EY planea una nueva unidad para controlar los costos de IA empresarial
EY ha llegado a google news con un plan reportado para crear una unidad especializada que ayude a las empresas a contener el aumento de los costos de inteligencia artificial. La iniciativa encierra una contradicción clara. Las compañías quieren sistemas de IA más autónomos, pese a carecer de métodos fiables para medir qué consume cada tarea completada.
Bloomberg informó sobre la unidad prevista el 11 de agosto de 2026. Los detalles públicos sobre su nombre, liderazgo, plantilla y calendario de lanzamiento siguen siendo limitados. EY no ha publicado un anuncio detallado que confirme de forma independiente todos los elementos del informe.
Sin embargo, la dirección coincide con un marco que EY publicó en julio. Ese marco sostiene que las empresas necesitan un único responsable de los gastos de los agentes, junto con límites que frenen los flujos de trabajo descontrolados.
Esto es más que otro servicio de consultoría envuelto en una tecnología popular. EY cuestiona la suposición de que la caída de los precios de los modelos convierte automáticamente a la IA empresarial en algo asequible.
Su principal adversario es la propiedad fragmentada. Los equipos de ingeniería supervisan los tokens, los equipos de nube gestionan la infraestructura, los responsables de riesgos siguen los controles y los líderes de negocio aprueban proyectos. No necesariamente nadie ve la factura completa ni la compara con un resultado concluido.
Los competidores ya reconocen la oportunidad. Harness y Flexera lanzaron productos durante 2026 que conectan el consumo de IA con los costos de nube, las unidades de negocio, los agentes y los resultados. EY aborda el mismo problema a través de la gobernanza, las decisiones de inversión y el diseño operativo.
El resultado es una disputa entre la adopción de IA medida por actividad y la inversión en IA medida por valor. Más usuarios, prompts, agentes y tokens pueden demostrar adopción. No pueden establecer que un sistema mejore los ingresos, la calidad, la velocidad o el riesgo.
Lo que realmente cambia el informe de EY en Google News
Según los informes, EY está convirtiendo el control de costos de IA de un trabajo ocasional de consultoría en un área diferenciada de responsabilidad organizativa.
El titular de google news identifica a EY como lanzando una unidad para mantener bajo control los gastos de inteligencia artificial. El informe subyacente de Bloomberg proporciona el detonante del acontecimiento, pero el registro público aún carece de un plan operativo completo.
Esa brecha importa. Una unidad especializada puede describir varias estructuras diferentes. Podría ser un equipo interno, una práctica de asesoramiento para clientes o un servicio más amplio que combine especialistas en finanzas, tecnología y riesgos.
Hasta que EY publique esos detalles, los lectores deberían considerar la estructura precisa como reportada, no como plenamente documentada. La estrategia subyacente es más fácil de verificar a través del trabajo reciente de EY sobre la economía de los agentes.
El documento de EY de julio, agentic value, recomienda nombrar a un Head of Agent Economics o a un Agent FinOps Lead. FinOps es una disciplina de gestión que conecta el gasto tecnológico con las decisiones de ingeniería y el valor de negocio.
Ese ejecutivo propuesto supervisaría el uso de modelos, las fugas de costos y la materialización de valor a través de varios presupuestos. EY también recomienda topes de gasto, límites de volumen de llamadas y apagados automáticos en los niveles de agente, flujo de trabajo y unidad de negocio.
Esos controles responden a un cambio arquitectónico específico. Un chatbot convencional suele recibir una solicitud y devolver una respuesta. Un agente de IA puede planificar, recuperar documentos, llamar a software, consultar subagentes, reintentar pasos fallidos y perfeccionar su resultado.
Cada acción adicional consume recursos. La respuesta final puede parecer sencilla incluso cuando el recorrido que la sustenta contiene muchas llamadas a modelos y operaciones con herramientas.
EY afirma que el costo total va más allá de los tokens y las llamadas a interfaces de programación de aplicaciones. También incluye suscripciones de software, infraestructura de plataforma, gobernanza, cambio organizativo, recuperación de fallos y posibles obligaciones regulatorias.
Esta definición más amplia crea el propósito estratégico de la unidad reportada. Ofrece a EY un marco para examinar gastos repartidos entre finanzas, tecnología, asuntos legales, recursos humanos y unidades de negocio individuales.
