El mayor costo oculto de la IA no es el cómputo, sino las personas.

Todos hablan sobre el costo de la IA. Por lo general, hablan sobre GPUs, licencias de modelos o consumo de tokens. Creo que están mirando en el lugar equivocado.

El mayor costo de la IA empresarial puede resultar ser las personas necesarias para supervisarla.

Un estudio reciente encontró que los empleados ahorran alrededor de 11 horas a la semana utilizando la IA, pero pasan más de seis horas revisando los resultados, corrigiendo errores, agregando contexto faltante y asegurándose de que los resultados sean realmente utilizables. Alguien acuñó el término “botsitting” para describirlo. Es un nombre pegajoso, pero señala un problema mucho mayor.

La IA se suponía que reduciría el trabajo. En cambio, muchas organizaciones están creando una categoría completamente nueva de trabajo alrededor de la gestión de la IA en sí. Eso no es un problema de tecnología. Es un problema de modelo de operación.

Una secuela más rápida de la era del SaaS

He visto esta película antes.

Hace quince años, las organizaciones adoptaron el SaaS porque hizo que el software fuera más fácil de comprar y desplegar. Las unidades de negocio podían resolver problemas sin esperar a TI. La productividad aumentó. La innovación se aceleró. Luego llegó el Shadow IT.

De repente, nadie sabía cuántas aplicaciones estaban utilizando los empleados, dónde se almacenaban los datos de la empresa o quién tenía acceso a ellos. TI todavía era responsable, pero ya no tenía visibilidad ni control. La IA se sienteremarkablemente similar, pero la diferencia es la velocidad.

Una aplicación de SaaS puede exponer un puñado de sistemas; un agente de IA puede conectarse a decenas en su primer día. Puede leer documentos, resumir contratos, generar código, actualizar registros y activar flujos de trabajo antes de que la mayoría de las organizaciones hayan documentado siquiera que existe.

La tecnología se está moviendo más rápido que el modelo de operación construido para gestionarla.

Es por eso que no me sorprendió el estudio reciente de IBM que muestra que dos tercios de los CIO y CTO son responsables de los sistemas de IA que no controlan completamente. La mayoría de los encuestados también dijeron que la IA se está extendiendo más rápido de lo que la gobernanza puede seguir. Eso no se debe a que los CIO hayan perdido capacidad de repente. Es porque la IA no se ajusta perfectamente a los modelos de propiedad tradicionales.

Seguridad posee riesgo.
Legal posee cumplimiento.
Desarrolladores construyen integraciones.
Unidades de negocio poseen resultados.
Proveedores controlan piezas de la infraestructura subyacente.

Mientras tanto, la IA cruza todos ellos. Cuando algo sale mal, todos poseen una parte de la respuesta, pero nadie posee necesariamente el sistema completo. Eso crea un vacío, y las organizaciones casi siempre llenan ese vacío con personas.

Alguien revisa los informes generados por la IA antes de que se envíen a los clientes.
Alguien verifica el código escrito por la IA antes de que se implemente.
Alguien verifica las recomendaciones antes de que se tomen decisiones.
Alguien investiga el comportamiento inesperado.

Algunos de esos controles son exactamente lo que queremos. La IA no debe operar sin juicio humano, especialmente en industrias reguladas o entornos de alto riesgo. El problema es cuando las personas se convierten en el control principal.

De chatbots a agentes autónomos

Piensa en lo que sucede cuando las organizaciones van más allá de los chatbots.

Hoy en día, un asistente de IA ayuda a alguien a redactar un correo electrónico.
Mañana, un agente de IA lo envía.

Hoy en día, la IA sugiere una actualización de un registro de cliente.
Mañana, la hace ella misma.

Hoy en día, la IA recomienda el siguiente paso en un proceso empresarial.
Mañana, lo inicia automáticamente.

Cada nueva acción introduce otra decisión:

¿Debería permitirse que la IA haga esto?

