No coloque todo el presupuesto de IA en una sola partida de software. Un plan creíble para 2026 separa la exploración, las capacidades de plataforma compartida, el consumo variable de producción, los controles de riesgo y el cambio en la fuerza laboral. Cada partida se comporta de manera distinta y necesita sus propios criterios de financiamiento.
Esto es una aplicación de FinOps, no un rechazo: haga visibles el uso y la asignación, conecte las decisiones tecnológicas con el valor y ajuste el plan a medida que cambie la evidencia. La planeación por escenarios importa porque los precios de los modelos, el diseño de las cargas, la adopción y los requisitos de aseguramiento pueden cambiar durante el año presupuestario.
Los supuestos presupuestarios deben conciliar la economía unitaria de la IA empresarial, las obligaciones operativas descritas en el día dos y el valor de los datos reales de consumo energético de la infraestructura.
El marco de cinco partidas
El núcleo de esta estrategia presupuestaria es un modelo de cinco partidas que clasifica el gasto según su naturaleza y perfil de riesgo. Esta estructura evita el error común de agrupar todos los costos de IA, lo que oculta dónde se gasta realmente el dinero y por qué.
La primera es la partida de exploración, que financia pruebas de concepto y modelos experimentales. Estos proyectos compran evidencia, no garantizan un retorno. Delimítelos en tiempo y presupuesto, y defina las preguntas que deben responder antes de liberar más capital.
La segunda es la partida de plataforma compartida, que cubre infraestructura y servicios comunes: acceso a modelos, componentes de datos y recuperación, observabilidad, identidad, evaluación y herramientas de gobierno. Parte será capacidad comprometida y otra parte se pagará según el consumo. Muestre la distinción en lugar de etiquetar toda la plataforma como fija o variable.
La tercera es la partida de producción variable, que contempla las llamadas a modelos, tokens, recuperación y otros consumos generados por las cargas de producción. Las prácticas FinOps pueden ayudar a asignar y optimizar estos costos, pero el volumen de salida es solo un factor. La elección del modelo, el tamaño del contexto, los reintentos, la caché, los umbrales de calidad y la revisión humana pueden cambiar el costo de un resultado útil. Por eso, los cambios en prompts deben evaluarse según la calidad y el retrabajo, no celebrarse solo porque disminuyó un contador de tokens.
La cuarta es la partida de controles de riesgo, que cubre medidas de ciberseguridad, privacidad de datos y cumplimiento específicas para los modelos de IA. No es un gasto genérico de seguridad de TI, sino una asignación especializada para mitigar riesgos propios de los sistemas generativos. Garantiza que la innovación no se logre a costa de una reducción significativa de riesgos ni del cumplimiento regulatorio.
La quinta es la partida de cambio en la fuerza laboral, que financia capacitación, gestión del cambio y desarrollo de habilidades. Comprar tecnología no basta; este presupuesto respalda explícitamente a las personas necesarias para operar las nuevas herramientas de manera eficaz. Como suele señalar John Isdell, un buen liderazgo tecnológico empieza por un buen liderazgo de personas. Esta partida evita que los equipos queden rezagados a medida que evolucionan las herramientas.
Economía fija frente a variable
Un cambio importante en la planeación de 2026 consiste en reconocer la diferencia entre costos fijos y variables en este ecosistema. Las licencias tradicionales de software son en gran medida fijas: cuestan dinero sin importar cuánto se utilicen. La IA, en cambio, opera con un modelo variable cuyos costos fluctúan considerablemente según los patrones de uso.
Presupuestar la IA exige mostrar claramente ambos tipos de costos. Los costos fijos predominan en las etapas de plataforma y exploración, mientras que los variables impulsan producción y consumo. Si una organización asume un precio unitario estático para cada token generado, sobrestimará los costos en periodos de poco uso y los subestimará durante los picos de demanda.
Esta distinción exige planeación por escenarios. Los precios y capacidades publicados de la IA han cambiado con rapidez, por lo que un presupuesto creíble debe presentar rangos según la adopción, la combinación de modelos, el contexto, los requisitos de calidad y el trabajo de optimización. No suponga que un modelo más barato reduce automáticamente el costo del proceso de negocio; mida también la revisión y el retrabajo que genera.
