La gran foto del informe de Wharton–GBK es clara: la IA generativa ha dejado de ser el “gadget de moda” del CIO para convertirse en una capa transversal de productividad, inversión y gobierno en la empresa, con ROI ya visible y un cuello de botella cada vez menos tecnológico y cada vez más humano.

Para el cloud y el edge, esto significa que entramos en una fase de normalización: menos pilotos vistosos, más arquitecturas serias, más presión por integrar y orquestar modelos, datos y agentes cerca de donde se produce el trabajo y el dato.

La IA deja de ser experimento: impacto directo en la infraestructura

Tres años después de ChatGPT, el 82% de los decisores usa IA generativa al menos una vez por semana y el 46% lo hace a diario, con especial intensidad en IT y Compras, mientras que Marketing/Ventas y Operaciones siguen algo por detrás.

Las cargas principales son muy “de oficina”: análisis de datos (73%), resúmenes de documentos/reuniones (70%) y edición/redacción (68%), todas ellas además percibidas como las de mejor rendimiento. Esto consolida un patrón de demanda hacia plataformas cloud capaces de absorber millones de interacciones ligeras, bien integradas con suites de productividad, y hacia un edge más orientado a procesar datos locales y resumir contexto antes de subirlo al modelo.​

«72% de las empresas ya mide formalmente el ROI de la IA generativa»

Del hype al ROI medido: el presupuesto se vuelve selectivo

El informe muestra un giro nítido de la métrica de “uso” a la métrica de “retorno”: un 72% de las empresas ya mide formalmente el ROI de la IA generativa y tres de cada cuatro declaran retornos positivos, sobre todo en eficiencia y productividad.

Aun así, los grandes (Tier 1) reportan más “demasiado pronto para decirlo” por la complejidad de integrar IA en sistemas heredados, mientras que los Tier 2 y 3 ven beneficios antes, lo que favorece arquitecturas cloud más modulares y APIs de IA desacopladas de los monolitos tradicionales.

Esto presiona a los proveedores a ofrecer stacks (AI in a box) de IA “ROI-ready”: observabilidad, medición de productividad, FinOps de inferencia y opciones de despliegue híbrido para ajustar coste y latencia caso a caso.

«muchas organizaciones están construyendo capacidades propias [de IA Generativa]»

Cloud como estándar, edge como acelerador

En la capa de plataforma, los chatbots más usados (ChatGPT, Copilot, Gemini) se alinean con los hyperscalers principales, y la enorme mayoría de suscripciones las paga el empleador, no el usuario. Además, cerca de un tercio del presupuesto tecnológico de IA en IT se destina ya a I+D interna, señal inequívoca de que muchas organizaciones están construyendo capacidades propias, no solo consumiendo servicios genéricos.

Para el mercado cloud/edge, esto se traduce en demanda de runtimes flexibles (modelos fundacionales de terceros, modelos propios y open source) y en la necesidad de acercar modelos y agentes allí donde residen los datos sensibles: on‑prem, en micro‑DCs de proximidad o en dispositivos industriales.

Agentes de IA: el nuevo “cliente” de la infraestructura

Un dato relevante es que un 58% de los líderes afirma que su organización ya está usando agentes de IA , sobre todo para automatizar procesos, coordinar workflows, hacer analítica y reforzar la atención al cliente. Aunque hoy siguen muy supervisados, estos agentes empiezan a orquestar tareas de DevOps (monitorización, remediación automática), finanzas operativas (matching de facturas, fraude) y contratos, lo que exige infraestructuras capaces de ejecutar flujos persistentes, event‑driven y con acceso seguro a múltiples sistemas.

En términos de arquitectura, esto empuja hacia plataformas de eventos, colas y funciones serverless en cloud combinadas con agentes desplegados en el edge para reaccionar en tiempo casi real sobre redes, plantas de producción o tiendas físicas.

Seguridad, riesgo y datos: el argumento fuerte del edge

Las principales barreras no son ya el coste de la tecnología, sino los riesgos de seguridad, la complejidad operacional y la inexactitud de los resultados, con la privacidad de datos de cliente y el cumplimiento regulatorio subiendo posiciones.

Un 64% de las empresas declara políticas de seguridad de datos específicas para IA, un 61% programas de formación y un 62% usa IA para gestionar riesgos, sobre todo en ciberseguridad y riesgo financiero. Para cloud y edge, esto refuerza el caso de arquitecturas donde los datos sensibles no salen del perímetro: inferencia local, anonimización en el edge, controles de acceso y registro de decisiones de agentes que luego se sincronizan con el cloud para auditoría y mejora de modelos.

El cuello de botella humano y su reflejo en la arquitectura

Aunque el 89% de los decisores ve la IA como palanca de mejora de habilidades, un 43% teme pérdida de competencia en la plantilla, y las dificultades para encontrar talento avanzado (49%) y ofrecer formación eficaz (46%) aparecen como frenos clave. Al mismo tiempo, crece el rol del CAIO (presente ya en el 60% de las empresas) y el liderazgo ejecutivo en IA, mientras los presupuestos de formación se estancan y gana peso la opción de contratar perfiles nuevos.

Esto permite que las plataformas cloud y soluciones edge ofrezcan supervisión automática: herramientas que incorporan de serie guardrails, plantillas de casos de uso, flujos guiados y capacidades de gobierno, reduciendo la dependencia de grandes equipos internos para poner en producción casos de uso robustos.

Presupuesto al alza, pero con tijera en el legacy

De cara a los próximos 12 meses, un 88% de los líderes espera aumentar el presupuesto de IA, y un 87% prevé incrementos moderados o significativos a 2–5 años, con TI, Producto/Ingeniería y Finanzas a la cabeza. Una parte creciente de estos fondos ya no es “dinero nuevo”: algunos ejecutivos empiezan a financiar IA recortando en TI legacy, servicios externos y programas de workforce tradicionales, consolidando IA como capítulo estructural de OPEX y CAPEX tecnológico.

Para el ecosistema cloud/edge, esto augura un ciclo de sustitución: menos gasto en sistemas cerrados, más en plataformas de datos modernas, hardware optimizado para inferencia en el edge y servicios gestionados de IA que integren cómputo, datos, seguridad y gobierno en una misma propuesta.