El ROI de la IA se esconde en la falta de datos de costos

El liderazgo empresarial quiere escalar la IA. Los presupuestos se triplican. La adopción crece. Pero cuando el CFO pregunta qué iniciativas son realmente rentables, la respuesta suele ser un silencio incómodo. No es que las organizaciones carezcan de visibilidad sobre los costos, sino que los datos de costos que tienen nunca fueron diseñados para responder a esa pregunta, según un análisis de InfoWorld.

El problema de los tres datos

Gestionar el gasto en cloud enseñó a los CFOs que la facturación sin contexto de negocio es ruido. Para calcular el ROI del cloud, se fusionaban dos fuentes: datos de costos y datos de negocio. AWS revela cuenta, región, recurso y etiqueta. Al combinarlos con mapas de clientes y productos, el ROI se aclara. Pero la IA es más difícil. Requiere tres fuentes: costos, negocio y telemetría —la recolección automática de datos de fuentes dispares que ayuda a clarificar qué pasó y por qué.

Un ejecutivo puede tener las facturas de IA y los ingresos de clientes, pero no tiene forma de conectarlos con el valor de negocio. El recuento de tokens en la factura de OpenAI no especifica qué cliente desencadenó qué llamada, qué función sirvió o si el prompt produjo un resultado comercial. Ese dato no existe en la facturación del proveedor.

Los proveedores de IA no lo arreglarán

La situación no cambiará pronto, porque los proveedores de IA no están en el negocio de atribuir los costos de una empresa a sus clientes. Están en el negocio de vender tokens. La granularidad que exponen es la que requieren sus sistemas de facturación, no la que necesita un CFO.

Compara lo que AWS te da con lo que da un proveedor de IA. AWS expone IDs de recursos, jerarquías de cuentas, región, SKU, metadatos de etiquetas, uso por minuto. Cada dólar puede atribuirse a una carga de trabajo, un equipo, un segmento de clientes si se etiquetó correctamente. La factura de un proveedor de IA solo da tokens consumidos por modelo, con agrupación opcional por clave API. Sin atribución a nivel de solicitud. Sin ID de cliente. Sin mapeo de funciones. Sin resultado del prompt. Sin identificación de reintentos. Los flujos de trabajo multi-agente se colapsan en un recuento de tokens.

Imagina un gran banco que recibe cada mes una factura de IA multimillonaria. No tiene visibilidad sobre qué partes del negocio generaron qué parte del costo, por lo que no puede asignarlas. Si una empresa quiere saber qué costo de IA impulsó a qué cliente o función, debe capturar esos datos ella misma, dentro de su aplicación, antes de que la llamada salga.

Lecciones del cloud que no aplican

El cloud computing enseñó a los CFOs a exigir etiquetas y metadatos. Pero la IA es inherentemente más opaca. Los modelos de lenguaje no generan facturas detalladas por petición; agrupan consumo. Además, los flujos de trabajo de IA son complejos: un mismo prompt puede implicar múltiples llamadas a modelos, bases de datos vectoriales, y orquestación. Sin telemetría interna, es imposible saber qué parte del costo corresponde a qué resultado de negocio.

Algunas startups de FinOps para IA están emergiendo, ofreciendo soluciones de proxy que capturan metadatos antes de enviar las solicitudes a los proveedores. Pero la adopción es lenta. Mientras tanto, los CFOs se enfrentan a una paradoja: quieren escalar la IA, pero no pueden justificar el gasto porque no tienen datos para calcular el ROI.

Consecuencias para empresas y usuarios

Esta falta de visibilidad tiene consecuencias directas: las empresas pueden estar invirtiendo en proyectos de IA que no generan valor, o peor, canibalizando márgenes sin saberlo. Los equipos de producto no pueden optimizar costos porque no saben qué funciones son más caras. Los proveedores de IA, por su parte, no tienen incentivos para cambiar el modelo de facturación, ya que la opacidad les beneficia al dificultar la comparación de precios.

Para los usuarios finales, esto puede traducirse en productos de IA más caros o menos optimizados, ya que las empresas trasladan la incertidumbre de costos a los precios. Además, la falta de atribución dificulta la auditoría y el cumplimiento normativo, especialmente en sectores regulados como finanzas o salud.

Qué deben saber los lectores

Si trabajas en una empresa que implementa IA, exige a tu equipo de ingeniería que implemente telemetría desde el primer día. Sin datos de atribución a nivel de solicitud, nunca podrás calcular el ROI real. Los proveedores de IA no lo harán por ti. La solución pasa por capturar metadatos (ID de cliente, función, resultado) en tu aplicación antes de enviar la solicitud al modelo. Herramientas de observabilidad y FinOps especializadas en IA pueden ayudar, pero la responsabilidad última es tuya.

En resumen, el ROI de la IA no es un problema de falta de datos, sino de datos mal diseñados. Las empresas que resuelvan esto tendrán una ventaja competitiva: podrán escalar la IA con confianza, sabiendo qué iniciativas son rentables y cuáles no.