Una nueva encuesta de VentureBeat Pulse Research apunta a una creciente desalineación en la IA empresarial: las organizaciones están elevando sus ambiciones de infraestructura y considerando cambios de proveedor, aunque muchas todavía carecen de visibilidad básica sobre cuánto cuesta realmente su cómputo de IA existente.

La encuesta, basada en 107 encuestados de organizaciones con más de 100 empleados en una sola ola de junio de 2026, encontró que solo el 21% dice ejecutar IA en producción a gran escala. Sin embargo, según el reportaje de VentureBeat, el 45% planea evaluar nubes especializadas en IA durante el próximo año, el 64% pretende cambiar o añadir un proveedor de infraestructura en los próximos 12 meses, y el 38% dice que eso podría ocurrir en el próximo trimestre. Al mismo tiempo, el 83% de los encuestados que operan GPU informó una utilización del 50% o menos, y solo el 44% dijo que sigue rigurosamente el costo y el rendimiento de su cómputo de IA.

Esa combinación importa porque sugiere que la próxima fase de la IA empresarial puede estar moldeada menos por la demanda bruta de más hardware que por una débil instrumentación de costos, prácticas de despliegue inmaduras y decisiones de compra apresuradas. Para los constructores y compradores empresariales, el titular no es simplemente que los presupuestos de IA están subiendo. Es que el gasto parece estar adelantándose a la disciplina operativa.

Un mercado que aún está en una etapa temprana de despliegue ya se prepara para cambiar de plataforma

Uno de los mensajes más claros de la encuesta es que muchas empresas siguen en una fase temprana de su despliegue de IA. VentureBeat dijo que el 76% de los encuestados aún está experimentando o solo tiene algunas cargas de trabajo en producción. Eso hace notable la actual reorganización de infraestructura: las organizaciones no están cambiando de proveedor desde una posición de experiencia operativa madura y estable. Muchas todavía están construyendo los cimientos.

El uso actual sigue concentrado en proveedores establecidos. VentureBeat informó que Google Cloud lideraba el uso actual de infraestructura de IA con un 48%, mientras que otras grandes plataformas, incluidas Microsoft, AWS y Oracle, además de APIs de proveedores de modelos como Gemini, OpenAI y Anthropic, componían la mayor parte de la pila actual. En contraste, los proveedores especializados de nube GPU que atraen mucha atención en los círculos de infraestructura de IA, incluidos CoreWeave, Lambda, Crusoe y Nebius, registraron poco o ningún uso actual en esta muestra.

Pero la evaluación planificada se ve muy diferente del despliegue actual. El área más citada para revisión durante el próximo año fueron las nubes especializadas en IA, con un 45%, según la encuesta. VentureBeat también informó que el 32% tiene la intención de evaluar aceleradores no Nvidia y el 28% planea evaluar silicio Nvidia de próxima generación. En otras palabras, el próximo ciclo de gasto puede no profundizar tanto el statu quo como probar alternativas a él.

Esa es una distinción importante para los equipos de IA empresarial. Una empresa puede estar muy comprometida hoy con la IA en la nube y aun así usar el próximo ciclo presupuestario para investigar nuevas capas de infraestructura, nuevos tipos de aceleradores y diferentes estructuras de costos para entrenamiento e inferencia.

Los compradores se preocupan más por la adecuación y el TCO que por el precio unitario de los tokens

Las señales de contratación de la encuesta son quizás más útiles que sus instantáneas de cuota de mercado. Según VentureBeat, los encuestados dijeron que la integración con la pila existente fue el factor principal al seleccionar un proveedor de infraestructura de IA, citado por el 41%, seguido del costo total de propiedad con el 35%. El costo por millón de tokens quedó mucho más abajo, con solo el 8%.

Ese hallazgo va en contra del encuadre popular de la competencia en infraestructura de IA como una carrera por publicar el precio unitario más bajo. Los compradores empresariales, al menos en esta muestra, parecen preocuparse más por si la nueva infraestructura encaja con sistemas de identidad, canalizaciones de datos, herramientas de observabilidad, controles de gobernanza y contratos existentes que por una tarifa de tokens destacada.

