El uso de inteligencia artificial en las empresas sigue creciendo, pero el gasto no avanza al mismo ritmo. Un análisis publicado por la plataforma de gestión de gasto Ramp observa que los pagos vinculados a IA apenas crecieron un 1,5% entre agosto y septiembre en su base de clientes, después de un avance del 42% en julio. El dato no describe a todo el mercado, pero ofrece una señal útil sobre cómo están cambiando los presupuestos corporativos.
La lectura más inmediata es que las organizaciones consumen más modelos y más funciones, pero lo hacen a precios más bajos o con descuentos más agresivos. Los proveedores han reducido tarifas y ofrecen condiciones comerciales para asegurar contratos empresariales, mientras las compañías compradoras comparan alternativas con mayor facilidad. Es una dinámica normal en un mercado que madura, aunque complica las previsiones basadas solo en el crecimiento de usuarios.
Para la empresa cliente, la bajada del coste por uso puede ser una oportunidad; para el proveedor, puede convertir el crecimiento en una carrera por margen. Un asistente de programación o de atención al cliente puede procesar más solicitudes sin elevar proporcionalmente la factura. La otra cara es que el proveedor debe cubrir servidores, chips, energía y soporte con un ingreso unitario menor.
Ramp registró un repunte posterior en octubre, con un aumento del 8,9% frente al mes anterior en su medición. Esa oscilación aconseja prudencia. Su panel se concentra en empresas que usan su producto y no sustituye los resultados financieros auditados de las grandes compañías de IA. Aun así, coincide con una percepción creciente: la adopción empresarial no siempre se traduce de inmediato en presupuestos ilimitados.
Muchas organizaciones han pasado de experimentar a exigir resultados concretos. Ya no basta con activar una licencia para todo el equipo y esperar productividad. Los responsables de tecnología y finanzas piden saber qué proceso cambia, cuánto tiempo se ahorra, qué riesgo se introduce y quién mantiene el sistema. Esa disciplina puede moderar el gasto inicial, pero también ayuda a separar los pilotos atractivos de las herramientas que se vuelven permanentes.
La métrica decisiva no será cuántos empleados prueban una IA, sino qué tareas mejoran con controles y retorno económico demostrable. En una asesoría, por ejemplo, el beneficio puede estar en preparar un borrador y dejar la revisión al profesional. En una empresa industrial, en clasificar incidencias antes de que un técnico intervenga. El patrón común es que el valor aparece cuando la herramienta encaja en un flujo existente y se puede medir.
El enfriamiento relativo también importa para los inversores. Las valoraciones de los proveedores de modelos y de infraestructura incorporan expectativas de crecimiento elevado durante varios años. Si la competencia reduce precios antes de que el mercado empresarial se expanda con la misma velocidad, los modelos de negocio necesitarán demostrar eficiencia además de demanda. No implica que la IA deje de venderse, sino que el reparto del valor puede ser menos lineal de lo previsto.
Para las empresas españolas, la conclusión práctica es evitar dos extremos: recortar cualquier iniciativa por miedo a una burbuja o comprar herramientas sin una hipótesis económica. Conviene negociar condiciones revisables, conservar la posibilidad de cambiar de proveedor y fijar indicadores antes del despliegue. El momento favorece a los compradores que conocen su proceso y no confunden volumen de uso con impacto.
Los datos de Ramp son una fotografía parcial, no un veredicto sobre toda la industria. Pero ayudan a entender una transición relevante. La IA entra en una fase en la que el entusiasmo inicial convive con compradores más exigentes y proveedores bajo presión de precio. Esa combinación puede beneficiar a quienes conviertan la tecnología en resultados verificables, y castigar a quienes dependan solo de promesas de crecimiento.
