Muchas empresas ya están preparando el presupuesto 2027 y la IA probablemente aparecerá en varias líneas de inversión.
El reto será conseguir aprobación.
Llegar con una lista de agentes, automatizaciones, copilots o plataformas no debería ser suficiente. Finanzas, Gerencia General o Directorio necesitan entender qué resultado se espera, cuánto cuesta conseguirlo, qué capacidades hacen falta y quién va a responder por el resultado.
La presión por invertir ya existe. McKinsey reporta que la IA se convirtió en la principal prioridad de inversión tecnológica para los próximos dos años y que 50% de las compañías encuestadas la considera un área prioritaria de inversión. [1]
Al mismo tiempo, McKinsey señala que 94% de las empresas todavía no ha conseguido generar valor significativo con IA. [2]
Ese contraste debería estar presente cuando discutamos presupuesto 2027.
1. El presupuesto debe comenzar por un resultado económico
“Implementar un agente de atención” no es un resultado.
Reducir costo de atención, aumentar resolución en primer contacto o recuperar ventas que hoy se pierden durante el proceso sí permite discutir una inversión.
Para cada iniciativa debería quedar claro qué buscamos mover: revenue, margen, costo de servir, productividad, riesgo o alguna métrica de experiencia conectada con un resultado de negocio.
También necesitamos una línea base.
Si queremos reducir costo, ¿cuánto cuesta actualmente el proceso? Si queremos aumentar conversión, ¿cuánto convierte hoy? Si buscamos productividad, ¿qué esfuerzo estamos utilizando actualmente?
Sin esa referencia es difícil defender después el retorno.
2. Hay que mostrar el costo completo
El costo de una iniciativa de IA no termina en la licencia, el modelo o el desarrollo.
Un agente de atención puede necesitar integración con CRM, acceso a datos de clientes, una base de conocimiento confiable, permisos, seguridad, monitoreo, evaluación y mecanismos de escalamiento.
También hay que incorporar cuánto costará operar cuando escale.
McKinsey encontró que el gasto en IA aumenta casi cuatro veces cuando las organizaciones pasan de experimentación a adopción empresarial. En su encuesta Enterprise AI FinOps de mayo de 2026, 93% de los participantes calificados reportó haber excedido su presupuesto de IA. [3]
Un piloto con cien interacciones diarias puede tener economics muy distintos cuando pasa a cien mil.
Ese costo debería aparecer antes de pedir aprobación, no después de entrar a producción.
3. El primer caso suele terminar pagando problemas anteriores
Hay otra razón por la que algunas iniciativas de IA parecen caras.
Cuando empezamos a implementarlas encontramos problemas que ya existían: información fragmentada, integraciones incompletas, datos con baja calidad, procesos manuales, permisos poco claros o sistemas legacy que nunca se conectaron correctamente.
La iniciativa de IA hace visibles esas brechas porque necesita utilizarlas.
Pensemos nuevamente en un agente de customer service. Para responder una pregunta puede necesitar consultar CRM, pedidos, facturación, productos y políticas comerciales. Para ejecutar una acción puede necesitar integrarse con otros sistemas, validar identidad y respetar permisos.
Si esas capacidades no existen, alguien tiene que construirlas.
Y el costo termina apareciendo dentro del primer business case de IA.
Ese punto debe explicarse bien al comité. De lo contrario, puede parecer que estamos gastando demasiado para construir un agente cuando una parte importante del presupuesto está resolviendo deuda tecnológica y operativa que la compañía ya tenía.
La diferencia es importante porque esas capacidades quedan disponibles para otros casos.
Una integración con CRM puede servir después para ventas. Una base de conocimiento gobernada puede utilizarse en operaciones. Una capa de identidad y permisos puede soportar nuevos agentes. El monitoreo desarrollado para una iniciativa puede convertirse en estándar para las siguientes.
4. El comité debería poder ver qué se financia primero
No todas las iniciativas deberían comenzar al mismo tiempo.
Si todavía tenemos datos fragmentados, integraciones débiles o un gobierno de IA poco desarrollado, algunas inversiones tendrán que concentrarse primero en esas capacidades.
Deloitte encontró que solo 34% de las organizaciones encuestadas está utilizando IA para transformar profundamente productos, procesos o modelos de negocio. También reporta que solo una de cada cinco compañías cuenta con un modelo maduro para gobernar agentes autónomos. [4]
Una empresa puede aprobar diez agentes y después descubrir que ninguno puede operar con suficiente autonomía porque todavía no resolvió datos, permisos, integraciones o gobierno.
El roadmap debería hacer visibles esas dependencias.
¿Qué necesitamos construir primero? ¿Qué iniciativas quedan habilitadas después? ¿Qué inversiones pueden ejecutarse en paralelo?