La iniciativa también conecta con la expansión más amplia de EY en IA. EY y Microsoft anunciaron en mayo una iniciativa conjunta diseñada para llevar los proyectos de clientes de pilotos a implementaciones mayores. Las compañías señalaron que su enfoque inicial incluía finanzas, impuestos, recursos humanos y cadenas de suministro.
La escalabilidad crea la necesidad de disciplina de costos. Un pequeño piloto puede tolerar supervisión manual y contabilidad poco clara. Un sistema de producción que atiende a miles de empleados o clientes no puede depender de las mismas suposiciones.
Por tanto, la unidad reportada de EY marca una transición de la experimentación con IA hacia la responsabilidad operativa. El cambio importante no es otro panel de control. Es el intento de hacer responsable a alguien de la economía del software autónomo.
Por qué la IA agéntica dificulta más el control de costos
El problema central de costos procede de un comportamiento variable, no simplemente de modelos caros.
El software empresarial tradicional suele utilizar licencias, puestos o contratos de capacidad. Estos acuerdos son imperfectos, pero los equipos financieros normalmente pueden preverlos con variables conocidas.
Los sistemas agénticos se comportan de otro modo. Su consumo depende de la tarea, el modelo seleccionado, el tamaño del contexto, el número de herramientas, el comportamiento de reintento y las condiciones de detención. Dos solicitudes aparentemente similares pueden generar rutas de ejecución distintas.
Esta variabilidad debilita las estimaciones presupuestarias construidas alrededor de una llamada promedio al modelo. La factura del modelo captura el consumo visible, pero la orquestación y el soporte operativo pueden aparecer en otros lugares.
El marco de EY divide el costo total de un agente en siete categorías. Las categorías visibles incluyen tokens, suscripciones e infraestructura. Las menos visibles incluyen gobernanza, cambios en la fuerza laboral, fallos y posibles costos regulatorios.
Las categorías suelen pertenecer a distintos ejecutivos. Un líder tecnológico puede ver el uso de modelos, mientras un equipo de riesgos financia evaluaciones y controles. Recursos humanos puede pagar la formación, y operaciones puede asumir el trabajo de corrección.
Esa fragmentación hace que un agente aparentemente eficiente parezca más barato de lo que es. También vuelve poco fiables las comparaciones con el trabajo humano cuando la organización excluye los gastos de supervisión y recuperación.
El costo por token no puede resolver este problema contable. Los tokens miden fragmentos de texto procesados por un modelo, pero no muestran si el agente completó una tarea útil.
Un agente que usa menos tokens puede seguir fallando con más frecuencia. Otro agente puede consumir más recursos, pero resolver un caso valioso sin escalamiento. La empresa necesita tanto datos de consumo técnico como datos de resultados.
Harness concretó ese argumento cuando lanzó capacidades de cost per outcome en mayo. Su sistema atribuye el gasto a agentes, sesiones, ejecuciones, pasos y resultados de negocio.
El producto puede identificar una conversación que se vuelve costosa porque un agente entra repetidamente en una cadena de herramientas innecesaria. Eso convierte una anomalía financiera en un problema de software que los ingenieros pueden investigar.
Flexera adoptó un enfoque de infraestructura más amplio. Su lanzamiento de junio de AI cost management conecta el consumo entre aplicaciones, agentes, modelos, plataformas de datos y cómputo.
Estos lanzamientos muestran que la gestión de costos de IA se está convirtiendo en una categoría de producto, no solo en un tema de consultoría. También ponen de relieve el desafío para EY.
Las plataformas de software pueden recopilar telemetría de forma continua. La telemetría es información operativa que muestra cómo se comporta un sistema durante la ejecución. EY debe demostrar por qué el diseño organizativo añade valor más allá de esos paneles.
La respuesta más sólida es que la medición por sí sola no crea responsabilidad. Un panel puede mostrar que un agente consumió más recursos, pero no puede decidir si el resultado los justificaba.
Esa decisión requiere un responsable de negocio, una métrica de valor acordada y autoridad para reducir o detener el uso. También exige registros claros de la información que un agente recuperó y las acciones que intentó realizar.
