La IA promete beneficios, pero las empresas echan cuentas

La IA se ha incorporado a los procesos de trabajo, pero con ella ha llegado a las empresas una pregunta incómoda: cómo demostrar que la tecnología aporta un beneficio real y no se limita a consumir presupuesto con mucho estilo.

Organizaciones de todos los tamaños ya utilizan herramientas basadas en inteligencia artificial. Sin embargo, no hay una cifra universal que permita medir los resultados. Los gastos se ven enseguida, mientras que el aumento de la productividad, la calidad y los ingresos puede tardar mucho más en aparecer. La experiencia demuestra que fijar objetivos arbitrarios, como el número de consultas a la IA, no refleja necesariamente un beneficio real para el negocio.

En este sentido, son ilustrativos los motores de videojuegos y de 3D en tiempo real: plataformas de software que se encargan de la visualización, la física, las conexiones de red y la gestión de recursos digitales. Según el informe de Perforce «State of Real-Time Workflows Report» de 2026, se utilizan cada vez más no solo en el desarrollo de videojuegos, sino también en los sectores aeroespacial y de defensa, la Administración pública, la educación, los medios y el entretenimiento.

Estas tecnologías tienen una ventaja: la industria del videojuego lleva décadas poniéndolas a prueba. Las empresas pueden evaluar su rendimiento a partir de casos de uso ya conocidos. La IA está todavía en una etapa menos cómoda: muchas organizaciones aún no han obtenido un retorno de la inversión estable y medible.

Al mismo tiempo, crece la demanda de sistemas de control de versiones. La IA aumenta el volumen de código, gráficos, audio y otros materiales de los proyectos, así que las empresas necesitan saber quién cambió qué y cuándo. Si en los procesos participan agentes de IA, esa transparencia deja de ser un lujo y se convierte en una garantía básica.

Según Perforce, la mitad de los empleados que utilizan IA teme que la tecnología los sustituya. Otro 49 % teme obtener resultados malos o imprecisos, y un 48 % está preocupado por los riesgos éticos y regulatorios.

Brent Schiestl, responsable de Digital Creation y director sénior de gestión de producto en Perforce, señala la diferencia entre utilizar la IA para el código fuente y para crear materiales digitales terminados. La corrección automática de un error de código se recibe con más tranquilidad: es una tarea concreta en la que la creatividad no suele ser un requisito principal. Este enfoque puede librar a los ingenieros de tareas rutinarias.

Con las imágenes, el audio y el vídeo, la situación es más complicada. Muchos grandes modelos lingüísticos se entrenaron con datos sin el consentimiento de sus autores originales, por lo que la generación de estos materiales suscita más dudas. Para conservar la confianza, las empresas publican normas sobre cómo informar del uso de la IA, mantienen a una persona responsable de la decisión final y registran la procedencia del material, lo que se conoce como «provenance data». Así, el consumidor dispone de información suficiente para valorar por sí mismo si el uso de la tecnología es ético.

Para evaluar la eficacia de la IA, las empresas siguen la frecuencia de las publicaciones, el volumen de contenido incluido en cada lanzamiento y la telemetría sobre el uso de las nuevas funciones. También cobran importancia los indicadores del sector, como las métricas DORA, que permiten comparar la velocidad y la estabilidad del desarrollo.

Pero aquí se aplica la ley de Goodhart: cuando un indicador se convierte en un objetivo, deja de ser un buen indicador. Los equipos pueden empezar a «mejorar» las cifras en vez del producto. Además, es muy difícil separar la contribución de la IA de los demás cambios en el proceso de publicación.

Con los motores en tiempo real, el problema durante mucho tiempo fue aún más prosaico: el propio nombre «motores de videojuegos» ahuyentaba a los sectores ajenos al videojuego. También suponían un obstáculo las licencias, la complejidad de las herramientas para quienes no son artistas y la integración con sistemas corporativos. Epic Games tuvo que buscar expresamente un modelo de monetización para Unreal Engine fuera de la industria del videojuego. Perforce no cambió hasta el año pasado el nombre de su informe, antes «State of Game Technology Report», por «State of Real-Time Workflows Report».

A partir de entonces fue más fácil ver que no se trataba solo de videojuegos, sino de un conjunto de tecnologías para el renderizado, la física, las conexiones de red y la gestión de recursos digitales. A veces, un mercado nuevo no empieza con un invento, sino con un cambio de nombre acertado.

Implantar estos sistemas exige gastar en computación con GPU, almacenamiento para archivos binarios y 3D de gran tamaño, transferencia de datos, estaciones de trabajo especializadas y licencias para motores y herramientas DCC. La expectativa directa es que aumenten los ingresos, pero el efecto puede tardar varios años en llegar. Por eso, los responsables financieros tienen que tener paciencia, en vez de organizar una liquidación de pánico del proyecto ante los primeros resultados flojos.

También hay un coste oculto: a menudo, las organizaciones carecen de especialistas y procesos internos para gestionar la nueva infraestructura. La deuda técnica crece por el código no verificado generado por IA, las dependencias desconocidas, las infracciones de licencias y la falta de sincronización entre versiones de los modelos.

En respuesta, aparecen herramientas de revisión de código adaptadas a la IA, sistemas SAST/DAST para detectar vulnerabilidades en programas creados por máquinas, escáneres de licencias y de procedencia de materiales, así como prácticas de control de versiones que tratan los commits de IA como artefactos en toda regla.

La IA también está cambiando el mercado del software de código abierto. Crear una solución propia y publicarla, si se quiere, es más fácil. Pero al mismo tiempo, algunos repositorios que antes eran abiertos están cerrando el acceso: sus responsables no dan abasto con el aluvión de solicitudes de fusión creadas por IA.

El modelo de licencias por número de usuarios también está bajo presión. Si las empresas empiezan a reducir plantillas o dejan de crecer al ritmo de antes, los proveedores tendrán que revisar la economía habitual de las suscripciones.

La gran pregunta aún sin respuesta es si la IA cambia de verdad el cálculo de «desarrollarlo nosotros o comprarlo hecho». La broma del desarrollador que «ahorró 30.000 dólares en una suscripción» después de gastarse 100.000 en tokens para crear su propio sistema suena cada vez menos disparatada. En la cuenta hay que incluir no solo el desarrollo inicial, sino también el mantenimiento continuo, el soporte, el control de calidad y la responsabilidad por los resultados.