En este artículo de opinión publicado en sfeir.com (24 de junio de 2026), Didier Girard (Director General de SFEIR) defiende una tesis: la inversión AI4IT frente a AI4Business. En 2024, el consenso veía en AI4Business — la IA volcada en los procesos de negocio (ventas, soporte, finanzas) — el gran depósito de productividad; AI4IT (la IA para producir el sistema de información) se consideraba un tema de ingenieros. Dos años después, "las cifras lo han zanjado, y al revés".
La decepción de AI4Business: el estudio del MIT de 2025 ("95% de los pilotos de IA generativa sin ROI") es, según reconoce el propio Girard —que cuestiona su metodología—, discutible, pero su persistencia es la verdadera señal de una insatisfacción real: muchos directivos no ven el valor prometido en sus procesos. "El síntoma es cierto incluso cuando la cifra es falsa." El bloqueo es organizativo (problema hayekiano de Mollick), no técnico.
La inversión AI4IT se apoya en evidencia cuantificada: Salesforce (+151% de Effective Output, migración 18 veces más rápida, −5% de incidentes), Intercom (productividad de I+D multiplicada por 3, −50% de coste por PR), Raiffeisen Bank Ucrania (−8% de plantilla pero 7 nuevos productos, −70% de incidentes bloqueantes), AWS (Bedrock reconstruido por 6 personas en 72 días), Atlassian (entre +19% y +87% de PR), DORA × Google Cloud (39% de ROI, amortización en 8 meses). ¿Por qué? El código se verifica a sí mismo (compilación, tests, CI); los procesos de negocio no. "Equipamos a quienes ya saben equiparse."
La consecuencia presupuestaria de 2027 se traduce en tres rupturas. (1) CapEx→OpEx: el token se convierte en una carga OpEx variable — Arthur Mensch (Mistral) la sitúa en ~10% del presupuesto de nóminas destinado a tokens entre los adoptantes avanzados. (2) El precio del token, una doble trampa: a capacidad equivalente, la inferencia se ha dividido por ~280 en dos años, pero el techo sube (Fable 5 a 10$/50$ = el doble de Opus 4.8), mientras que los modelos abiertos (GLM-5.2) y la inferencia de escritorio empujan los costes a la baja; la paradoja de Jevons hace que el consumo crezca más rápido de lo que baja el precio. (3) AI FinOps: razonar en términos de coste por resultado, asignar mediante reglas, convertir la atribución token→resultado en un activo.
Cuatro recomendaciones para el COMEX: financiar primero AI4IT (amortización < 1 año), presupuestar la curva en J, implantar el FinOps de tokens antes de que aparezca la deriva, redefinir la contabilidad de plantilla (humanos + agentes). Conclusión: "la próxima batalla presupuestaria no será por el precio del token, sino por el coste por resultado".