Los equipos que operan flujos de trabajo de IA necesitan material de origen trazable. Una base de conocimiento con capacidad de búsqueda puede ayudar a los ingenieros a investigar qué contexto influyó en una ejecución costosa o fallida.
La oportunidad de EY se sitúa entre las capas financiera y técnica. Si la unidad reportada tiene éxito, conectará los controles de consumo con la asignación de capital, la tolerancia al riesgo y los resultados operativos.
El verdadero adversario es la propiedad fragmentada
EY apuesta a que el gasto descontrolado en IA es principalmente un fallo de propiedad.
Las empresas rara vez adquieren inteligencia artificial a través de un único canal claro. Los empleados usan asistentes incluidos en paquetes, los equipos compran acceso directo a modelos y los desarrolladores consumen servicios gestionados a través de proveedores de nube.
Los agentes también pueden llamar a búsquedas externas, bases de datos, herramientas de programación y aplicaciones empresariales. Cada dependencia puede tener registros de uso y responsables presupuestarios independientes.
Finanzas ve las facturas después de que ocurre el consumo. Ingeniería ve rastros técnicos sin un contexto empresarial completo. Los equipos de seguridad y asuntos legales pueden intervenir solo cuando un sistema maneja datos sensibles o provoca un incidente.
Esta disposición funcionó mal durante la adopción temprana de la nube. Los equipos podían aprovisionar recursos rápidamente, mientras que los controles de gasto y las prácticas de asignación llegaban después.
FinOps surgió para conectar a los equipos de finanzas, ingeniería y producto en torno a datos de consumo compartidos. La IA amplía ahora ese desafío porque sus cargas de trabajo son menos predecibles y están más estrechamente vinculadas al comportamiento de los usuarios.
El Head of Agent Economics propuesto por EY concentra la responsabilidad bajo un solo ejecutivo. Esa persona no sustituiría a los líderes de ingeniería, finanzas o riesgos. El puesto daría a sus decisiones separadas un marco económico común.
El modelo propuesto depende de la economía unitaria. La economía unitaria mide el costo y el valor asociados a una unidad útil, como un caso resuelto o un flujo de trabajo completado.
Elegir esa unidad es difícil. Un agente interno de investigación podría ahorrar tiempo a los empleados, mejorar la calidad de las decisiones o reducir la información omitida. Esos beneficios no encajan fácilmente en una sola medida financiera.
El servicio al cliente ofrece un ejemplo más claro. Una empresa puede comparar el costo total del agente con las consultas resueltas, las tasas de escalamiento, la satisfacción del cliente y el trabajo de corrección.
El desarrollo de software es más difícil. Un agente puede generar código rápidamente mientras crea obligaciones de revisión, seguridad o mantenimiento que surgen más tarde.
Aquí es donde un responsable centralizado puede resultar útil. El responsable puede exigir que cada agente tenga una métrica de resultados antes de su implementación y una regla de detención tras el lanzamiento.
Una regla de detención define cuándo el sistema debe pausarse porque el gasto, los errores o el volumen de llamadas superan un límite aprobado. Evita que un bucle autónomo continúe hasta que alguien advierta una factura mayor.
Sin embargo, la centralización también tiene sus propios riesgos. Un nuevo título ejecutivo puede crear otra capa de aprobación sin mejorar la visibilidad técnica. También puede desplazar la atención hacia costos fáciles de medir, mientras se infravalora la calidad.
EY debe evitar convertir la economía de los agentes en una oficina de recorte presupuestario. Su propio marco afirma que las organizaciones deben dirigir el gasto hacia un valor medible, no limitarse a minimizar el consumo.
Esa distinción afecta a la selección del modelo. Un modelo menos capaz puede reducir el consumo de inferencia mientras aumenta los fallos, los reintentos y las revisiones humanas. La llamada más barata al modelo puede generar una tarea completada más costosa.
La misma tensión se aplica a la recuperación de información. Un contexto más corto puede reducir el procesamiento, pero la ausencia de evidencia puede debilitar una respuesta. Un contexto más largo puede mejorar la cobertura a la vez que eleva el consumo y la latencia.
Por tanto, la gestión de costes de los agentes necesita más que límites. Necesita sistemas de evaluación que midan el éxito, el fracaso y las consecuencias de la intervención.