Escenarios y economía unitaria
La planeación por escenarios es útil porque una única proyección de adopción oculta las variables importantes. En lugar de preguntar solo «¿cuánto costará este modelo el próximo año?», la dirección puede comparar un conjunto pequeño de supuestos sobre demanda, combinación de modelos, calidad y operación, e identificar cuál agotaría la capacidad o rompería el caso de negocio.
Esto implica calcular de forma dinámica la economía unitaria. El costo por token, por resultado y por resultado de negocio debe seguirse de forma continua. Estas métricas alimentan directamente las reglas de reasignación trimestral que se describen más adelante. Si un caso de uso muestra un ROI alto en un escenario, pero no puede escalar en otro, el capital puede pasar de la partida que falla a la que funciona sin esperar al siguiente ciclo presupuestario anual.
La economía unitaria también informa la partida de exploración. Un prototipo debe responder una pregunta definida dentro de un límite de tiempo y gasto. El paso a producción necesita evidencia de que el resultado es lo bastante valioso para justificar el consumo variable y el costo fijo de operarlo, gobernarlo y respaldarlo. Algunas capacidades internas reducen riesgo o tiempo de ciclo en lugar de producir ingresos directos, por lo que la prueba de valor debe corresponder al propósito.
Reasignación trimestral de capital
El mecanismo más potente de este modelo presupuestario es la regla de reasignación trimestral de capital. A diferencia de los presupuestos anuales tradicionales, que inmovilizan fondos durante doce meses, los presupuestos de IA deben tratarse como documentos vivos. Cada tres meses, la organización debe revisar el desempeño de cada partida frente a sus objetivos y a la estrategia general del negocio.
Este proceso compara el consumo real con los escenarios planeados. ¿La fase de exploración produjo un resultado viable? ¿El costo variable fue mayor de lo previsto porque el flujo utilizó más llamadas al modelo o contextos más grandes? ¿Un control de riesgo necesario reveló un problema de diseño o generó una demora que vale la pena resolver? Las respuestas permiten trasladar financiamiento de casos débiles a oportunidades con mejor evidencia, sin fingir que un plan anual puede predecir cada cambio técnico.
Las revisiones trimestrales también permiten ajustar los rangos de los escenarios. Si bajan los costos unitarios, pero la adopción crece más rápido, la partida de producción todavía puede aumentar. Si aparece una brecha de control, quizá sea necesario trasladar fondos al riesgo antes que a nuevas funciones. La revisión debe seguir las prioridades empresariales, no conservar la proporción original de cada partida.
Financiar a las personas y el cambio operativo
Un presupuesto de IA creíble financia de manera explícita el cambio en la fuerza laboral, la capacitación, la responsabilidad de producto, la evaluación, la seguridad y los ajustes al modelo operativo. Comprar tecnología no equivale a adoptarla en la organización. Si el trabajo de personas y procesos no tiene presupuesto ni responsable, falta una parte del producto en la proyección.
La dirección no puede delegar por completo el cambio operativo a TI. Los responsables de negocio necesitan tiempo para rediseñar el trabajo; los gerentes, orientación sobre responsabilidad; y los empleados, oportunidades seguras para practicar con las herramientas. Si esos costos no aparecen, el presupuesto está subestimando el programa.
La partida de cambio laboral garantiza que los equipos estén preparados para las nuevas realidades de la integración de IA. Incluye desarrollar habilidades en ingeniería de prompts, gobierno de datos y consideraciones éticas. También contempla gestionar el cambio cultural necesario para adoptar estructuras de costos variables y una optimización continua. Sin esta inversión, incluso las plataformas más sofisticadas no generarán valor, porque quienes las operan carecerán de las habilidades o la mentalidad necesarias.
Incluya las reglas de reasignación en el presupuesto
Defina antes de empezar el año qué evidencia permite mover el dinero. La exploración obtiene más fondos cuando resuelve su incertidumbre principal. La producción obtiene más cuando demuestra un resultado útil con un costo unitario total aceptable. Una inversión en plataforma obtiene más cuando la demanda compartida y la utilización la justifican. Una brecha de control puede detener cualquiera de las dos.
El objetivo no es volver infinitamente flexible el presupuesto de IA. Es evitar que una asignación anual se convierta en una promesa de seguir gastando después de que cambie la evidencia.
