IA en 2026: del entusiasmo al ajuste de cuentas

La inteligencia artificial cierra 2025 en un punto incómodo: entre avances espectaculares y un escepticismo creciente. A los casos de uso exitosos se superponen proyectos fallidos de IA generativa, dudas sobre una posible burbuja tecnológica, preocupación por el costo energético de los centros de datos y preguntas incómodas sobre el retorno real de inversión. En este contexto, un grupo de líderes en datos e IA de SAS sostiene que 2026 será un año de “prueba de realidad”, en el que proveedores y usuarios empresariales tendrán que demostrar resultados y asumir, por fin, la responsabilidad ética y económica de sus despliegues de IA.

Como resume Héctor Cobbo, vicepresidente regional de SAS para México, Caribe y Centroamérica, el futuro “dista mucho de ser sombrío”, pero el camino pasa por integrar principios sólidos de gestión de datos y una IA confiable que genere beneficios para las personas, fortalezca a las organizaciones y fomente la innovación.

Del “todo se financia” al “muéstrame el ROI”

La primera gran tensión que anticipan los expertos de SAS es financiera. Tras una fase en la que la etiqueta “innovación en IA” alcanzaba para justificar casi cualquier presupuesto, se avecina un reacomodo del gasto.

Manisha Khanna, responsable de producto en IA e IA generativa, prevé que, después de miles de millones invertidos en aplicaciones superficiales de ChatGPT y proyectos sin futuro, los directores financieros exigirán retornos tangibles. Muchas iniciativas de IA generativa no podrán ofrecerlos en los plazos que el negocio reclama.

En este escenario:

• la conversación girará hacia coste por consulta, tasas de precisión y contribución clara a ingresos, ahorros o productividad;
• los proyectos que no muestren resultados en seis a doce meses serán suspendidos o verán cambiar de proveedor;
• las inversiones se redirigirán hacia fundamentos: orquestación de datos, modelos robustos, gobernanza explicable.

Stu Bradley, responsable de fraude e inteligencia de seguridad, lo formula como “el ajuste de cuentas del mercado de la IA”: la innovación sin control se topará con la exigencia de responsabilidad, y solo sobrevivirá la que pueda demostrar impacto medible y rigor operativo.

Centros de datos, energía y arquitecturas soberanas

Otro foco de presión estará en la infraestructura. Jared Peterson anticipa “el ocaso” de ciertos modelos de centros de datos: grandes inversiones que no se sostendrán cuando los costos acumulados superen las expectativas de ingresos.

En paralelo, Franklin Manchester alerta sobre el factor energético: los centros de datos en Estados Unidos podrían necesitar 29 gigavatios adicionales de energía para 2027; un solo centro de cinco gigavatios, operando al 90 % de su capacidad, consumiría lo equivalente a 3.65 millones de hogares al año. Si no se amplía la capacidad energética —o no se acelera la incorporación de fuentes renovables—, el liderazgo de un país o región en innovación en IA podría verse comprometido.

Esta presión técnica y geopolítica se acompaña de un giro arquitectónico. Según Marinela Profi, las empresas globales exigirán un control mucho mayor sobre sus datos, modelos e infraestructura. En industrias reguladas, se impondrán enfoques como:

• arquitecturas híbridas de IA (combinando nube pública, nubes privadas y on-premise),
• esquemas de “trae tu propio modelo” (bring your own model),
• y “IA soberana”: modelos fundacionales ejecutados bajo marcos de gobernanza y cumplimiento propios, alineados con requisitos locales.

La nube se mantiene, pero el control se desplaza: del proveedor al cliente.

La IA agéntica entra a la oficina

Una de las predicciones más transformadoras apunta a la llamada IA agéntica. No se trata ya de modelos aislados que responden a preguntas, sino de agentes que ejecutan tareas, comparten contexto y aprenden junto a las personas dentro de flujos de trabajo completos.

Udo Sglavo anticipa que 2026 acelerará la transición hacia ecosistemas híbridos humano–IA, donde estos agentes se conviertan en “nuevos compañeros de trabajo”. Iain Brown va más allá: las empresas Fortune 500 podrían reportar que los sistemas agénticos resuelven de manera autónoma más de una cuarta parte de las interacciones complejas con clientes, con impacto directo en ingresos.

Este salto trae consigo nuevas figuras organizacionales:

• roles técnicos como el Ingeniero de Confiabilidad de Agentes (Agent SRE);
• puestos ejecutivos específicos, como un posible Chief Agent Officer, responsable de estrategia, desempeño y riesgos de los sistemas agénticos.

