En la revisión de presupuesto de 2027, la pregunta sobre la IA del equipo de desarrollo ya no será si se usa. Será qué ha comprado ese dinero.
Esta pieza defiende una tesis que incomoda a quien lleva un año contando licencias: con la IA en el 17 % del presupuesto de TI, el porcentaje de adopción ya no es un argumento. Cada equipo de desarrollo necesita una tesis de valor propia (ahorro, crecimiento o una apuesta por etapas) y la evidencia que le corresponde. Qué medir va después de qué se quiere demostrar.
El dato: del 5 % al 17 %
El 2 de octubre de 2026, BCG publicó un análisis sobre cómo la IA está cambiando la economía de la tecnología en las empresas. Su dato central sale de la encuesta Applied AI 2026: la parte de la IA en el presupuesto de TI se ha más que triplicado, del 5 % al 17 %. Y no es todo el gasto: BCG estima que las empresas dedican de media un 3,3 % de sus ingresos a la TI corporativa y otro 2,8 % a iniciativas de IA financiadas fuera de ese presupuesto.
La página no publica el tamaño de la muestra, así que conviene leer la cifra como orden de magnitud. Aun así, el cambio de escala es lo que importa: una partida del 5 % se puede tratar como un experimento; una del 17 % entra en la conversación con el CFO, y esa conversación se hace con argumentos de negocio.
Por qué el porcentaje de adopción ya no sirve
«Casi todo el equipo usa un asistente cada día» describe actividad, no resultado. BCG lo dice para toda la empresa: recomienda medir el coste por resultado y no la actividad, y advierte que los CIO no deberían ver la IA como un programa de reducción de costes. Lo que sostiene la inversión es convertirla en productividad que se pueda consolidar, en crecimiento de ingresos o en las dos cosas.
En un equipo de desarrollo hay una razón más. DORA, en su informe de 2025 sobre desarrollo asistido por IA, concluye que el papel principal de la IA es el de amplificador: magnifica las fortalezas y las debilidades que la organización ya tiene. La misma adopción puede acelerar la entrega en un equipo con buenas pruebas y buena revisión, y multiplicar el retrabajo en otro que no las tiene. El porcentaje de uso no distingue entre los dos casos.
Tres tesis, tres tipos de evidencia
La parte más útil del análisis de BCG es una frase: toda inversión en IA a escala necesita una tesis de valor explícita y la evidencia adecuada a su propósito, que puede ser eficiencia consolidada, crecimiento medible o valor estratégico por etapas. Y si no pasa esa prueba de forma repetida, hay que redimensionarla o pararla. Llevado a un equipo de desarrollo, queda así:
| Tesis | Qué promete en un equipo de desarrollo | Evidencia que le corresponde | Señal para redimensionar |
|---|---|---|---|
| Eficiencia consolidada | El mismo trabajo con menos coste, y ese ahorro sale de una partida del presupuesto | Coste por entrega frente a una línea base anterior, con la calidad igual o mejor | El ahorro no aparece en ninguna partida |
| Crecimiento medible | Más producto en producción: funcionalidades, clientes atendidos, menos tiempo hasta producción | Entregas que llegan a producción y su efecto en el negocio, frente a su línea base | Más código y la misma entrega |
| Valor estratégico por etapas | Una capacidad que hoy no existe, como mantener un sistema heredado que nadie del equipo entiende | Hitos con fecha y un criterio para pasar al siguiente | Los hitos se mueven sin que nadie lo decida |
Elaboración de onext a partir de las tres categorías de BCG (2026); los ejemplos son ilustrativos
Una tesis de valor no es un objetivo de adopción. Es una frase que se puede demostrar falsa, con una fecha: «este equipo entregará lo mismo con menos coste antes de junio» o «en el segundo trimestre sabremos si podemos mantener este sistema sin su autor original».
La tercera fila no es la más cómoda, pero suele ser la más honesta. Si nadie del equipo sabe explicar una parte del código, el valor de la IA puede estar en recuperar esa comprensión, como contamos en la deuda de comprensión, y eso no se mide en horas ahorradas.
Lo que dice el dato de KPMG, y lo que no dice
KPMG publicó en septiembre de 2026 su Global AI Pulse del tercer trimestre, con 2.131 directivos de 20 países y territorios y trabajo de campo entre el 23 de julio y el 26 de agosto. Entre las organizaciones que declaran un retorno ya establecido, el 86 % opera una capa formal de gestión de la IA, transversal o en toda la empresa. Entre las que están en fase de experimentación, la proporción es del 31 %.
Riesgo Es una asociación, no una prueba de causa. Puede que gobernar la IA ayude a obtener retorno, y puede que solo las organizaciones que ya ganan dinero con ella se puedan permitir gobernarla. Lo que sí sugiere el dato es que quien demuestra retorno tiene a alguien que decide qué se mide y cuándo se para.
La herramienta amplifica lo que ya hay
Si la IA amplifica, la tesis de un equipo depende de lo que la IA va a amplificar. Una tesis de eficiencia en un equipo sin pruebas automáticas ni revisión acaba ahorrando en escribir y gastando en corregir. Por eso, antes de prometer ahorro, conviene tener la red que detecta los errores, como explicamos en antes del agente, la red. DORA publica además un modelo de siete capacidades que amplifican los beneficios de la IA: es un buen punto de partida para revisar qué tiene el equipo antes de escribir la tesis.
