Plan quinquenal de IA 2026–2031: cómo debe prepararse una empresa colombiana

Hay una distancia incómoda entre la cantidad de empresas que dicen usar inteligencia artificial y la cantidad que puede demostrar qué ganó con ella. Esa distancia es el problema real de los próximos cinco años, y no se cierra comprando más tecnología.

Este artículo propone un plan por fases —2026 a 2031— construido sobre los datos de adopción que ya existen, no sobre proyecciones optimistas. Está escrito para quien tiene que decidir presupuesto: dirección general, tecnología, operaciones y riesgo.

Dónde estamos parados

En Colombia la adopción empresarial de IA pasó del 34% al 42% en un año: más de 130.000 empresas incorporaron alguna capacidad. El país puntúa 55,84 sobre 100 en el Índice Latinoamericano de IA, en la categoría de adoptante avanzado, por encima del promedio regional.

Ese es el titular optimista. Los números de abajo son los que importan para planear.

La brecha entre querer e implementar no es de entusiasmo: es de infraestructura, talento y madurez de datos. Y la brecha entre implementar y medir es más grave, porque una empresa que no mide no puede saber si debe duplicar la apuesta o detenerla.

Lo que viene: tres fuerzas que van a definir el quinquenio

1. Los agentes pasan de demo a infraestructura

El mercado de IA agéntica ronda los USD 9.900 millones en 2026 y se proyecta por encima de los USD 57.000 millones hacia 2031, creciendo más de 40% anual. Gartner estima que el 40% de las aplicaciones empresariales tendrá agentes específicos hacia finales de 2026, cuando en 2025 era menos del 5%.

Pero el mismo Gartner espera que más del 40% de los proyectos de IA agéntica se cancelen antes de que termine 2027 — por valor poco claro, costos y controles de riesgo insuficientes. Hoy solo el 31% de las empresas tiene al menos un agente en producción, y menos del 10% lo ha escalado hasta generar valor tangible.

La tecnología no va a ser el cuello de botella. La disciplina para medirla y gobernarla, sí.

2. La inferencia se convierte en el costo dominante

Este es el cambio menos anticipado y el que más presupuestos va a romper. La inferencia representa entre el 80% y el 90% del gasto de cómputo en IA de una empresa a escala, y ya superó a la infraestructura cloud como segundo rubro del presupuesto de IA, solo detrás del talento.

La factura mensual de LLM de la empresa mediana creció 7,2 veces año contra año entrando a 2026. Y buena parte de ese gasto es desperdicio: en promedio, entre 40% y 60% de los tokens de entrada de una llamada corresponden a contexto que el modelo no necesita. Ese desperdicio se paga dos veces — en la factura y en latencia.

Hay un patrón adicional en los sistemas agénticos que ya tiene nombre: la "crisis de reejecución". Un agente en ciclo continuo hace una llamada de inferencia independiente por cada paso de cada ejecución, incluso cuando no hace falta razonamiento nuevo.

3. El gobierno deja de ser opcional

La fragmentación es el riesgo silencioso: a medida que crecen los modelos, proveedores y flujos de agentes, los equipos despliegan integraciones por fuera de cualquier registro formal para avanzar más rápido. La respuesta que se está consolidando es un plano de control en tiempo de ejecución — una capa única por donde pasa todo el tráfico de modelos y donde se aplican las políticas una sola vez.

Para quien opere en Europa o le venda a empresas europeas, el AI Act exige gestión de riesgo como proceso continuo durante todo el ciclo de vida del sistema, y fija un piso de seis meses de retención de registros para sistemas de alto riesgo. En Colombia, la Ley 1581 ya impone obligaciones sobre datos personales que la mayoría de proyectos de IA toca sin haberlo evaluado.

El plan quinquenal

Cinco fases, cada una con una pregunta que debe quedar respondida antes de pasar a la siguiente. El error más común es saltarse la primera.

Fase 1 — 2026: cimientos y medición

La tentación es empezar por el modelo. El orden correcto es al revés: primero el dato y la línea base. Sin una cifra de "antes", ningún resultado de "después" es defendible.

1. 1Auditoría de madurez de datos: qué existe, dónde vive, quién lo gobierna y qué tan confiable es.
2. 2Elegir de 3 a 5 procesos candidatos y cuantificar su costo actual — horas, errores, reprocesos, ventas perdidas.
3. 3Instrumentar analítica de negocio, no solo operativa. Si no puede responder "cuánto costó esto el trimestre pasado", ese es el primer proyecto.
4. 4Un piloto acotado con criterio de éxito escrito antes de empezar, y fecha de corte para matarlo.

