Gasto en IA subió 110% y los sistemas subyacentes no lo resistieron
Tres años lleva ServiceNow midiendo la madurez de la IA en las grandes empresas. En 2026, el índice que construyen con encuestas a más de 4.500 ejecutivos y 2.000 empleados en todo el mundo registró una mejora notable: 16 puntos de avance, llegando a 51 sobre 100. Suena bien hasta que se lee la línea siguiente: mientras el gasto corporativo en IA creció un 110% interanual, las capacidades fundacionales que necesita esa IA para funcionar a escala simplemente no acompañaron. El dinero fue. La arquitectura no.
Ese es el dato que debería preocupar a cualquier CFO que aprobó un presupuesto de IA en los últimos 18 meses sin revisar también los datos, los flujos de trabajo y los protocolos de gobernanza que tenía debajo. No es un problema de tecnología. Es un problema de secuencia.
Cuando la inversión precede a la estructura
Hay un patrón que se repite en cada ola tecnológica grande: el gasto se adelanta a la readiness. Pasó con ERP, pasó con la nube, pasó con los programas de big data de mediados de la década pasada. La diferencia ahora es la escala. Según proyecciones de Gartner, el gasto global en IA alcanzará 2,59 billones de dólares en 2026, un 47% más que el año anterior. Stanford HAI documentó que la inversión privada global en IA llegó a 344.700 millones de dólares en 2025, un 127,5% por encima de 2024. Y sólo en el primer trimestre de 2026, Amazon, Google, Microsoft y Meta invirtieron conjuntamente 130.650 millones de dólares en infraestructura, en gran parte orientada a IA.
Esos números son reales. El problema es lo que no miden: si las empresas que alimentan esa demanda tienen los sistemas internos para aprovechar lo que están comprando.
El índice de ServiceNow señala con precisión dónde se produce la rotura. Las organizaciones compraron modelos, herramientas y plataformas de IA. Pero sus datos siguen fragmentados en silos que no se comunican, sus flujos de trabajo no fueron rediseñados antes de automatizarlos y sus empleados no fueron incorporados al proceso de cambio con suficiente anticipación. La consecuencia estructural es predecible: la IA entrega resultados inconsistentes, los equipos pierden confianza en las salidas del sistema y los proyectos se estancan en fases piloto indefinidas sin llegar nunca a producción.
Holly Briedis, vicepresidenta senior de industrias y soluciones globales en ServiceNow, lo describe con una imagen precisa: la mayoría de las organizaciones están intentando correr Fórmula 1 sobre una infraestructura de kart. Los datos funcionan como un patchwork desconectado, y cuando se intenta correr flujos de trabajo horizontales sobre ese entorno, las costuras se ven de inmediato.
Los que sí avanzan tomaron una decisión antes
El índice identifica un grupo al que llama Pacesetters: el 21% de las organizaciones encuestadas con los puntajes más altos en madurez. Lo que los distingue no es que hayan gastado más, sino que integraron y modernizaron sus datos antes de desplegar IA, no después. El 64% de este grupo integra y optimiza sus datos digitalmente, contra apenas el 14% del resto. No encuentran menos problemas de datos que los demás; los resuelven más rápido porque construyeron la capacidad de detectarlos y corregirlos como parte del diseño del sistema.
También se diferencian en cómo entienden el propósito de la IA dentro del negocio. El 57% de los Pacesetters establece una visión estratégica compartida para la IA que va más allá de la eficiencia operativa. No están automatizando procesos rotos, están rediseñando cómo fluye el trabajo. La distinción no es semántica: automatizar un proceso mal diseñado solo produce errores más rápido y a mayor escala.
Hay una decisión implícita en este enfoque que merece ser nombrada. Los Pacesetters, en efecto, renunciaron a la velocidad de despliegue en el corto plazo. Apostaron a construir los cimientos antes de levantar los pisos. En el entorno actual, donde los consejos directivos exigen mostrar casos de uso de IA en cada presentación trimestral, esa renuncia tiene un costo político interno nada despreciable. Los que la sostuvieron están cosechando ahora una ventaja que no es fácilmente replicable en seis meses.
