El impacto real de la IA en los negocios y la trampa de costos
Luiz D'Elboux analiza la disparidad entre gastos en inteligencia artificial, ingresos reales y control de tokens.
Luiz D'Elboux analiza la adopción de la inteligencia artificial en las empresas y advierte sobre el desfase entre los gastos técnicos y los ingresos reales. El debate ofrece lecciones de casos como Klarna y Uber, la postura de Apple y la necesidad de orquestar agentes para evitar el desperdicio presupuestario.
Luiz D'Elboux, consejero y asesor para empresas de SaaS y exdirector de GoDaddy, conversó con Bruno Gimenes en Marketing - The Podcast sobre la verdadera madurez de la inteligencia artificial dentro de las empresas. En un contexto donde los líderes consideran la tecnología como un asunto de supervivencia, las decisiones impulsivas sobre recortes de personal y la asignación descontrolada de presupuestos revelaron importantes cuellos de botella operativos y financieros.
En el video anterior, D'Elboux detalla cómo la búsqueda desenfrenada de automatización provocó un ciclo de contrataciones equivocadas y costos imprevistos, señalando lo que separa las ganancias reales de eficiencia de las inversiones sin retorno directo.
Decisiones precipitadas y el ciclo de recontratación
Para D'Elboux, la presión sobre los ejecutivos hizo que muchos vieran la tecnología con urgencia existencial: "Si no empezamos a entender esto, en 2 años estaremos fuera del negocio". Esta carrera inicial llevó a las compañías a liberar amplios presupuestos para pruebas en diversas herramientas sin un enfoque estratégico definido, lo que resultó en despidos masivos que pronto pasaron factura.
Este movimiento generó distorsiones prácticas. Como explica D'Elboux: "Ahora pasamos un año y medio, 2 años de esta locura, ¿verdad? ¿Qué es lo que vemos? Un montón de empresas teniendo que recontratar personas. ¿Por qué? Porque la IA no logró llenar el espacio ni la tarea de esas personas, o lo hizo de una forma mucho más cara". Menciona el caso de Klarna, la empresa de medios de pago que recortó gran parte de su soporte al cliente a inicios de 2024 para adoptar chatbots. Al enfocarse únicamente en reducir el tiempo de espera y el tamaño de la fila en lugar de la retención de clientes, la operación perdió calidad y tuvo que recontratar equipos humanos. En otro frente de gastos desbalanceados, Uber consumió todo su presupuesto anual previsto para IA en los primeros tres meses de 2026.
Productividad en marketing e ingresos estancados
Aunque existen claras mejoras de productividad en áreas específicas —como equipos reducidos de cinco o seis personas que gestionan campañas globales y traducción rápida de contenido con cientos de miles de dólares mensuales de presupuesto—, esta ganancia interna no se traduce automáticamente en un aumento de ingresos para las empresas tradicionales.
D'Elboux señala la diferencia entre quienes proveen la tecnología y quienes la consumen: "Las empresas que venden soluciones de IA, las que venden infraestructura de IA, están incrementando mucho su facturación". Proveedores de infraestructura, centros de datos, soluciones en la nube como Google Cloud, AWS y Azure, además de creadores de modelos como OpenAI, registran un fuerte crecimiento. En contraste, los informes trimestrales de empresas de capital abierto en sectores tradicionales muestran que las curvas de ingresos continúan al mismo ritmo que antes, registrando aumentos en la inversión, pero no en los ingresos netos.
Como contrapunto a esta carrera de inversiones, D'Elboux destaca la postura prudente de Apple, que realizó inversiones discretas en comparación con Microsoft, Google y Meta, manteniendo su crecimiento de mercado sin asumir compromisos masivos en gastos de capital para centros de datos.
La trampa de los tokens y la orquestación de agentes
La transición en los modelos de cobro de software —que pasan de la suscripción fija al consumo de tokens, esquema ya adoptado en ciertas áreas de Salesforce— exige un control riguroso de costos para no desestabilizar la operación. D'Elboux recuerda una declaración de Scott Galloway sobre la compra masiva de chips de Nvidia por parte de L'Oréal, cuestionando el sentido de que empresas de bienes de consumo inviertan sumas elevadas en infraestructura pesada de IA.
Para evitar desperdicios, D'Elboux defiende la orquestación técnica de agentes, adaptando el costo del modelo a la complejidad de cada tarea. Las tareas sencillas no requieren los modelos más avanzados: "No vas a usar un agente para revisar todo el copy de una campaña, que solo hará corrección, vas a usar un modelo muy básico para ver si no hay un error semántico, algo simple". Para él, la eficiencia financiera consiste en reservar los modelos más actualizados y costosos estrictamente para tareas creativas o estratégicas, manteniendo la operación integrada bajo un estricto control.