La otra cara de la moneda: la primera gran interrupción masiva de servicios de agentes acaparará titulares, recordando a las empresas que el tiempo de inactividad de sistemas autónomos también tiene costo, y elevado.

Para los CIO, el reto será integrador. Jay Upchurch sostiene que en 2026 el CIO se convertirá, de facto, en “director de integración”: un orquestador de ecosistemas de IA agéntica, responsable de gobernanza, integración y liderazgo transversal de la IA en la arquitectura de TI.

Talento, RR. HH. y la decisión de fondo: ¿sustituir o empoderar?

La adopción de IA en 2026 no será solo una cuestión de tecnología, sino de cultura y decisiones de liderazgo. Bryan Harris plantea un dilema nítido: usar la IA para eliminar empleos o para empoderar a las personas y crear ventajas competitivas.

Su posición es clara: las organizaciones que jueguen “para ganar” invertirán en talento durante el cambio, diseñando la IA como un multiplicador de capacidades humanas, no como un reemplazo indiscriminado.

En paralelo, el área de recursos humanos deberá redefinir su campo de acción. Jenn Mann anticipa que, para 2026, los líderes de RR. HH. gestionarán no solo personas, sino también agentes de IA. Eso implica diseñar políticas para:

• incorporación y “entrenamiento” de agentes,
• métricas de desempeño y colaboración entre colegas humanos y digitales,
• mecanismos de supervisión y escalamiento cuando un agente se equivoca o genera resultados inesperados.

El futuro de la gestión laboral, concluye, será híbrido: humano y máquina.

Datos sintéticos, confianza y regulación: nuevas fronteras competitivas

En un entorno de restricciones de privacidad, sesgos en datos históricos y exigencias regulatorias, los datos sintéticos emergen como pieza estratégica. Alyssa Farrell sostiene que no son una solución temporal, sino un arma competitiva: en 2026 se intensificará una “carrera armamentística de datos” donde las empresas competirán tanto por datos reales multimodales como por la verosimilitud de los datos sintéticos que puedan generar.

Los ganadores serán quienes dominen el “realismo sintético” y logren llevar capacidades hoy experimentales a funciones esenciales del negocio, manteniendo calidad, privacidad y cumplimiento normativo.

Todo esto obliga a tomarse en serio la confianza. Reggie Townsend, responsable de ética de datos en SAS, afirma que el debate ya no será “innovación versus confianza”, sino cómo ambas se convierten en una pareja inseparable. Ante regulaciones gubernamentales aún inconsistentes, muchas empresas optarán por autorregularse, implementando sus propios controles para usar la IA de manera responsable.

Las organizaciones que prosperen no serán las que adopten IA primero, sino las que comprendan que la gobernanza no limita la innovación, sino que la acompaña y la hace sostenible.

Qué significa todo esto para los líderes de negocio

Las predicciones de SAS no son una bola de cristal, pero sí un mapa de tensiones que cualquier directivo debería considerar al planear 2026 y más allá. Para la audiencia de Neurona, se traducen en al menos cinco líneas de acción:

1. Replantear la cartera de proyectos de IA desde el ROI y el riesgo.
   No basta con experimentar: hay que priorizar iniciativas con datos sólidos, casos de uso claros y métricas de impacto pactadas de antemano.
2. Revisar la estrategia de infraestructura y energía.
   Entender qué parte de la carga de IA se ejecutará en nube, qué parte en entornos soberanos o híbridos y qué implicaciones energéticas, regulatorias y de costo tiene cada escenario.
3. Preparar a la organización para la IA agéntica.
   Mapear procesos susceptibles de ser apoyados por agentes, diseñar gobernanza y anticipar nuevos roles técnicos y de gestión.
4. Actualizar políticas de talento y RR. HH. para una fuerza laboral híbrida.
   Definir un posicionamiento explícito sobre el uso de IA: en qué casos se utilizará para ampliar capacidades humanas y cómo se acompañará a las personas en la transición.
5. Invertir en datos de calidad y en gobernanza.
   La discusión sobre datos sintéticos, arquitecturas soberanas y ética de la IA apunta a un mismo lugar: sin datos bien gobernados, la mejor tecnología se desploma.

A medida que la euforia por la IA dé paso a la rendición de cuentas, como plantean los expertos de SAS, quedarán dos preguntas abiertas: ¿hasta qué punto llegará el ajuste y cuándo comenzará el renacimiento? Para muchas organizaciones, la respuesta dependerá menos de cuán avanzada sea su IA hoy, y más de cuán preparados estén sus datos, su gobernanza y su cultura para sostenerla mañana.