La propiedad fragmentada sigue siendo el principal obstáculo porque cada optimización crea concesiones en otros ámbitos. Una única función responsable puede visibilizar esas concesiones antes de que los equipos trasladen costes entre presupuestos.
Lo que la propuesta de control de costes no demuestra
Una nueva unidad no puede garantizar ahorros, una atribución precisa ni mejores resultados de IA.
El titular de Bloomberg ha llevado el plan atribuido a EY a google news, pero la evidencia pública deja varias cuestiones sin resolver. EY no ha revelado la cartera de clientes de la unidad, sus objetivos de rendimiento ni su autoridad de gobernanza.
Tampoco está claro si el grupo desplegará software propio, integrará plataformas de terceros o se centrará en servicios de asesoría. Estas decisiones determinan si EY puede observar los flujos de trabajo con la suficiente profundidad como para controlarlos.
Los datos de facturación por sí solos ofrecen una visión incompleta. Una atribución eficaz requiere identificadores que conecten las llamadas al modelo con usuarios, agentes, sesiones, herramientas, productos y resultados completados.
Las organizaciones no siempre recopilan esos identificadores de forma consistente. Las aplicaciones antiguas pueden agrupar solicitudes, mientras que los proveedores externos pueden exponer distintos formatos de facturación y telemetría.
La medición de resultados introduce otro problema. Los equipos podrían optimizar la métrica que recibe atención ejecutiva, incluso cuando solo representa una parte del valor del sistema.
Un agente evaluado según los tickets completados podría cerrar casos con demasiada agresividad. Un asistente de programación medido por la producción generada podría fomentar cambios innecesarios. Una herramienta de investigación juzgada por la rapidez podría omitir evidencia importante.
La unidad atribuida también entra en un mercado con proveedores consolidados de gestión de costes. Harness ya combina asignación de costes de nube e IA, gobernanza, detección de anomalías y datos detallados de flujos de trabajo.
Flexera afirma que su plataforma abarca modelos, aplicaciones, datos y computación. Los proveedores de nube y las pasarelas de modelos también pueden añadir controles nativos que reduzcan la necesidad de una capa de asesoría independiente.
La ventaja de EY es su acceso a responsables de finanzas, operaciones, riesgos y decisiones ejecutivas. Su debilidad es que las recomendaciones de consultoría pueden desvincularse del comportamiento técnico en tiempo real.
La firma debe demostrar que su marco modifica los despliegues después de que termine un informe o taller. La evidencia útil incluiría menos bucles sin control, una atribución de resultados más sólida y una finalización más rápida de proyectos débiles.
El propio análisis de EY cita una previsión de Gartner según la cual más del 40 por ciento de los proyectos de IA agéntica serán cancelados antes de finales de 2027. Gartner atribuye las cancelaciones esperadas al aumento de los costes, a un valor poco claro o a controles de riesgo inadecuados.
La previsión de cancelación de agentes respalda la urgencia de EY. No demuestra que una unidad económica centralizada evite esos fracasos.
Las empresas también pueden confundir la cancelación con el fracaso. Detener un agente débil antes de un despliegue más amplio puede representar una gobernanza exitosa y una inversión disciplinada.
Otra incertidumbre afecta a los precios de los proveedores. Los costes de los modelos pueden bajar mientras el consumo total de los flujos de trabajo aumenta porque los agentes realizan más pasos y llegan a más usuarios.
Las empresas pueden responder dirigiendo las tareas más simples a modelos más pequeños. Esto puede mejorar la economía, siempre que las evaluaciones confirmen que la calidad sigue siendo aceptable.
La supervisión humana debe permanecer en el modelo de costes. Un agente que parece barato antes de la revisión puede volverse costoso cuando los especialistas verifican los resultados y corrigen errores.
Los costes de riesgo son aún más difíciles de prever. La mayoría de los días pueden transcurrir sin incidentes, mientras que un único fallo de privacidad, seguridad o cumplimiento crea un extenso trabajo de remediación.
La propuesta de EY es creíble porque estos costes están dispersos. Su eficacia sigue sin verificarse porque la empresa aún no ha publicado resultados medibles de la unidad atribuida.
Lo que los lectores de Google News deberían vigilar a continuación
Tres señales mostrarán si EY ha creado un modelo operativo real u otra etiqueta de asesoría.
