La IA ya está dando retorno, pero casi nadie la sabe gobernar: lo que revela el estudio de SAP y Oxford Economics
El informe Value of AI 2026, elaborado por SAP y Oxford Economics con 2.600 directivos de 13 países, muestra que el retorno de la inteligencia artificial está creciendo. También muestra que la capacidad de gobernarla se quedó atrás.
En julio de 2026, SAP y Oxford Economics publicaron la segunda edición de su estudio Value of AI, construido sobre una encuesta a 2.600 directivos de alto nivel en trece países. El titular es alentador: la inteligencia artificial dejó de ser un experimento y empezó a devolver plata. El subtexto es más incómodo, y es el que debería interesarle a cualquier persona que esté construyendo una empresa hoy.
Las compañías encuestadas esperan un retorno del 21% sobre su inversión en IA este año, frente al 16% del año anterior. El gasto promedio por organización se ubica alrededor de los 28 millones de dólares, y la expectativa de retorno sube al 38% en un horizonte de dos años. Sobre la inteligencia artificial agéntica —sistemas que no solo responden sino que ejecutan tareas— las expectativas son aún más altas: el retorno promedio proyectado a dos años se multiplica varias veces frente a la estimación del año pasado.
Y ahora la parte que casi nadie está citando. Solo el 3% de los encuestados afirmó que su organización está plenamente preparada para desplegar agentes de IA. Apenas el 12% considera que tiene las competencias o los procesos para gobernar la inteligencia artificial de manera efectiva. Y un 38% reconoció no tener mecanismos de supervisión humana sobre lo que esos sistemas hacen.
Antes de seguir: estas cifras no son de empresas como la suya
Conviene decirlo de frente, porque el uso acrítico de estudios internacionales es una plaga en la conversación sobre IA en Colombia. La muestra del estudio corresponde a organizaciones de trece países entre los que Colombia no está, y el único mercado latinoamericano incluido es Brasil. Un gasto promedio de 28 millones de dólares al año en inteligencia artificial no describe a ninguna pyme colombiana, ni a la mayoría de las empresas grandes del país.
Entonces, ¿para qué sirve el dato? Para dos cosas. Primero, porque marca la dirección del mercado en el que compiten sus clientes, sus proveedores y sus competidores multinacionales. Segundo, y más importante, porque el hallazgo sobre gobernanza es proporcional, no absoluto: si organizaciones con presupuestos de decenas de millones de dólares reconocen que no saben gobernar sus sistemas de IA, la pregunta de qué está pasando en empresas con equipos de ocho personas y sin área de tecnología se responde sola.
La brecha real no es de adopción, es de control
Durante tres años la conversación empresarial giró en torno a adoptar. Quien adoptara primero ganaría. Los datos del estudio sugieren que esa carrera ya se corrió y que la siguiente es otra: no gana quien usa más inteligencia artificial, gana quien puede demostrar qué hace, con qué datos, bajo qué criterio y con qué supervisión.
La diferencia entre un asistente y un agente explica por qué esto se volvió urgente. Un asistente redacta un correo que alguien revisa antes de enviar; si se equivoca, el costo es un minuto. Un agente consulta un sistema, toma una decisión y ejecuta una acción; si se equivoca, el costo es un pedido mal despachado, un descuento aplicado a quien no correspondía o un dato de un cliente en un lugar donde no debía estar.
Ese salto de asistente a agente es el que el 83% de los encuestados considera capaz de transformar su organización, y para el que solo el 3% se declara plenamente preparado. La distancia entre esas dos cifras es, hoy, el principal riesgo operativo de la adopción de IA.
La IA en la sombra: el problema que ninguna empresa ha medido
Hay un fenómeno silencioso detrás de estos números y ocurre igual en una multinacional que en una empresa de doce personas. El equipo empieza a usar herramientas de inteligencia artificial por cuenta propia, sin aprobación, sin criterio compartido y sin que nadie lleve registro.