La gobernanza no es un freno, es lo que permite escalar
Uno de los hallazgos más relevantes del índice apunta directamente a los equipos de liderazgo: la mitad de los empleados encuestados creen que sus trabajos serán menos necesarios a medida que la IA agente evolucione, y no sienten que sus organizaciones los estén preparando para lo que viene. Briedis lo nombra sin eufemismos: eso no es una brecha de habilidades, es una brecha de liderazgo.
El punto tiene una mecánica concreta. Cuando los empleados no confían en los resultados que entrega la IA, trabajarán alrededor de la tecnología. Crearán sus propios atajos, sus propios workarounds, sus propios registros paralelos. El despliegue de IA formalmente se sostiene en el papel, pero operativamente se vacía. El retorno sobre la inversión nunca aparece, no porque la tecnología haya fallado, sino porque la organización nunca la adoptó realmente.
La gobernanza bien diseñada opera exactamente al revés de como suele presentarse. No es un conjunto de restricciones que enlentece la IA; es el scaffolding dentro del cual la autonomía del sistema puede operar sin generar desconfianza. Cuando los protocolos están claros, los equipos pueden distinguir entre un output confiable y uno que necesita revisión. Cuando no lo están, el default humano es desconfiar de todo, y la tecnología queda subutilizada.
Lo mismo aplica para los datos. Mientras una persona puede trabajar alrededor de un silo de información usando su criterio, el juicio contextual y las conexiones informales que acumuló en años de trabajo, la IA no puede. La IA fue diseñada para resolver problemas horizontalmente, atravesando funciones y departamentos. Si los datos no fluyen entre esas funciones, la IA opera con una fracción de la información que necesita y entrega una fracción del valor que podría entregar.
Lo que revela la brecha entre gasto y madurez
El patrón que documenta el índice de ServiceNow no es nuevo, pero sí alcanza ahora una dimensión donde las consecuencias son más difíciles de absorber. Oxford Economics proyecta que el gasto global en IA pasará de 340.000 millones de dólares en 2025 a cerca de 3 billones en 2035, representando aproximadamente el 23% del gasto tecnológico empresarial total. BCG documenta que las corporaciones esperan duplicar su gasto en IA en 2026, pasando de representar el 0,8% al 1,7% de sus ingresos.
Con esa magnitud de inversión, el costo de no tener los sistemas subyacentes preparados deja de ser un problema de TI y pasa a ser un problema de asignación de capital. Si el gasto sube al doble pero la madurez operativa no avanza en la misma proporción, las empresas están construyendo una carga financiera creciente sobre una base que todavía no la puede soportar. Los pilotos que no llegan a producción no son fracasos de aprendizaje neutros: consumen presupuesto, tiempo de equipos técnicos y, sobre todo, credibilidad interna para los próximos ciclos de inversión.
Los sectores que muestran mayor urgencia son los que más tienen que perder en caso de rezago. Las empresas de tecnología y las instituciones financieras planean destinar alrededor del 2% de sus ingresos a IA en 2026, según BCG. En esos sectores, la competencia no espera a que los rezagados pongan en orden sus datos. El tiempo entre decisión de inversión y resultado visible ya no alcanza para remediar en paralelo lo que debió construirse antes.
El índice de ServiceNow, leído como documento de diagnóstico sectorial más que como pieza de marketing, describe un momento particular en la curva de adopción de la IA empresarial. El gasto ya comprometió la apuesta. Lo que determina quién convierte esa apuesta en ventaja sostenible no es el siguiente modelo que se compre ni el siguiente piloto que se anuncie: es si la arquitectura de datos, los procesos rediseñados y la cultura organizacional pueden sostener lo que el presupuesto ya prometió entregar.