La primera señal es un anuncio detallado de EY. Debería identificar al líder de la unidad, su alcance, personal, capacidades técnicas y relación con las prácticas existentes de EY.
Un marco público también debería explicar si la unidad presta servicios internos a EY, asesora a clientes o hace ambas cosas. Esa distinción afecta a la evidencia que los lectores deberían esperar.
El uso interno daría a EY la oportunidad de probar controles en sus propios sistemas de IA. El trabajo con clientes requeriría métodos repetibles que funcionen en distintas nubes, modelos y procesos empresariales.
Una autoridad clara reforzaría el argumento. Una unidad que puede recomendar límites de gasto tiene menos influencia que otra que puede hacer cumplir umbrales o exigir métricas de resultados.
El silencio o una marca vaga debilitarían la interpretación del informe de Bloomberg. Sugerirían que el concepto está menos avanzado de lo que implica el titular de google news.
La segunda señal es la evidencia a nivel de flujo de trabajo. EY debería mostrar cómo un cliente conecta el consumo total con un resultado empresarial completado.
Los ejemplos útiles incluirían atención al cliente, desarrollo de software, finanzas o trabajo de cadena de suministro. Cada ejemplo debería incluir uso técnico, supervisión humana, fallos y la medida de valor elegida.
Los lectores deberían buscar comparaciones de antes y después de introducir los controles. Los resultados más creíbles revelarán si un menor gasto cambió la calidad, la latencia o las tasas de escalamiento.
Las afirmaciones sobre ahorros porcentuales merecen cautela sin una línea de base definida. Un sistema puede reducir el consumo de modelos mientras desplaza trabajo a empleados u otro software.
La evidencia de un menor coste total por resultado exitoso reforzaría la tesis de EY. Las reducciones de tokens sin datos de resultados la debilitarían.
La tercera señal es la respuesta competitiva. Harness, Flexera, los proveedores de nube, las pasarelas de modelos y los proveedores de observabilidad están desarrollando capacidades superpuestas.
Las alianzas podrían ayudar a EY a obtener telemetría detallada sin construir por sí misma cada componente técnico. También podrían revelar que el diferenciador de la firma reside en la gobernanza y el diseño operativo.
La competencia podría presionar a EY para explicar dónde termina la consultoría y dónde empieza el software. Los compradores necesitan saber quién posee los datos, configura los controles y responde cuando un agente supera un límite.
El mercado en general también pondrá a prueba si el responsable de Economía de Agentes se convierte en un cargo duradero. Los nombramientos generalizados validarían el argumento de EY de que la IA necesita una titularidad financiera diferenciada.
Un resultado más débil sería que los responsables actuales de FinOps, finanzas o tecnología absorban las responsabilidades. Eso no eliminaría el problema, pero reduciría la necesidad de una nueva categoría organizativa.
Para los desarrolladores, la lección inmediata es sencilla. Instrumenten los agentes antes de escalarlos, registren las llamadas a herramientas y los reintentos, y conecten cada ejecución con un resultado.
Los compradores empresariales deberían exigir más que paneles de uso. Necesitan reglas de asignación, controles de detención, datos de evaluación y una propiedad clara de los fallos.
Los trabajadores del conocimiento deberían esperar que las organizaciones examinen con rigor qué tareas de IA generan valor medible. Una alta actividad por sí sola se convertirá en una justificación más débil para mantener el gasto.
La aparición de EY en google news refleja un cambio más amplio en la IA empresarial. La adopción ya no es la única métrica destacada. Las empresas necesitan cada vez más explicar qué producen sus agentes, cuánto cuestan los fallos y quién puede detenerlos.
La unidad atribuida merece atención porque sitúa esa responsabilidad cerca del centro de la estrategia de IA. Aún no merece una vuelta de honor.
Esté atento a la estructura formal de EY, a la evidencia a nivel de flujo de trabajo y a las alianzas competitivas durante los próximos tres meses. Esas señales mostrarán si la economía de los agentes se convierte en una disciplina operativa o sigue siendo un nombre atractivo.
Si su organización ya opera agentes de IA, formule una pregunta directa: ¿quién puede indicar el coste total de una tarea exitosa y defender el cálculo? Si nadie puede hacerlo, el problema de control ya ha llegado.