El resultado también ayuda a explicar por qué Microsoft Azure y Google Cloud, según se informa, encabezan la consideración de cambio a corto plazo con un 33% cada uno, seguidos por OpenAI con 30% y Gemini con 22%. VentureBeat interpreta eso como evidencia de que gran parte del movimiento a corto plazo puede implicar que los proveedores incumbentes intercambien cuota o consoliden el gasto de los clientes, más que una migración rápida hacia nuevos proveedores especializados.

Para los equipos de producto, eso significa que el mérito técnico por sí solo puede no ganar presupuesto. Los proveedores que puedan simplificar la migración, unificar la facturación, mejorar la gobernanza o facilitar las compras empresariales pueden tener más palanca que los vendedores centrados exclusivamente en el precio de referencia.

La evidencia apunta a un problema de rendición de cuentas, no solo de capacidad

La estadística más contundente del informe puede ser la de utilización. VentureBeat dijo que, entre las empresas que operan GPU, el 83% reportó una utilización del 50% o menos, y el 49% dijo que la utilización era del 25% o menos. Otro 8% dijo que no mide la utilización en absoluto.

Si esas cifras son correctas, sugieren que una gran cantidad de capacidad costosa está ociosa. Eso no es necesariamente sorprendente en programas de IA en fase temprana, donde los equipos a menudo sobredimensionan para experimentar, compran capacidad antes del despliegue o carecen de programadores de cargas de trabajo lo suficientemente sofisticados como para mantener los sistemas ocupados. Pero sí socava la idea de que más GPU sean la respuesta inmediata para la mayoría de los cuellos de botella de la IA empresarial.

La parte contable parece igualmente débil. Según VentureBeat, menos de la mitad de los encuestados, el 44%, dijo que sigue rigurosamente el costo y el rendimiento del cómputo. Otros dijeron que lo siguen solo parcialmente, que aún no pueden cuantificarlo o que no lo han priorizado.

En conjunto, esos hallazgos respaldan la afirmación central del artículo de una “brecha de cómputo”: las empresas están tomando decisiones de infraestructura más rápidas y más grandes de lo que sus sistemas de medición pueden justificar. En términos prácticos, eso podría significar que los equipos aprueban instancias reservadas, clústeres de GPU, compromisos con APIs de modelos o nuevas alianzas en la nube sin economías unitarias claras a nivel de carga de trabajo.

Para la IA empresarial, esto importa porque los problemas de costos suelen aparecer tarde. Una prueba de concepto puede tolerar una economía difusa; un producto de inferencia escalado no puede. Si las organizaciones no saben qué cargas de trabajo están consumiendo presupuesto, qué modelos están sobredimensionados o dónde las colas de GPU y los límites de memoria están creando desperdicio oculto, la próxima fase de gasto puede simplemente hacer más difícil deshacer esas ineficiencias.

Evidencia, metodología y lo que sigue siendo incierto

Esta es una encuesta útil, pero debe leerse con cautela. El propio VentureBeat señala que los datos provienen de una sola ola del segundo trimestre de 2026, con 107 encuestados calificados, y deben tratarse como una señal direccional más que como una medición precisa del mercado. La muestra es autoseleccionada, se inclina hacia organizaciones de mercado medio y favorece a adoptantes de IA en etapas más tempranas en lugar de a los mayores operadores hyperscale.

Esa advertencia importa por varias razones. Primero, el uso actual de proveedores en esta encuesta no es lo mismo que la cuota global del gasto en IA empresarial. Segundo, las intenciones de cambio reportadas suelen ser más ruidosas que el comportamiento real de cambio. Tercero, las respuestas sobre utilización y seguimiento de costos son autodeclaradas y no auditadas de forma independiente.

Algunas de las afirmaciones más prospectivas también son actitudes basadas en encuestas, no resultados observados del mercado. El interés en nubes especializadas en IA, aceleradores no Nvidia y cómputo descentralizado o soberano refleja planes de evaluación, no compras comprometidas. Del mismo modo, la preocupación por el ancho de banda de memoria y las limitaciones de KV-cache en inferencia es real en despliegues avanzados, pero el hallazgo de VentureBeat de que aproximadamente uno de cada cinco encuestados desconoce el problema dice más sobre la madurez del comprador que sobre cuándo ese cuello de botella se volverá urgente para una empresa concreta.

