La Brecha de Control: Las organizaciones de IA empresarial tienen un problema de propiedad, no un problema tecnológico, y la mayoría lo están gobernando manualmente.

Los portafolios de IA están creciendo mucho más rápido que la capacidad de gobernarlos en las empresas. La mayoría de las organizaciones operan en un campo disputado de plataformas, cada una afirmando ser la "capa" de IA "primaria"; pocas pueden detectar con confianza un modelo que se descontrole o falle en producción; y la barrera más citada para el control es la ausencia de un propietario único responsable de la IA en toda la infraestructura. El resultado es una brecha de control en expansión: ambición y gasto superando la visibilidad, la propiedad y el control de costos, con agentes autónomos que ya están causando fallos financieros y operativos reales. Esta ola de investigación de VentureBeat Pulse examina la brecha de control de IA empresarial: cuántas plataformas afirman ser la capa de IA principal, quién realmente gobierna el comportamiento de la IA entre ellas, si las organizaciones podrían detectar un modelo que falla en producción, qué bloquea en su mayoría el gobierno entre plataformas, y cómo los fallos de control financiero y operativo de los agentes autónomos ya están emergiendo. El hallazgo central es una brecha de control: la distancia entre cuán agresivamente las empresas están expandiendo la IA y lo poco que pueden ver, poseer o gobernar. Poco menos de tres quintas partes (58%) están sumando iniciativas de IA, siendo "expandiéndose significativamente" la postura más grande. Sin embargo, el 85% opera dos o más plataformas cada una reclamando ser la "capa" de IA primaria y solo el 8% se ha consolidado en una sola. En esa superficie disputada, el 40% dice estar muy seguro de que detectarían un modelo que se descontrole, se comporte de manera insegura o falle en producción, pero solo el 10% respalda esa confianza con monitoreo y alertas activas; el resto se apoya en revisiones manuales humanas. La maquinaria para expandir IA avanza mucho más rápido que la maquinaria para controlarla. La brecha es, sobre todo, una cuestión de propiedad. Solo un tercio (38%) dice que un equipo central gobierna la IA hoy, y una quinta parte (20%) dice que cada equipo de plataforma gobierna de forma independiente; la barrera más citada para el gobierno entre plataformas es la ausencia de un único propietario responsable (32%), y aproximadamente uno de cada seis (17%) dice que ningún rol tiene responsabilidad formal. El mismo vacío se refleja en el gasto: poco menos de la mitad (49%) menciona la IA "en la sombra" —tuberías de agentes no autorizados ejecutadas con tarjetas corporativas fuera de la supervisión central— como su fallo de control más severo, y otro 25% ha sido afectado por una factura de un agente de "bucle infinito" descontrolado. Las empresas han estandarizado la ambición mucho antes de estandarizar el control. Metodología VentureBeat realizó esta encuesta como parte de su serie de investigación Pulse, centrándose en la brecha de control de IA empresarial: gobernanza, observabilidad y control de costos a través de múltiples plataformas de IA. Las respuestas se filtraron a organizaciones con 100 o más empleados y, para este corte, se excluyeron los encuestados que seleccionaron "Otro" como función laboral, dejando una base de roles identificables (n=145); todos provienen de una única ola de Q2 de 2026 (junio). Por tamaño de organización, la muestra se inclina hacia los segmentos de mercado medio y bajo-grande: 100–499 y 500–2,499 empleados (23% cada uno) lideran, seguidos de 10,000–49,999 (22%) y 2,500–9,999 (20%) cerca detrás y 50,000+ al 11%. Por rol, predominan los senior y técnicos: consultores y asesores (20%), CIO/CTO/CISO (18%), directores de ingeniería/TI (14%), gerentes de producto y programas (13%), y arquitectos empresariales (12%) conforman el núcleo. Tecnología/Software es la industria más grande con 41%, seguida de Servicios Financieros y Servicios Profesionales (12% cada uno) y Salud/Ciencias de la Vida y Manufactura/Industrial (10% cada uno). Los hallazgos deben leerse como una señal direccional en lugar de una medición precisa; es autoseleccionado y no es una muestra probabilística. Donde una sola