VentureBeat Intelligence cruzó tres encuestas mensuales entre julio y septiembre y encontró que el 79% de 218 empresas con IA en producción tiene sus GPU ocupadas la mitad del tiempo o menos. La cifra se mantiene estable mes a mes, entre el 77% y el 81%.
Lo llamativo no es la ociosidad. Es que el 70% de esas mismas empresas planea comprar, ampliar o cambiar de plataforma de cómputo en los próximos doce meses. Solo el 10% de quienes respondieron en septiembre tiene un retorno de inversión revisado por el departamento financiero.
Para Marta, que defiende cada euro de inversión en IA ante dirección, el dato tiene un matiz que el titular no recoge: las empresas con infraestructura propia o alojada en colocation tienen menos ociosidad (56%) que el resto (83%). El problema no parece ser falta de capacidad, sino falta de control sobre lo que se contrata.
El patrón se repite en procesos muy distintos del de comprar GPU. Cuando nadie mide el coste por tarea completada, es fácil seguir ampliando presupuesto por inercia -el proveedor insiste, el competidor lo hace, la demo convence- sin preguntar cuánto trabajo real justifica esa capacidad.
VentureBeat propone medir el gasto por tarea resuelta, no por token o por GPU contratada; reducir el contexto que se envía al modelo en cada llamada; aprovechar el caché, que en sesiones reales puede evitar reprocesar entre el 85% y el 97% de las peticiones repetidas; y mover el trabajo rutinario a modelos abiertos más baratos cuando no haga falta un modelo de frontera.
Qué hacer ahora: antes de aprobar la próxima ampliación de presupuesto de IA, pide la cifra de uso real de lo que ya está contratado. Si nadie en el equipo puede darla, la prioridad no es comprar más, es medir lo que ya se paga.