Incluso con esas salvedades, la lógica interna de la encuesta es coherente: los adoptantes de etapa temprana siguen construyendo, están lo bastante insatisfechos como para evaluar alternativas, y muchos aún no tienen los controles de costos necesarios para juzgar bien esas alternativas.

Qué significa esto para los constructores y los equipos de IA empresarial

Para los proveedores de infraestructura, el mensaje es claro: la venta empresarial se trata cada vez más de visibilidad operativa, no solo de acceso a aceleradores. Los proveedores que puedan mostrar una fuerte atribución de costos, informes de utilización, controles de políticas y orquestación de cargas de trabajo pueden encontrar más tracción que quienes solo venden capacidad bruta.

Para las empresas, la prioridad puede necesitar pasar de comprar más cómputo a medir mejor el cómputo actual. Eso significa reparto de costos a nivel de carga de trabajo, políticas de enrutamiento de modelos, programación de GPU, estrategias de caché y una contabilidad más clara entre experimentación, entrenamiento e inferencia. También significa comparar los costos de las APIs de modelos con la economía de autoalojamiento de una manera que incluya mano de obra, integración, fiabilidad y sobrecarga de gobernanza, no solo el precio por token.

Para los constructores de IA, especialmente los que lanzan productos en Google Cloud, Microsoft Azure, AWS u Oracle mientras consumen APIs de OpenAI, Anthropic o Gemini, la encuesta es un recordatorio de que las decisiones de infraestructura ya no son decisiones de fondo. Afectan a la latencia, los márgenes, la fiabilidad, el cumplimiento y la flexibilidad de la hoja de ruta del producto. Si finanzas e ingeniería no pueden ver conjuntamente esas compensaciones, las decisiones de arquitectura estarán impulsadas por la urgencia de compras y no por la evidencia.

Qué observar a continuación

La próxima señal a vigilar es si el interés declarado en la evaluación se convierte en un movimiento real de cargas de trabajo hacia CoreWeave, Lambda, Crusoe, Nebius u otras nubes especializadas en IA. Un segundo indicador clave es si las empresas adoptan herramientas más formales de observabilidad de costos de IA en lugar de seguir gestionando el gasto mediante paneles de la nube e informes parciales.

También valdrá la pena observar si la ola de cambios sigue concentrada entre incumbentes como Google Cloud, Microsoft Azure, OpenAI y Gemini, o si se amplía hacia una diversificación significativa de aceleradores. Si las evaluaciones de opciones no Nvidia se convierten en despliegues, eso señalaría un cambio más profundo en cómo las empresas piensan sobre rendimiento, riesgo de suministro y control de costos.

Por último, hay que vigilar las métricas operativas. Si futuras encuestas muestran que la utilización de GPU aumenta y que más empresas siguen rigurosamente la economía del cómputo, entonces el sobregasto de hoy podría parecer un dolor de crecimiento temporal. Si no, la IA empresarial podría entrar en su próximo ciclo de expansión con los mismos problemas de visibilidad, solo que con una factura mayor.

Perspectiva de Creati.ai

La idea más importante de esta encuesta no es que las empresas quieran más infraestructura de IA. Eso ha sido evidente desde hace tiempo. La señal más útil es que muchos compradores ahora reconocen la integración y el costo total de propiedad como los verdaderos criterios de decisión, mientras siguen careciendo de la instrumentación para medir cualquiera de los dos con confianza.

Esa brecha crea una oportunidad en toda la pila. Los proveedores de nube, las plataformas de modelos, los proveedores de observabilidad y los equipos internos de plataforma tienen la oportunidad de convertir el control de costos de IA en una función del producto, y no en una ocurrencia tardía para finanzas. Los ganadores pueden ser las empresas que hagan legible el cómputo: no solo disponible, sino atribuible, gobernable y fácil de comparar entre cargas de trabajo. En la IA empresarial, una economía más clara puede convertirse en una ventaja competitiva más fuerte que la próxima caída incremental en la lista de precios.