participación sería frágil por sí sola, el informe se apoya en la dirección y agrupamiento de respuestas en lugar del punto porcentual exacto. Hallazgo 1: La expansión supera al control Los portafolios de IA están creciendo más rápido que los medios para gobernarlos. Preguntamos a las empresas cómo ha cambiado su portafolio de IA en los últimos 12 meses. El crecimiento lidera, con una minoría significativa retirándose deliberadamente. La expansión es la norma. Combinando "expandiéndose significativamente" (33%) y "crecimiento neto positivo" (25%), poco menos de tres quintas partes de las empresas (58%) están sumando iniciativas de IA. Sin embargo, una parte considerable está moderando deliberadamente: aproximadamente una cuarta parte (23%) está racionalizando —escalando lo que funciona y recortando el resto— y otro 12% mantiene sus portafolios estables. Solo un puñado (3%) ha pausado para organizar la gobernanza primero. Este es el motor detrás de cada brecha que sigue: las empresas están acelerando hacia un paisaje que aún no han aprendido a ver o poseer, y un notable 4% ni siquiera puede describir su propio portafolio. La ambición documentada aquí es exactamente lo que hace que las deficiencias de visibilidad y propiedad en los Hallazgos 3 y 4 sean significativas en lugar de académicas. Hallazgo 2: No hay una única capa de IA "primaria" — la superficie está disputada Más de cuatro de cada cinco operan múltiples plataformas cada una afirmando primacía. Preguntamos cuántas plataformas empresariales afirman ser la capa de IA "primaria" de la organización —el ERP, EHR, ITSM, suite de productividad o plataforma de datos, cada una posicionándose como el centro de gravedad. Casi nadie tiene una sola respuesta. La condición definitoria es la primacía disputada. Sumando las dos bandas de múltiples plataformas, el 85% de las empresas tienen al menos dos plataformas que se afirman como la capa de IA principal, y más de un tercio (36%) describe una competición abierta de cuatro o más. Solo el 8% se ha consolidado en una sola capa, y otro 6% ni siquiera ha mapeado la pregunta. Esta es la razón estructural por la que la gobernanza es difícil: no hay un centro de gravedad acordado desde el cual gobernar. Cada plataforma trae su propia IA, sus propios controles y sus propias suposiciones —y, como muestra el Hallazgo 3, la pregunta sobre quién gobierna entre ellas cada vez tiene menos respuesta clara. Hallazgo 3: La gobernanza se reclama en el centro pero se disputa en la práctica Un equipo central lo posee en papel; en la práctica, se fragmenta. Preguntamos quién es realmente responsable de gobernar el comportamiento de la IA en todas esas plataformas hoy, y qué función tiene la responsabilidad primaria. La respuesta principal es tranquilizadora; el detalle no lo es. En la superficie, una función de gobernanza central es la respuesta más común —pero solo un tercio (38%) afirma tener una, muy por debajo de la mayoría. El resto de la distribución socava aún más: una quinta parte (21%) dice que la propiedad es confusa o disputada entre equipos, otra quinta parte (20%) dice que cada equipo de plataforma simplemente gobierna su propia IA de forma independiente, y el 19% dice que nadie ha abordado el tema en absoluto. La responsabilidad se fragmenta aún más cuando preguntamos qué rol la sostiene realmente: CIO/CTO/CISO lidera con un 27%, un Director de IA o equivalente en un 22%, y un sorprendente 17% dice que nadie tiene responsabilidad formal aún. Incluso donde se afirma que hay un equipo central, el propietario nombrado es a menudo el ejecutivo general de tecnología en lugar de una autoridad dedicada a la IA. La función de gobernanza existe más a menudo como una aspiración en el organigrama que como una realidad operativa —la condición previa para la brecha de detección en el Hallazgo 4. Hallazgo 4: La brecha de detección — la confianza es real pero en gran parte manual Solo uno de cada 10 tiene monitoreo y alertas activas. Preguntamos cuán seguros están las empresas de que detectarían un modelo de IA en producción que se esté desviando, comportándose de manera insegura o fallando en completar tareas correctamente. Este es el núcleo de la brecha de control. Este es el número central del informe. Mientras