El Zylo 2025 SaaS Management Index, que sigue el gasto real en software por suscripción de miles de empresas, llegó a un número que resume bien el estado de la adopción de tecnología corporativa: las empresas con más de 10.000 empleados usan, en promedio, 660 aplicaciones diferentes. Las empresas más pequeñas, de hasta 500 empleados, usan 152. Y el mismo informe midió que estas organizaciones desperdician, en promedio, US$21 millones al año en licencias que nadie usa — un 14,2% más que el año anterior.
Ese número ya era alto antes de que la IA generativa se volviera una compra corporativa de rutina. Ahora está por ganar un capítulo nuevo, y más grande. Gartner proyecta que una gran empresa del tamaño de una Fortune 500 tendrá, en promedio, más de 150.000 agentes de IA en uso hacia 2028 — frente a menos de 15 en 2025. No es un crecimiento gradual: es la misma lógica de proliferación de herramientas que ya asfixia los presupuestos de software, aplicada ahora a un tipo de sistema que actúa por sí solo, toma decisiones y necesita permiso para hacerlo.
Frente a cada problema nuevo, la tentación es siempre la misma: comprar otra herramienta. Pero diez suscripciones sueltas no suman una capacidad de IA — suman diez islas, cada una con su propio inicio de sesión, su propia política de acceso y ningún presupuesto en común entre ellas.
En Brasil y América Latina, este patrón suele aparecer área por área: marketing contrata una herramienta, atención al cliente contrata otra, legal prueba una tercera — cada contrato aprobado de forma aislada, sin que nadie sume el total ni se pregunte si alguna de las tres ya resolvería lo que necesitan las otras dos.
El problema no es la herramienta, es la suma de ellas
El informe "2026 State of the Cloud", de Flexera, con más de 750 responsables de decisiones de nube consultados, encontró que el desperdicio en la nube creció un 29% — el primer aumento en cinco años —, impulsado justamente por cargas de trabajo de IA. El mismo relevamiento halló que el 81% de las empresas ya usa IA generativa, frente al 72% del año anterior y el 47% en 2024. La adopción avanza más rápido que la capacidad de administrar lo que ya se adoptó.
El patrón se repite en los tres estudios: crecimiento rápido de herramientas, crecimiento más lento del control sobre ellas. Y cuando el control no acompaña la compra, el costo aparece de dos formas. La primera es directa — una licencia pagada y no usada, como los US$21 millones que midió Zylo. La segunda es indirecta y más cara: cada herramienta nueva exige su propia configuración de acceso, un lugar más para auditar, una superficie adicional donde un error de permisos puede exponer datos sensibles.
Vale notar que el propio crecimiento del 81% en el uso de IA generativa que midió Flexera no vino de un plan centralizado — vino de decenas de decisiones puntuales, cada una tomada por un equipo que intentaba resolver su propio problema en el menor tiempo posible. Es exactamente ese patrón de decisiones descoordinadas el que, sumado, produce la proliferación que miden los tres informes.
Ninguna de estas herramientas, por sí sola, es el problema. El problema es que cada una resuelve una porción pequeña de la necesidad de la empresa y llega sin ninguna conversación con las otras nueve que ya están ahí.
Por qué comprar otra herramienta no resuelve nada
Cada herramienta nueva que se suma a este escenario llega con su propia cuenta, su propio inicio de sesión y su propia trazabilidad — o, en la mayoría de los casos, sin trazabilidad alguna. Nadie en el área legal o de seguridad ve el panorama completo, porque no existe un panorama completo: existen diez paneles separados, cada uno mostrando una porción.
El presupuesto sufre el mismo efecto. Cuando cada equipo contrata su propia herramienta de IA, la empresa paga N veces por la misma capacidad básica — generar texto, resumir un documento, responder una pregunta simple — solo que integrada en N productos distintos, con N contratos, N fechas de renovación y N equipos de soporte a los que recurrir cuando algo falla.