Presupuesto realista de esta fase: bajo. Es la más barata y la que más determina el resultado de las siguientes.

Fase 2 — 2027: primeros agentes en producción

Con la línea base lista, la pregunta deja de ser "¿podemos?" y pasa a ser "¿cuál primero?". El tiempo mediano hasta obtener valor en despliegues de agentes es de 5,1 meses; los agentes comerciales se pagan en 3,4 meses y los de finanzas y operaciones en 8,9.

Ese diferencial es una guía de secuencia: empiece por donde el retorno llega antes, para financiar lo que tarda más.

• Un proceso con volumen alto, reglas estables y costo de error tolerable. No empiece por lo crítico.
• Humano en el circuito desde el día uno, con la posibilidad de retirarlo cuando los datos lo justifiquen.
• Registro de cada acción del agente. Lo va a necesitar para depurar, y después para auditar.
• Criterio de cancelación explícito. Más del 40% de estos proyectos se cancela; que el suyo se cancele a tiempo y no tarde.

Fase 3 — 2028: la economía de la inferencia

Si las fases anteriores salieron bien, aquí aparece el problema del éxito: el consumo crece más rápido que el valor. Esta fase es de ingeniería, no de estrategia.

• Enrutamiento por complejidad: no todas las consultas necesitan el modelo más caro.
• Compresión de contexto y caché — recordando que entre 40% y 60% de los tokens de entrada suelen ser prescindibles.
• Eliminar reejecuciones: si el paso no requiere razonamiento nuevo, no debería costar una llamada.
• Evaluación automatizada de calidad como condición de cada optimización, no como revisión posterior.

La métrica que gobierna esta fase es el costo por decisión automatizada, comparado contra el costo de tomar esa decisión a mano.

Fase 4 — 2029–2030: gobierno y cumplimiento

Para 2029 una empresa que avanzó según este plan tendrá varios agentes tocando procesos reales. El riesgo deja de ser técnico y pasa a ser institucional: qué hace el sistema, con qué datos, bajo qué autoridad y con qué evidencia.

• Inventario único de modelos, proveedores y flujos: no se puede gobernar lo que no está registrado.
• Plano de control en tiempo de ejecución: políticas definidas una vez y aplicadas en todo el tráfico.
• Trazas de auditoría con retención suficiente — el AI Act fija seis meses como piso para alto riesgo.
• Evaluación de datos personales bajo la Ley 1581 en cada caso de uso, no una sola vez al inicio.

Fase 5 — 2031: la ventaja que no se copia

Los modelos son un commodity y cada año lo serán más. Lo que no se compra es el dato propio, limpio, histórico y etiquetado de su operación, ni el conocimiento de dominio codificado en sus agentes.

Una empresa que llegue a 2031 habiendo recorrido las cuatro fases anteriores tiene algo que un competidor con el mismo presupuesto no puede replicar comprando licencias: cinco años de datos operativos estructurados y procesos que aprendieron de ellos.

La ventaja competitiva no estará en tener IA. Estará en tener cinco años de datos ordenados para alimentarla.

Los tres errores que hacen fracasar el plan

1. 1Empezar por el modelo y no por el dato. Es el orden que más proyectos ha matado, y el más fácil de evitar.
2. 2Medir actividad en lugar de resultado. Si el tablero muestra consultas atendidas pero no pesos ahorrados, no es un tablero de negocio.
3. 3Escalar antes de gobernar. Diez agentes sin registro ni control cuestan más de desenredar que de construir.

Por dónde empezar esta semana

Si su organización está en el 74% que se percibe con preparación moderada o baja, el primer paso no es contratar un proveedor de IA. Es responder tres preguntas por escrito:

1. 1¿Cuáles son los tres procesos donde más tiempo o dinero se nos va hoy, y cuánto exactamente?
2. 2¿Tenemos los datos de esos procesos en un formato utilizable, o habría que reconstruirlos?
3. 3¿Quién en la organización puede aprobar que un sistema automatizado tome esa decisión?

Si las tres tienen respuesta, está listo para la fase 2. Si no, la fase 1 es su plan para 2026 — y es una buena noticia, porque es la más barata.