que el 40% dice que están muy seguros de que detectarían un modelo fallido, la abrumadora mayoría de esa confianza se basa en revisiones manuales humanas (30%) en lugar de automatización —solo el 10% tiene monitoreo y alertas activas en realidad. En el otro extremo, más de un cuarto combina las dos respuestas reactivas —sin visibilidad sistemática (8%) y lo escucharían de los usuarios finales primero (19%)— lo que significa que se enterarían de un fallo de producción después del hecho, por parte de las personas afectadas. La pluralidad (32%) se sitúa en un medio optimista, esperando "atrapar la mayoría de los problemas eventualmente". Comparado con la agresiva expansión del Hallazgo 1, este es el meollo de la brecha de control: las empresas están escalando IA en producción más rápido de lo que están construyendo medios automatizados para saber cuándo falla. La confianza es real, pero es en gran parte manual, y la detección automatizada sigue siendo la excepción. Hallazgo 5: El propietario ausente es la mayor barrera La gobernanza se estanca primero en la responsabilidad, luego en la visibilidad. Preguntamos a las empresas que nombraran su mayor barrera única para gobernar la IA en múltiples plataformas. El organigrama ocupa el primer lugar. La ausencia de un propietario único encabeza con un 32%, la barrera más citada. La opacidad del proveedor (25%) y la falta de herramientas o infraestructura para observar entre plataformas (16%) están detrás, y juntas estas dos barreras técnicas de visibilidad (41%) superan la brecha de propiedad. La despriorización del liderazgo representa otro 17%, mientras que una clara falta de talento es rara (5%). Completando el cuadro, otro 5% dice que no es una barrera para ellos en absoluto —ya lo han resuelto. Leído en conjunto, el panorama es más disputado de lo que sugiere el titular: las empresas aún nombran con mayor frecuencia un propietario ausente, pero una buena parte localiza el obstáculo en las cajas negras de los proveedores y la ausencia de observabilidad entre plataformas. Al preguntar en una cuestión de texto libre sobre una cosa que arreglarían, los encuestados convergieron desde diferentes direcciones hacia la misma respuesta: un único propietario responsable, y un plano de control que abstraiga costos, desviación y elección de modelos lejos del usuario final. Hallazgo 6: El ajuste de ROI del fine-tuning Aproximadamente siete de cada diez tienen poco que mostrar por la inversión en modelos personalizados. Preguntamos qué porcentaje de los modelos de base propietarios en los que las empresas han invertido en fine-tuning en los últimos 18 meses han entregado un ROI positivo claro y medible en producción hoy. La mayoría describe un cementerio de sandbox —o una decisión deliberada de evitar uno. El fine-tuning personalizado no ha dado resultados para la mayoría. Combinando los tres resultados decepcionantes —cementerio de sandbox, evitación estratégica y anulación total— aproximadamente siete de cada diez (73%) no lograron poner modelos personalizados en uso productivo o decidieron deliberadamente no intentarlo, frente al 27% para quienes los modelos ajustados son una ventaja confiable. El grupo único más grande (45%) permanece en el cementerio: proyectos demasiado costosos o complejos para mantener, varados en desarrollo. Otro cuarto (24%) nunca comenzó —tomaron en cuenta la carga de mantenimiento posterior y la evitaron. La señal es que muchas empresas aún tratan el entrenamiento de modelos a medida como una trampa de costos, lo que ayuda a explicar la postura pragmática de comprar y mezclar de los proveedores en el Hallazgo 7. Hallazgo 7: Postura del proveedor — híbrido por defecto, con un aumento de la defección. Preguntamos dos preguntas relacionadas: si las empresas están desplazando cargas de trabajo hacia modelos de pesos abiertos para escapar de los costos de API y el lock-in, y qué proveedor propietario, si es que hay alguno, es más probable que eliminen en el próximo año. Las respuestas describen cobertura —y una creciente disposición a cortar. En cuanto a pesos abiertos, una mayoría clara (51%) opta por un equilibrio híbrido, con un compromiso cerrado deliberado en segundo lugar con un 32% y un cambio drástico a modelos