Y si el problema de adopción es de organización y no de herramienta, cambiar de herramienta no lo arregla, como contamos en el gap del 70 %.
Escribir la tesis del equipo en una página
La tesis cabe en una página y se escribe antes de cambiar nada. Este es el orden:
- Elige una sola tesis para el equipo: eficiencia, crecimiento o valor por etapas. Si dices las tres, no has dicho ninguna.
- Escribe la frase que se podría demostrar falsa, con una fecha y con lo que tiene que pasar.
- Fija la línea base antes de tocar la forma de trabajar del equipo. Sin el antes, el después no significa nada.
- Elige las métricas que corresponden a esa tesis y solo esas. Las demás se miran, pero no deciden.
- Acuerda con finanzas qué resultado obliga a redimensionar o parar, y cuándo se revisa.
Para el tercer paso, cómo construir la línea base de un primer caso está en cómo elegir y medir el primer caso de uso. Para el cuarto, la lista de métricas posibles está en los KPIs de un equipo de desarrollo con IA: la tesis decide cuáles de esa lista cuentan. Y por qué contar licencias activas no es medir retorno lo explicamos en el ROI de Copilot y Cursor.
Cómo lo planteamos en onext
Si quieres escribir la tesis de tu equipo con alguien de fuera, el diagnóstico es gratuito, y si en el diagnóstico no vemos diferencia, no hay Quick-start. Y no publicamos cifras de productividad o velocidad que no hayamos medido con una fuente verificable. Cómo es el resto del camino está en AI-Accelerated Development.
Preguntas frecuentes
¿Cuánto pesa la IA en el presupuesto de TI de las empresas?
Según la encuesta Applied AI 2026 de BCG, publicada en octubre de 2026, la parte de la IA en el presupuesto de TI se ha más que triplicado, del 5 % al 17 %. BCG añade que las empresas gastan de media otro 2,8 % de sus ingresos en iniciativas de IA financiadas fuera del presupuesto de TI. La página no publica el tamaño de la muestra, así que conviene leerlo como orden de magnitud.
¿Qué es una tesis de valor de una inversión en IA?
Es lo que la inversión tiene que demostrar, dicho de forma que se pueda comprobar. BCG distingue tres: eficiencia consolidada (el ahorro que ya se ha restado del presupuesto), crecimiento medible y valor estratégico por etapas. Cada una pide un tipo de evidencia distinto, y si la inversión no pasa esa prueba de forma repetida, BCG recomienda redimensionarla o pararla.
¿Por qué no basta con medir la adopción de la IA en el equipo?
Porque el porcentaje de desarrolladores que usan un asistente describe actividad, no resultado. DORA concluye que la IA actúa como amplificador de las fortalezas y las debilidades que la organización ya tiene: la misma adopción puede acelerar la entrega en un equipo y multiplicar el retrabajo en otro.
¿Qué tesis le encaja a un equipo de desarrollo?
Una sola por equipo, y la que corresponda a lo que el negocio espera de él. Eficiencia, si el objetivo es entregar lo mismo con menos coste y ese ahorro va a salir de una partida. Crecimiento, si se espera que llegue más producto a producción. Valor por etapas, si se trata de construir una capacidad que hoy no existe, con hitos y fecha.
¿Tener un gobierno formal de la IA garantiza el retorno?
No. KPMG encuentra que el 86 % de las organizaciones que declaran un retorno ya establecido operan una capa formal de gestión de la IA, frente al 31 % de las que están experimentando. Es una asociación, no una prueba de causa: también puede que solo las que ya ganan dinero con la IA se puedan permitir gobernarla.
¿Cuándo hay que parar una inversión en IA en un equipo de desarrollo?
Cuando no pasa, de forma repetida, la prueba de su propia tesis: el ahorro no aparece en ninguna partida, llega más código pero no más entrega, o los hitos se mueven sin que nadie lo decida. Ese criterio se acuerda con finanzas antes de empezar, no cuando llega la revisión de presupuesto.
Fuentes
- Michael Grebe, Joppe Bijlsma, Djon Kleine y otros, «How AI Is Reshaping the Economics of Technology», BCG, 2 de octubre de 2026 (encuesta Applied AI 2026; tamaño de la muestra no publicado en la página).
- KPMG, «Global AI Pulse Q3 2026», septiembre de 2026 (2.131 directivos de 20 países y territorios; trabajo de campo del 23 de julio al 26 de agosto de 2026).
- DORA, «State of AI-assisted Software Development 2025», 2025 (sin fecha exacta visible; consultado el 19 de octubre de 2026).
- DORA, «DORA AI Capabilities Model», actualizado el 25 de noviembre de 2025.
- Las citas de fuentes en inglés están traducidas por onext. La tabla de tesis, los ejemplos (ilustrativos, sin cliente) y los pasos son elaboración propia de onext.
Bernat López es fundador y CEO de onext, boutique de IA. Acompaña a equipos de desarrollo y de producto a trabajar con IA con método —especificación antes de programar, una persona que decide donde hay riesgo y Spec-Driven Development— y aplica a su propia empresa lo que propone: onext funciona con su propio sistema agéntico.
LinkedIn →