• ¿Debería acceder a ese sistema?
• ¿Debería recuperar esos datos?
• ¿Debería alguien aprobarlo primero?

La mayoría de las organizaciones responden a esas preguntas manualmente, y eso funciona cuando tienes diez casos de uso de IA. No funciona cuando tienes cientos… o miles. La ironía es que las organizaciones están invirtiendo en IA para mejorar la productividad, y luego piden a empleados bien pagados que pasen su tiempo supervisándola.

Eso no es escalar la IA. Eso es escalar los gastos generales.

Microsoft llegó a una conclusión similar en su Índice de tendencias laborales 2026. Después de analizar billones de señales de lugar de trabajo y encuestar a 20.000 usuarios de IA, la empresa encontró que la mayor barrera para el éxito de la IA no es la tecnología; es la organización que la rodea.

Los empleados están adoptando la IA más rápido de lo que sus empresas están adaptándose. El verdadero desafío ahora es rediseñar cómo se realiza el trabajo: decidir qué debe hacer la IA, qué deben hacer las personas y cómo trabajan juntas. Creo que esa es exactamente la conversación que los líderes empresariales deberían estar teniendo. La IA no crea valor simplemente porque se despliega. Crea valor cuando se despliega con un modelo de operación claro que permite a las personas centrarse en el juicio en lugar de la supervisión.

Reconsiderar la gobernanza de la IA: de la política a las operaciones

Aquí es donde la conversación sobre la gobernanza de la IA necesita cambiar. Cuando la gente escucha la palabra gobernanza, a menudo piensa en políticas, comités y documentación. Esas cosas importan, pero ninguna de ellas toma una decisión en tiempo real.

Ninguna de ellas detiene a un agente de IA que accede a datos que no debería ver o pausa un flujo de trabajo que se comporta de manera inesperada. Ninguna de ellas explica, en el momento en que se solicita una acción, si esa acción se ajusta a la política de la empresa.

Ese es el vacío.

Las organizaciones no necesitan más documentos de gobernanza. Necesitan gobernanza que opere. Las acciones rutinarias deben ocurrir automáticamente cuando caen dentro de las políticas aprobadas; las acciones de mayor riesgo deben requerir aprobación humana, y los sistemas sensibles deben tener límites claros sobre lo que la IA puede y no puede hacer.

Y si un proceso de IA comienza a comportarse de maneras que nadie esperaba, debe haber una forma inmediata de detenerlo. No porque la IA no se pueda confiar, sino porque cada proceso empresarial necesita guardrails.

Colocar a los humanos donde importa

Las empresas que obtienen más valor de la IA no están eliminando a los humanos de la ecuación. Están poniendo a los humanos donde son más valiosos.

No revisando cada resultado.
No verificando cada prompt.
No cuidando cada agente.

Se centran en las excepciones, los casos de borde y las decisiones que realmente requieren juicio. Eso es un uso mucho mejor de la experiencia humana.

La verdadera pregunta empresarial

La IA ha llegado a un punto en el que la tecnología ya no es la mayor pregunta. La mayoría de las organizaciones ya han demostrado que puede generar contenido, escribir código, resumir información y automatizar el trabajo repetitivo.

La pregunta más difícil es si pueden operar la IA con confianza a escala empresarial:

¿Pueden ver lo que está haciendo?

• ¿Pueden controlar a lo que tiene acceso?
• ¿Pueden hacer cumplir la política de manera consistente?
• ¿Pueden explicar por qué un sistema de IA tomó una acción en particular?

Esas son preguntas operativas, y cada vez más son económicas. Eso se debe a que cada hora que se pasa supervisando la IA socava las ganancias de productividad que justificaron la inversión en primer lugar. Las empresas que ganan con la IA no serán las que ejecutan más modelos o despliegan más agentes. Serán las que no necesitan un ejército de personas vigilándolas.

La IA debe amplificar su fuerza laboral. No debe convertirse silenciosamente en una nueva.