Costos ocultos de la IA: empresas pierden hasta 82% del gasto en errores y retrasos

Un nuevo reporte advierte que la adopción de IA en ingeniería no siempre reduce costos: entre bugs, reescrituras y demoras, las empresas podrían estar perdiendo hasta 82% de su gasto antes de llegar a producción.
***

• Entelligence AI encuestó a 2.444 empresas y halló que gran parte del gasto en tokens de IA termina en correcciones, reescrituras e integración.
• Lightrun reportó que 43% del código generado por IA aún requiere depuración manual en producción, incluso tras pasar controles de calidad.
• Oracle carga con deuda de cerca de USD $108.000 millones, mientras OKX ajusta sus evaluaciones de talento a competencias en IA.

---

La promesa de la inteligencia artificial en ingeniería enfrenta una prueba incómoda. Un reporte publicado el 28 de mayo de 2026 advierte que las herramientas de IA pueden generar costos ocultos relevantes para empresas que buscan acelerar el desarrollo de software.

De acuerdo con un reporte citado por Yahoo Finance, hasta 82% del gasto empresarial en ingeniería asistida por IA se pierde en errores, reescrituras y retrasos de revisión antes de que el código llegue a producción. La cifra apunta a una tensión central del ciclo actual: la IA entrega velocidad, pero no siempre entrega confiabilidad.

El problema no se limita al código. La presión aparece en tres frentes conectados: equipos de ingeniería que envían software poco fiable, Oracle financiando capacidad de IA con una gran carga de deuda y OKX redefiniendo cómo mide el talento en un entorno de trabajo centrado en IA.

Para lectores nuevos en el tema, las empresas suelen pagar por tokens de IA cuando usan modelos para programar, analizar datos o automatizar tareas. Ese gasto inicial puede parecer bajo frente al costo humano, pero se vuelve más complejo cuando el resultado exige depuración, auditoría e integración manual.

El costo del código generado por IA

Entelligence AI encuestó a 2.444 empresas para medir el impacto real de la IA en equipos de ingeniería. El hallazgo central resulta contundente: por cada USD $1 gastado en tokens de IA, una parte significativa termina absorbida por tareas posteriores.

El desglose del informe muestra que USD $0,44 cubren correcciones de errores. Otros USD $0,27 se destinan a reescribir código generado por IA. Además, USD $0,11 desaparecen en retrasos de revisión e integración.

Ese patrón sugiere que el ahorro prometido por la automatización puede diluirse en procesos menos visibles. La IA puede producir código rápido, pero los equipos aún deben verificar si ese código funciona, si cumple estándares internos y si no introduce fallas nuevas.

El informe 2026 State of AI-Powered Engineering de Lightrun añade otra señal de cautela. Según sus datos, 43% del código generado por IA todavía requiere depuración manual en producción, incluso después de superar los controles de calidad.

El dato resulta importante porque producción es el entorno donde los usuarios reales interactúan con el software. Si el código falla allí, la empresa no solo enfrenta costos técnicos. También puede sufrir pérdida de confianza, interrupciones operativas y presión reputacional.

Ningún líder de ingeniería encuestado expresó plena confianza en el resultado desplegado. El reporte también señala que el patrón se repite en el despliegue de IA de Coinbase y en la división del código de IA de Cardano, dos referencias relevantes para el sector cripto y blockchain.

Oracle asume una apuesta apalancada por la demanda de IA

La segunda señal de presión aparece en la infraestructura. Oracle acumuló aproximadamente USD $108.000 millones en deuda total mientras busca expandir su capacidad para atender la demanda de inteligencia artificial.

La compañía también recauda otros USD $50.000 millones en 2026 mediante deuda y capital. El objetivo consiste en financiar la construcción de centros de datos de IA, una pieza clave para modelos que requieren cómputo intensivo.

El flujo de caja libre de Oracle se ubica cerca de USD $13.000 millones negativos. Ese dato muestra el tamaño del esfuerzo financiero y ayuda a explicar por qué los mercados observan con atención la sostenibilidad del gasto en infraestructura de IA.

La cartera de pedidos de Oracle asciende a USD $553.000 millones. Sin embargo, más de USD $300.000 millones están vinculados solo a OpenAI, un cliente que perdió alrededor de USD $14.000 millones el año pasado.

La concentración de demanda en un solo cliente agrega un riesgo claro. Si la demanda futura no crece al ritmo esperado, o si los ingresos de IA tardan más en materializarse, la empresa podría enfrentar presión sobre balances y expectativas.

La exposición de Oracle coincide con advertencias más amplias sobre una crisis de costos en la IA empresarial y una posible burbuja de ingresos de IA. Sus resultados del 16 de junio funcionarán como una prueba importante para saber si la apuesta por la demanda de IA se sostiene.

OKX cambia la vara para evaluar talento en la era IA

La tercera presión llega al mercado laboral. Stax Xu, CEO de OKX, sostuvo que los agentes de IA aceleran la ejecución, pero también exponen a quienes dependen más de la gestión de impresiones que de resultados concretos.

Xu resumió su postura con una frase directa: "No es la IA la que cambia fundamentalmente los despidos. Es que la era de la IA cambia fundamentalmente los requisitos de talento". La declaración refleja un giro cultural dentro de empresas tecnológicas y exchanges.

OKX ahora vincula las evaluaciones de empleados con la competencia en IA. Esto significa que la habilidad para usar herramientas de inteligencia artificial ya no opera solo como ventaja adicional, sino como parte de la medición laboral.

El exchange se suma así a una ola de mandatos de IA en plataformas del sector. En la práctica, estas compañías buscan que sus equipos integren agentes, automatización y flujos asistidos por modelos en tareas cotidianas.

Para el sector cripto, el cambio tiene implicaciones mayores. Exchanges, desarrolladores de blockchain y empresas Web3 suelen operar en mercados rápidos, con presión regulatoria, necesidad de seguridad y alta exposición a usuarios globales.

Si la IA mejora la productividad, las empresas que la adopten con criterio podrían ganar velocidad. Pero si la implementación no incluye revisión técnica, control de calidad y entrenamiento, los costos ocultos pueden crecer más rápido que los beneficios.

Una adopción real, pero con costos que llegan antes de lo esperado

Los datos no niegan las capacidades de la IA. El reporte destaca que las herramientas ofrecen mejoras reales y pueden acelerar tareas que antes exigían más tiempo humano.

La advertencia se concentra en el costo operativo. Una empresa puede generar más código, más documentos o más análisis, pero luego debe revisar todo ese material con procesos robustos.

Ese punto resulta clave para inversionistas y directivos. El mercado ha valorado a muchas compañías bajo la premisa de que la IA reducirá gastos y abrirá nuevas fuentes de ingresos.

Sin embargo, los datos de ingeniería muestran una brecha entre generación y despliegue confiable. La productividad medida por líneas de código o velocidad de entrega no basta si los equipos deben corregir fallas en etapas críticas.

También surge una pregunta financiera. Si la construcción de infraestructura exige deuda elevada y flujos de caja negativos, las empresas necesitarán demostrar que los clientes pagan lo suficiente por servicios de IA.

Los resultados de Oracle del 16 de junio y las próximas métricas de ingeniería ayudarán a medir esa brecha. Si las compañías reducen bugs, reescrituras y retrasos, el ciclo de IA podría consolidarse con más confianza.

Si no lo logran, el entusiasmo del mercado enfrentará una realidad más dura. La inteligencia artificial seguirá siendo poderosa, pero su adopción empresarial exigirá disciplina, controles y una lectura más sobria de los costos.