"Noémie Heuland","type":"person","role_in_article":"CFO de Moody's; introduce el concepto de sobrecarga de KPIs y el rol de contextualización del CFO."},{"name":"Moody's","type":"company","role_in_article":"Empresa cuya CFO ilustra el riesgo de sobre-cuantificación en entornos de alta densidad de datos."},{"name":"Fortune","type":"institution","role_in_article":"Organizador del foro Emerging CFO donde se generaron los datos y testimonios del artículo."},{"name":"Workday","type":"company","role_in_article":"Co-organizador del foro Emerging CFO junto a Fortune."}],"tradeoffs":["Visibilidad del gasto en infraestructura (fácil de reportar) vs. impacto real del gasto en personas (difícil de medir a corto plazo)","Velocidad de implementación tecnológica vs. profundidad del cambio conductual en los equipos","Retención de profesionales senior con conocimiento acumulado vs. necesidad de que cambien sus flujos de trabajo","Generación de más métricas y KPIs vs. claridad estratégica para la toma de decisiones","Automatización de tareas rutinarias (libera tiempo) vs. garantía de que ese tiempo se use con criterio (requiere inversión adicional)"],"key_claims":[{"claim":"Las organizaciones destinan en promedio el 93% de su inversión en IA a tecnología e infraestructura y solo el 7% a habilitación de personas.","confidence":"high","support_type":"reported_fact"},{"claim":"Las capacidades de IA se commoditizarán; el juicio humano sobre qué pregunta hacer y qué dato contextualizar no se commoditizará.","confidence":"medium","support_type":"inference"},{"claim":"Los profesionales con mayor trayectoria son los que más resisten cambiar su forma de trabajar tras implementaciones de IA.","confidence":"high","support_type":"reported_fact"},{"claim":"El patrón 93/7 no es un error de cálculo sino una decisión implícita sobre qué tipo de transformación está dispuesta a asumir una organización.","confidence":"interpretive","support_type":"editorial_judgment"},{"claim":"La formación no es un ítem de gasto residual sino la condición de viabilidad del retorno sobre toda la inversión en infraestructura.","confidence":"interpretive","support_type":"editorial_judgment"},{"claim":"HPE usó IA para rediseñar revisiones operativas internas, reduciendo trabajo manual y generando valor visible a nivel empresarial.","confidence":"high","support_type":"reported_fact"},{"claim":"J.M. Smucker está invirtiendo en desarrollo de talento desde etapas tempranas hasta contrataciones de nivel medio con experiencia en datos y analítica.","confidence":"high","support_type":"reported_fact"},{"claim":"La sobrecarga de KPIs —sobre-cuantificar a expensas de la claridad estratégica— es un riesgo real para los equipos de finanzas con acceso creciente a datos.","confidence":"medium","support_type":"reported_fact"}],"main_thesis":"El patrón de inversión 93/7 en proyectos de IA no es un error de cálculo sino una decisión implícita que prioriza la visibilidad de la infraestructura sobre el cambio real de conducta. El retorno de la IA depende de la capa humana —juicio, criterio, comunicación— que sistemáticamente queda subfinanciada.","core_question":"¿Por qué las organizaciones que más invierten en IA son frecuentemente las que menos retorno obtienen, y qué revela eso sobre cómo se toman las decisiones de presupuesto?","core_tensions":["Tecnología que funciona vs. personas que no cambian su forma de trabajar","Ambición estratégica declarada vs. presupuesto que contradice esa ambición","Sofisticación técnica del análisis vs. capacidad de comunicarlo en decisiones de negocio comprensibles","Acumulación de datos y métricas vs. claridad estratégica para actuar sobre ellos","Pericia histórica como activo de identidad profesional vs. necesidad de cederla para adoptar nuevas formas de trabajo"],"open_questions":["¿Qué metodologías permiten medir el retorno de la inversión en habilitación de personas con la misma precisión que se mide el retorno en infraestructura?","¿Cómo diseñar una narrativa de reemplazo para profesionales senior que deben ceder su forma de trabajo sin perder su identidad profesional?","¿Existe un ratio óptimo de inversión tecnología/personas que maximice el retorno en proyectos de IA, o depende del sector y madurez organizacional?","¿Cómo evitar la sobrecarga de KPIs sin perder la granularidad analítica que la IA hace posible?","¿Qué ocurre con el 93% ya gastado en organizaciones que no corrijan el desequilibrio en el 7% restante?","¿Es el patrón 93/7 un fenómeno universal o varía significativamente por industria, tamaño de empresa o región?"],"training_value":{"recommended_for":["CFOs y directores financieros evaluando inversiones en IA","CHROs y líderes de talento diseñando programas de upskilling en contextos de transformación digital","Consultores de gestión del cambio en proyectos de adopción tecnológica","Juntas directivas que aprueban presupuestos de transformación digital","Agentes de negocio entrenados para diagnosticar brechas entre estrategia declarada y asignación de recursos"],"when_this_article_is_useful":["Al diseñar o revisar el presupuesto de un proyecto de transformación digital o adopción de IA.","Al diagnosticar por qué una implementación de IA no está generando el retorno esperado.","Al construir el caso de negocio para inversión en capacitación y desarrollo de talento en contextos de IA.","Al diseñar programas de gestión del cambio para equipos con alta resistencia a nuevas formas de trabajo.","Al evaluar si la estrategia declarada de una organización es coherente con sus decisiones de gasto.","Al definir qué habilidades contratar o desarrollar en equipos financieros que adoptan IA."],"what_a_business_agent_can_learn":["El retorno de una inversión tecnológica depende de la capa humana que la activa, no solo de la calidad de la tecnología.","La asignación de presupuesto revela las prioridades reales de una organización mejor que sus declaraciones estratégicas.","La resistencia al cambio de empleados senior no es irracional: responde a una pérdida de identidad profesional que debe gestionarse con narrativas de reemplazo.","La commoditización tecnológica desplaza la ventaja competitiva hacia habilidades no replicables: juicio, criterio y comunicación.","La alfabetización en datos sin capacidad de comunicar sus implicaciones no produce valor de negocio.","La sobrecarga de KPIs es un riesgo real en entornos de alta densidad de datos y requiere gestión activa de la claridad estratégica.","Toda transformación exige gestionar una renuncia; si esa renuncia no aparece en el presupuesto, la transformación no ocurrirá."]