Alguien pega el listado de clientes en una herramienta gratuita para que se lo ordene. Alguien más sube el borrador de un contrato para que se lo resuma. Un tercero automatiza respuestas a clientes con un flujo que solo él entiende y que nadie más puede auditar si se va de la empresa.
Ninguna de esas personas actúa de mala fe. Todas están intentando trabajar mejor. Pero el resultado agregado es una empresa que no sabe qué información suya está circulando, ni qué decisiones se están tomando con criterios que nadie definió. El estudio identifica esta práctica como una fuente concreta de resultados inconsistentes y de exposición de información.
Lo que una empresa pequeña puede hacer mejor que una grande
Aquí está la buena noticia, y no es retórica. Gobernar la inteligencia artificial en una organización de 40.000 personas requiere comités, políticas corporativas y meses de despliegue. Gobernarla en una empresa de quince requiere una conversación de una hora y un documento de una página.
Una pyme puede establecer en una semana lo que a una multinacional le toma un año: qué información nunca sale de la empresa, qué herramientas están aprobadas y cuáles no, qué decisiones siempre pasan por una persona antes de ejecutarse, y quién responde cuando algo sale mal.
Esa ventaja de velocidad es real y tiene fecha de vencimiento. Se aprovecha cuando la empresa todavía es pequeña y las prácticas no están arraigadas. Después cuesta lo mismo que le cuesta a las grandes.
Cinco decisiones de gobernanza que puede tomar esta semana
Definir por escrito qué datos de clientes, contratos o finanzas nunca se cargan en herramientas externas.
Hacer una lista de las herramientas de IA que su equipo ya está usando, sin sanción, solo para saber.
Establecer qué tipo de decisiones siempre requieren aprobación humana antes de ejecutarse.
Asignar un responsable único de las automatizaciones, para que no dependan de la memoria de quien las creó.
Fijar una métrica concreta —horas ahorradas, errores reducidos, tiempo de respuesta— y medirla antes y después.
Medir el retorno cuando no se tiene un presupuesto de millones
El estudio calcula retorno en dólares porque sus encuestados invierten en dólares. Una empresa colombiana pequeña necesita otra unidad de medida, y la tiene disponible: el tiempo.
Si un proceso que tomaba seis horas semanales ahora toma dos, eso son dieciséis horas mensuales liberadas. Multiplicado por el costo real de esa hora, ahí está el retorno, y es tan legítimo como cualquier cálculo en dólares. Lo que no es legítimo es el argumento de que la IA "hace todo más rápido" sin un solo número detrás.
La disciplina que separa a quien obtiene retorno de quien acumula suscripciones es de una simpleza casi ofensiva: medir el proceso antes de tocarlo. Sin línea base no hay mejora demostrable, solo la sensación de estar más ocupado con herramientas nuevas.
Dónde empezar cuando todo parece automatizable
El estudio menciona la preparación de los datos como uno de los desafíos centrales para capturar valor, y ese es el punto donde más empresas se estrellan sin darse cuenta.
Una empresa cuyos datos de clientes viven en tres hojas de cálculo distintas, con nombres escritos de cuatro formas y sin una fuente única de verdad, no tiene un problema de inteligencia artificial: tiene un problema de información. Ninguna herramienta, por avanzada que sea, produce buenas decisiones sobre datos contradictorios. La automatización aplicada sobre desorden produce desorden más rápido, que es el peor resultado posible.
Por eso el orden de las decisiones importa tanto. Primero, elegir un proceso que se repita muchas veces, que consuma tiempo medible y cuyo error tenga consecuencias bajas: respuestas a preguntas frecuentes, primeras versiones de propuestas comerciales, clasificación de solicitudes que entran por distintos canales. Segundo, ordenar la información que ese proceso necesita. Tercero, y solo entonces, automatizar.
Los procesos que conviene dejar para el final son los inversos: los que ocurren pocas veces, involucran criterio profesional y tienen consecuencias altas si salen mal. Decisiones de crédito a un cliente, despidos, respuestas ante un reclamo grave, comunicaciones en momentos de crisis. Ahí la inteligencia artificial puede preparar el insumo, pero la decisión y la firma siguen siendo humanas.