Eso permite discutir presupuesto como portafolio y no como una colección de solicitudes independientes.
5. Cada iniciativa necesita un dueño de negocio
Tecnología puede implementar la solución. Data puede construir parte de la base. Finanzas puede revisar el business case.
Pero alguien tiene que responder por el resultado.
Si un agente promete reducir costo de servir, debería existir un responsable por esa métrica. Si promete aumentar conversión, alguien debería responder por ese resultado. Si busca reducir fraude, también debe existir ownership.
Ese responsable tiene que aparecer antes de aprobar el presupuesto.
No después de la implementación.
6. También mostraría cuánto cuesta no invertir
Normalmente presentamos cuánto cuesta ejecutar una iniciativa.
También llevaría al comité el escenario contrario.
Si no hacemos el proyecto:
- ¿qué costo operativo seguimos soportando?
- ¿qué revenue seguimos perdiendo?
- ¿cuánto trabajo manual mantenemos?
- ¿qué riesgo permanece abierto?
- ¿qué capacidad seguimos sin construir?
No para inflar el business case.
Sirve para comparar dos escenarios económicos.
Esto es especialmente importante cuando varias iniciativas compiten por el mismo capital y Finanzas necesita decidir qué financiar primero.
7. No presentaría veinte business cases aislados
Marketing puede tener una iniciativa. Customer Service otra. Operaciones otra. Finanzas otra.
Cada una puede parecer razonable por separado.
El comité debería verlas juntas.
Ahí aparecen preguntas distintas: ¿qué iniciativas necesitan los mismos datos?, ¿cuáles utilizan las mismas integraciones?, ¿qué componentes estamos construyendo varias veces?, ¿qué proyectos dependen de otros?, ¿qué inversiones habilitan varias capacidades?
También permite encontrar duplicidades antes de comprometer presupuesto.
McKinsey analizó recientemente veinte compañías que han generado valor económico significativo y sostenido con IA. El estudio muestra que concentraron sus esfuerzos en puntos de alto impacto económico y desarrollaron capacidades para llevar esas soluciones a escala. En promedio, las empresas analizadas generaron aproximadamente US$3 de EBITDA incremental anual por cada US$1 de inversión inicial. [2]
No utilizaría ese ratio para prometerle al comité un retorno similar. Las compañías, condiciones e inversiones analizadas son específicas.
El aprendizaje útil es otro: concentrar inversión y construir capacidades reutilizables puede producir una economía muy distinta a financiar casos desconectados.
8. Antes de llevar el presupuesto al comité
Revisaría siete preguntas:
- ¿Qué resultado económico buscamos?
- ¿Cuál es la línea base?
- ¿Cuánto necesitamos invertir realmente?
- ¿Qué deuda tecnológica u operativa tenemos que resolver para ejecutar la iniciativa?
- ¿Qué parte de esa inversión podrá reutilizarse en otros casos?
- ¿Cuánto costará operar la solución cuando escale?
- ¿Quién responde por el resultado?
Si esas respuestas todavía no están claras, probablemente la iniciativa necesite más trabajo antes de entrar a presupuesto.
Y esto también cambia la forma de presentar IA a Finanzas, Gerencia General o Directorio.
La discusión deja de depender de cuántos agentes queremos tener o de qué plataforma pensamos contratar. El comité puede evaluar qué resultado se busca, qué inversión exige, qué capacidades quedarán para la compañía y qué retorno esperamos obtener.
Eso hace que el presupuesto sea mucho más defendible.
Fuentes
[1] McKinsey & Company. McKinsey Global Tech Agenda 2026. La encuesta identifica a la IA como principal ámbito de inversión tecnológica para los próximos dos años; 50% de las compañías la considera una inversión prioritaria.
[2] McKinsey & Company. The new management playbook for AI: How to move faster and create more value. Investigación sobre 20 compañías que han generado valor económico significativo con IA. El artículo reporta que 94% de las empresas todavía no ha creado valor significativo y que las organizaciones analizadas obtuvieron, en promedio, US$3 de EBITDA incremental anual por cada US$1 de inversión inicial.
[3] McKinsey & Company. The cost of intelligence: How CIOs can manage AI demand at scale. Encuesta Enterprise AI FinOps, mayo de 2026: 120 participantes empresariales y 75 respuestas calificadas. El gasto aumenta casi cuatro veces al pasar de experimentación a adopción empresarial; 93% de los encuestados calificados reportó exceder su presupuesto de IA.
[4] Deloitte. The State of AI in the Enterprise. Estudio global que reporta que 34% de las organizaciones está utilizando IA para transformar profundamente el negocio y que solo una de cada cinco cuenta con un modelo maduro de gobierno para agentes autónomos.