Hay un tercer costo, el más difícil de poner en una planilla: lo que un equipo descubre sobre usar bien la IA no llega a los demás. Si el equipo de ventas encuentra la forma correcta de configurar un agente para calificar leads, esa configuración queda encerrada en la herramienta que solo usa ventas. El equipo de soporte, ante un problema parecido, empieza de cero en otra herramienta, con otro contrato.
Lo que tiene que existir en la práctica
Consolidar en un entorno de IA gobernado resuelve los tres costos a la vez — no eliminando capacidad, sino organizándola.
Identidad única para todas las herramientas conectadas. La persona ingresa una vez, con el usuario de la empresa, y ese mismo acceso cubre los agentes e integraciones que está autorizada a usar — en lugar de una contraseña por suscripción.
Acceso según el rol, no la herramienta entera. Una integración puede tener decenas de funciones; el equipo de soporte recibe las dos que necesita, no la herramienta completa "porque era la única opción disponible".
Presupuesto común, consumo visible por área. En lugar de una suscripción por persona — con una licencia parada mientras alguien está de vacaciones o cambia de función —, créditos de IA compartidos por el equipo, con gasto rastreable por departamento.
Una sola trazabilidad. Un único lugar para responder quién usó qué, cuándo y con qué permiso — en lugar de reconstruir la historia cruzando el historial de diez sistemas distintos.
Reutilización entre equipos. Un agente configurado por ventas puede adaptarse y reutilizarse en soporte, con el acceso definido por rol, en lugar de que cada área pague de nuevo por la misma solución.
Esto es lo que Skyller entrega como estándar: una identidad corporativa única, créditos de IA compartidos por el equipo y más de 100 agentes preconfigurados que cualquier área puede adaptar en lugar de comprar desde cero.
De costo fragmentado a capacidad compartida
La ganancia más visible de la consolidación es financiera: un presupuesto común, con consumo visible por área, reemplaza el escenario de licencias paradas de un lado y gente topando con el límite del otro. Pero la ganancia mayor es operativa. Cuando existe un solo entorno, lo que un equipo aprende deja de quedar encerrado en la herramienta que eligió por su cuenta.
Esto también cambia la conversación sobre el presupuesto de tecnología. En lugar de aprobar otra suscripción porque "esta herramienta resuelve exactamente este problema", la pregunta natural pasa a ser si el entorno que la empresa ya tiene puede resolver el mismo problema con un agente nuevo, configurado dentro de él — sin otro contrato, otro inicio de sesión y otra trazabilidad que mantener.
Con el número de agentes de IA por empresa a punto de saltar de decenas a miles, según la propia Gartner, esa decisión se vuelve cada vez más urgente. Una empresa que hoy decide dónde y cómo va a vivir cada agente nuevo está decidiendo, en la práctica, si dentro de tres años administrará cientos de sistemas separados o un solo entorno.
Esa urgencia también cambia el papel de quien aprueba el presupuesto de tecnología. La pregunta deja de ser solo "¿esta herramienta resuelve el problema?" y pasa a incluir "¿dónde va a vivir esta capacidad dentro de dos años, cuando la empresa tenga diez veces más agentes en uso que hoy?". Sin esa segunda pregunta, cada aprobación individual sigue teniendo sentido por sí sola — y la suma de todas sigue produciendo la misma proliferación.
Preguntas para la próxima reunión de presupuesto
Antes de aprobar otra herramienta de IA, vale la pena llevar estas preguntas a quien decide presupuesto y tecnología:
- ¿Cuántas herramientas de IA paga hoy la empresa, y alguien conoce el total exacto? Si la respuesta exige reunir planillas de distintas áreas, el problema ya empezó.
- ¿Alguna herramienta que ya tenemos resolvería este nuevo pedido con un agente configurado dentro de ella? Muchas veces la respuesta es sí, y nadie preguntó antes de firmar otro contrato.
- Si una persona deja la empresa mañana, ¿en cuántas de estas herramientas sigue activo su acceso? Cada respuesta incierta es una licencia — y un riesgo — que nadie está monitoreando.
- ¿Lo que un equipo aprende sobre usar bien la IA llega a otro equipo, o queda encerrado en la herramienta que solo usa ese equipo? Si queda encerrado, la empresa está pagando por reaprender lo mismo en cada área.