},"argument_outline":[{"label":"1. El dato diagnóstico","point":"Las organizaciones destinan en promedio el 93% de su inversión en IA a datos, tecnología e infraestructura, y solo el 7% a habilitar a las personas para usar esas herramientas con eficacia. Fuente: foro Emerging CFO de Fortune con Workday, citado por Casey Caram de Deloitte.","why_it_matters":"Establece una asimetría estructural que explica por qué el retorno no llega aunque la tecnología funcione."},{"label":"2. La lógica defectuosa del gasto visible","point":"Comprar tecnología produce narrativas de progreso legibles para juntas directivas y analistas. Capacitar equipos es invisible, lento y difícil de presentar en un dashboard trimestral.","why_it_matters":"Identifica el incentivo perverso que perpetúa el patrón: la presión de señalización externa distorsiona la asignación interna de recursos."},{"label":"3. El modelo de competencias de tres capas","point":"Caram propone: base de habilidades financieras tradicionales, capa de alfabetización en datos e IA, y capa superior de habilidades humanas esenciales (criterio, pensamiento crítico, capacidad de formular las preguntas correctas). Las capacidades de IA se commoditizarán; el juicio humano no.","why_it_matters":"Define qué es lo que realmente genera ventaja competitiva sostenible y por qué el presupuesto debería reflejarlo."},{"label":"4. La barrera post-implementación","point":"Marie Myers (HPE) identificó que los profesionales con mayor trayectoria —los de más conocimiento acumulado— son los que más resisten cambiar su forma de trabajar. La resistencia no es irracional: su pericia era el activo que los distinguía.","why_it_matters":"Desplaza el problema desde la adopción tecnológica hacia la gestión del cambio humano, que es donde realmente se gana o se pierde el retorno."},{"label":"5. La contradicción organizacional del CFO","point":"Tim Arndt (Prologis) describe cómo el rol del CFO migra hacia la estrategia. Pero esa evolución solo ocurre si el equipo tiene las capacidades para ocupar ese espacio. La IA libera tiempo; no garantiza que ese tiempo se use con criterio.","why_it_matters":"Muestra que la ambición estratégica sin inversión en capacidades produce contradicción organizacional, no transformación."},{"label":"6. El silencio estratégico de los datos sin comunicación","point":"Tucker Marshall (J.M. Smucker) señala que la alfabetización en datos sin capacidad de comunicar sus implicaciones produce análisis que no se convierten en decisiones.","why_it_matters":"Añade una dimensión frecuentemente ignorada: la cadena de valor del dato termina en la decisión, no en el análisis."}],"one_line_summary":"Las organizaciones invierten el 93% de sus presupuestos de IA en infraestructura y solo el 7% en habilitar a las personas, y esa asimetría es la causa principal del bajo retorno.","related_articles":[{"reason":"Complementa directamente el argumento central: si el 97% de empresas tiene proyectos de IA pero solo el 5% tiene datos listos, la brecha de preparación humana y técnica es sistémica, no excepcional.","article_id":14240},{"reason":"Explora cómo los usuarios empiezan a revisar lo que antes aceptaban sin titubear, lo que conecta con la capa de juicio humano que el artículo identifica como la más crítica y subfinanciada.","article_id":14120},{"reason":"La presión sobre los CEOs para llegar listos al cargo es análoga a la presión sobre los equipos financieros para tener capacidades antes de que la IA libere el tiempo que deben usar con criterio.","article_id":14080},{"reason":"El caso Accenture ilustra cómo el mercado castiga cuando la narrativa de transformación no se sostiene en resultados reales, lo que refuerza el argumento sobre la diferencia entre presentaciones convincentes y retorno real.","article_id":14040}],"business_patterns":["Inversión asimétrica en transformación digital: alto gasto en tecnología, bajo gasto en cambio humano","Señalización de progreso hacia stakeholders externos como driver de decisiones de presupuesto interno","Resistencia al cambio concentrada en los empleados de mayor trayectoria y conocimiento acumulado","Brecha entre estrategia declarada en reuniones y elecciones reales reveladas en la asignación presupuestaria","Commoditización progresiva de capacidades tecnológicas que desplaza la ventaja competitiva hacia habilidades humanas no replicables","Transformación del rol del CFO desde reporte y administración hacia estrategia y liderazgo empresarial"],"business_decisions":["Asignación del presupuesto de transformación digital entre infraestructura tecnológica y habilitación de personas","Diseño de programas de capacitación para equipos financieros en contextos de adopción de IA","Gestión del cambio para profesionales senior con alta resistencia a modificar flujos de trabajo establecidos","Definición del mix de talento: contrataciones con experiencia en datos vs. desarrollo interno","Priorización de KPIs en entornos de alta densidad de datos para evitar sobrecarga de métricas","Rediseño de revisiones operativas internas usando IA para reducir trabajo manual","Inversión en capacidades de comunicación de análisis financieros hacia tomadores de decisión no técnicos"]}}