Empezar por lo pequeño y repetitivo no es falta de ambición. Es la única forma de acumular aprendizaje real antes de tocar aquello donde equivocarse cuesta un cliente.
Lo que viene y por qué conviene apurarse
La dirección del mercado está clara: la conversación se está moviendo de las posibilidades de la inteligencia artificial hacia sus resultados verificables. En los próximos ciclos de contratación, clientes corporativos y aliados empezarán a preguntar no si una empresa usa IA, sino cómo la gobierna, qué hace con los datos que recibe y quién supervisa las decisiones automatizadas.
Una empresa pequeña que hoy tenga escrita en una página su política de uso de inteligencia artificial va a llegar a esa conversación con una ventaja competitiva que no cuesta dinero y que la mayoría de sus competidores no tendrá. No porque no puedan; porque están ocupados probando la herramienta de moda en lugar de decidir cómo van a usarla.
Fuente principal: SAP y Oxford Economics, "Value of AI Report 2026", estudio basado en una encuesta a 2.600 directivos de alto nivel en trece países, publicado el 15 de julio de 2026. Información complementaria: Oxford Economics, ficha del informe "The Value of AI 2026", disponible en su portal institucional.
Preguntas frecuentes
¿Quién elaboró el estudio Value of AI 2026?
SAP y Oxford Economics, con base en una encuesta a 2.600 directivos de alto nivel en trece países. Es la segunda edición del informe y se publicó en julio de 2026.
¿Qué retorno esperan las empresas de su inversión en inteligencia artificial?
Las organizaciones encuestadas esperan un retorno del 21% este año, frente al 16% del año anterior, con una expectativa que sube al 38% en un horizonte de dos años.
¿Cuánto invierten en promedio esas empresas?
El gasto promedio por organización se ubica alrededor de los 28 millones de dólares anuales, cifra que corresponde a compañías de gran tamaño.
¿Colombia está incluida en el estudio?
No. Los trece países de la muestra no incluyen a Colombia, y el único mercado latinoamericano representado es Brasil.
¿Qué es la IA agéntica?
Son sistemas que no se limitan a responder o resumir, sino que ejecutan tareas: consultan sistemas, toman decisiones dentro de parámetros definidos y realizan acciones sin intervención humana en cada paso.
¿Qué porcentaje de empresas se siente preparado para desplegar agentes de IA?
Solo el 3% de los encuestados afirmó que su organización está plenamente preparada.
¿Cuántas empresas dicen poder gobernar la IA de manera efectiva?
Apenas el 12% considera contar con las competencias o los procesos necesarios para hacerlo.
¿Qué significa "supervisión humana en el proceso"?
Es el mecanismo por el cual una persona revisa o aprueba decisiones antes de que se ejecuten. Un 38% de los encuestados reconoció no tenerlo implementado para sus agentes de IA.
¿Qué es la IA en la sombra?
Es el uso de herramientas de inteligencia artificial por parte del equipo sin aprobación formal ni supervisión, una práctica asociada a resultados inconsistentes y a exposición de información sensible.
¿Cómo puede una empresa pequeña gobernar su uso de IA sin un área de tecnología?
Definiendo por escrito qué datos no salen de la empresa, qué herramientas están aprobadas, qué decisiones requieren aprobación humana y quién responde por cada automatización.
¿Cómo mido el retorno si no invierto millones?
Midiendo tiempo. Si un proceso pasa de seis a dos horas semanales, esa diferencia multiplicada por el costo real de la hora es el retorno, siempre que exista una medición previa del proceso.
¿Por qué es urgente definir esto ahora y no en un año?
Porque las prácticas informales se arraigan rápido, y porque los clientes corporativos empezarán a preguntar cómo se gobierna la IA antes de contratar, no después.
¿Adoptar IA rápido sigue siendo la ventaja competitiva?
El estudio sugiere que la carrera por adoptar ya se corrió. La diferencia ahora la marca quién puede demostrar con qué datos, bajo qué criterio y con qué supervisión opera.
Comentarios