abiertos autoalojados en un 16%. La pluralidad híbrida es el mismo instinto visible en toda esta encuesta —mantener la opcionalidad, evitar quedar atrapado— mientras que el grupo cerrado sigue siendo sincero en que la carga operativa de la autoalojación aún supera el ahorro para ellos. En cuanto a la defección de proveedores, la lealtad por inercia ya no lleva la delantera: Microsoft es ahora el objetivo más nombrado (29%, citando a menudo recortes de Copilot/Azure a favor del acceso directo a modelos), seguido de cerca por el 27% que no está reduciendo a nadie. OpenAI sigue en un 21% (citando la volatilidad de precios), con Anthropic en un 15% y Google en un 6%. Ningún proveedor enfrenta una salida total, pero entre roles identificables el balance ha cambiado de "expansión en todos" hacia recortar activamente al menos a un proveedor. Hallazgo 8: La crisis del gasto agente — la IA en la sombra lidera los fallos. Tuberías no autorizadas, no bucles descontrolados, son el mayor fallo de control. Finalmente, preguntamos cuál es el fallo de control financiero u operativo más severo que las empresas han experimentado a medida que los agentes autónomos operan durante ventanas de ejecución más largas. La IA en la sombra ocupa el primer lugar —y muy pocos han escapado de un susto. La brecha de control tiene un precio, y se está pagando. Poco menos de la mitad de las empresas (49%) citan la IA en la sombra —tuberías de agentes no autorizados creadas con tarjetas corporativas fuera de cualquier supervisión central— como su fallo más severo, el gemelo operativo de la barrera de "sin propietario único" en el Hallazgo 5. Otro 25% ha sido afectado por una factura de un agente de bucle infinito descontrolado, y el 6% por un agente que degradó bases de datos de producción. Solo el 21% reporta estabilidad cautelosa —la minoría que ha impuesto restricciones rígidas de token y límites de presupuesto a nivel de infraestructura y ha evitado sorpresas. En otras palabras, aproximadamente cuatro de cada cinco de estas empresas (79%) han experimentado ya un fallo de control financiero u operativo real por parte de la IA autónoma, no simplemente preocupados por uno. Al igual que con la detección en el Hallazgo 4, los controles deterministas que evitarían estos fallos existen solo en una fracción de las organizaciones. La conclusión es: una brecha de control que el gasto no puede cerrar por sí solo. Las organizaciones con 100 o más empleados describen programas de IA que están expandiéndose rápidamente y gobernando lentamente. Poco menos de tres quintas partes están sumando a sus portafolios; más de cuatro de cada cinco operan en un campo disputado de plataformas sin una capa primaria acordada; y la cosa que más a menudo nombran como su principal obstáculo es un único propietario responsable. La visibilidad para igualar la ambición es en gran parte manual —solo el 10% tiene monitoreo y alertas activas, y la confianza en detectar un modelo fallido se basa principalmente en revisiones humanas en lugar de automatización. Las consecuencias ya son concretas en lugar de hipotéticas. El fine-tuning personalizado ha decepcionado más a menudo de lo que ha tenido éxito, empujando a las empresas hacia una postura híbrida, de hedging, de comprar y mezclar; y los agentes autónomos que ahora están alcanzando la producción han producido verdaderos fallos de control para aproximadamente cuatro de cada cinco encuestados, liderados por la IA en la sombra funcionando fuera de cualquier supervisión central. Esto se lee como una señal direccional en lugar de una medición precisa, pero la dirección es consistente en todas las preguntas: la ambición, el gasto y el despliegue están acelerando por delante de la propiedad, la observabilidad y el control de costos. La brecha de control no es un problema de herramientas que más gasto cerrará por sí solo; es, primero, una cuestión de quién posee la respuesta. Basado en las respuestas de la encuesta de 145 encuestados empresariales calificados (100+ empleados). El tamaño de la muestra es pequeño; los datos deben tratarse como direccionales. Los encuestados incluyen Directores, VPs, CIOs, CTOs y Arquitectos Empresariales en Tecnología, Servicios Financieros, Retail, Salud y otros sectores.