Tres derrotas de la inteligencia artificial en una semana: lecciones para las pymes
8 Min. Tiempo de lectura
Tres de las historias de IA más sonadas en mayo de 2026 no son historias de éxito. Starbucks retira una herramienta de inventario que confunde tipos de leche. Microsoft bloquea a sus propios ingenieros una herramienta de IA popular porque la factura se dispara. Uber quema su presupuesto anual para inteligencia artificial en cuatro meses y su COO dice abiertamente que el efecto permanece poco claro. Para las empresas medianas, estos no son anecdócticos, sino tres sobrios indicios de lo que sale mal en las inversiones en IA en 2026.
Lo más importante en resumen
- La IA necesita mucha supervisión. Starbucks ha desconectado un sistema de conteo de inventario en más de 11.000 sucursales después de nueve meses de prueba piloto, porque los empleados tuvieron que verificar manualmente cada conteo. Se prometió un 99 por ciento de precisión y un inventario ocho veces más rápido.
- La factura se dispara con el uso. Microsoft canceló a mediados de mayo de 2026 la mayoría de las licencias internas para el asistente de codificación de IA de Anthropic y devolvió a sus desarrolladores a la herramienta propia. Justificación en el correo interno: demasiado caro, porque demasiado exitoso.
- El ROI sigue siendo el flanco abierto. Uber ha agotado su presupuesto de IA para 2026 hasta abril, cubriendo actualmente a unos 5.000 ingenieros con herramientas de IA y su COO Andrew Macdonald dice abiertamente que no puede establecer la conexión con nuevas características de manera limpia.
Relacionado:Índice de IA de Stanford 2026: la inexactitud supera la ciberseguridad / Cuando las herramientas de IA de repente se comen el margen
Tres derrotas en siete días
El orden es casual, el contexto no. Dentro de una semana en mayo de 2026, tres historias prominentes de IA se han derrumbado, todas las cuales deberían cumplir con tres promesas diferentes: mejores operaciones, mejor software, mejor escalabilidad. Ninguna de las tres promesas se ha cumplido y en dos casos es la realidad que se está estableciendo la que pone fin al proyecto.
Esto no es una negativa general a la tecnología. Es un indicio concreto de que las diapositivas de ventas estándar de los proveedores de IA y la expectativa estándar en las juntas directivas de las empresas medianas se diferencian precisamente en los tres puntos en los que se gasta el dinero. Quien en los próximos doce meses emprenda un proyecto de IA más grande, debería echar un vistazo a estos tres casos antes de firmar la plantilla de inversión.
Starbucks: cuando la IA no distingue la leche de la leche
Starbucks lanzó en septiembre de 2025 en sus tiendas de América del Norte un sistema de conteo de inventario basado en un modelo de IA del proveedor NomadGo. Los empleados escanean los estantes con una tableta, el sistema cuenta automáticamente mediante datos de LIDAR y cámaras y transmite el resultado al sistema de gestión de inventario. Promesa publicitaria: 99 por ciento de precisión, ocho veces más rápido que el inventario manual.
El 19 de mayo de 2026, la empresa retiró la herramienta de todas sus aproximadamente 11.000 tiendas. En una circular interna, se indicó de manera simple que los ingredientes de las bebidas y la leche se contarán a partir de ahora como todas las demás categorías. Reuters y varios medios estadounidenses han investigado el contexto: el sistema confunde regularmente las variedades de leche, no reconoce algunas botellas y los empleados deben verificar manualmente cada conteo automático en la práctica. En un video promocional de la fase de lanzamiento, el sistema incluso pasa por alto un jarabe de menta directamente frente a la cámara.
Datos clave del retiro de Starbucks
- Proveedor: NomadGo, nombre de la herramienta Automated Counting
- Duración: Septiembre 2025 hasta el 19 de mayo de 2026, nueve meses
- Alcance: todas las tiendas de América del Norte, alrededor de 11.000 ubicaciones
- Promesa: 99 por ciento de precisión, ocho veces más rápido que manual
- Realidad: variedades de leche confundidas, productos individuales pasados por alto, recuento manual obligatorio
La lección operativa es banal y precisamente por eso es relevante. Un sistema de IA que debe aliviar la carga de trabajo de un empleado, pero que requiere que el mismo empleado verifique cada resultado manualmente, genera más trabajo y no alivio. Esto no solo se aplica al inventario, sino a todas las herramientas de IA en la oficina trasera, en la contabilidad o en el servicio al cliente. La pregunta decisiva en la plantilla de inversión no es cuán precisa es el sistema según el proveedor, sino con qué frecuencia los humanos deben verificar los resultados manualmente para que un proceso comercial siga funcionando.
Microsoft bloquea la herramienta para sus propios ingenieros
El 14 de mayo de 2026, miles de ingenieros de Microsoft en la división Experiences and Devices, que incluye Windows, Microsoft 365, Outlook, Teams y Surface, recibieron un correo electrónico interno. Contenido: Las licencias para el asistente de codificación de Anthropics Claude Code se cancelarán el 30 de junio de 2026, cambio al herramienta propia GitHub Copilot CLI. Informes en Windows Central y The Siguiente Web citan la justificación con rara claridad: la herramienta externa simplemente se ha vuelto demasiado popular dentro de Microsoft.
El mecanismo detrás de esto es relevante para cualquier empresa que utilice herramientas de IA facturadas por consumo. La licencia de Anthropics se calcula en tokens, es decir, según cada pieza de código que la IA genera o procesa. Cuanto más útil sea la herramienta, más frecuente la utilizarán los desarrolladores, más aumentará la factura. Microsoft tiene así una paradoja en estado puro: el incentivo económico para utilizar la mejor herramienta choca con el incentivo económico para controlar la factura mensual.
Que Microsoft esté frenando su propio trabajo de desarrollo con esto se puede leer en un detalle. En una ronda de correos electrónicos separada, el CEO Satya Nadella supuestamente instó a sus empleados a principios de mayo de 2026 a utilizar más intensivamente su propio Copilot. Si el fabricante en sí mismo debe predicar a sus ingenieros que utilicen la herramienta propia, es una señal clara sobre la calidad percibida de la herramienta propia frente a la ajena.
Uber: Miles de millones gastados, ROI no medible
El caso más abierto, según Fortune, proviene de Uber. La empresa ha implementado herramientas de codificación de IA para unos 5.000 ingenieros, y la tasa de uso aumentó entre febrero y abril de 2026 de 32 a 84 por ciento. Para abril, el 70 por ciento de todos los commits de código habían sido coescritos con herramientas de IA. Suena como un ejemplo de adopción para cada escenario de conferencia.
La otra cara de las cifras, también documentada en el informe de Fortune del 26 de mayo de 2026: Uber ha agotado su presupuesto de IA para 2026 en cuatro meses. Por desarrollador, la factura mensual oscila entre unos 460 y 1.840 euros, dependiendo de la intensidad del uso. El COO Andrew Macdonald dice en la llamada de ganancias que, mientras no se pueda trazar claramente la línea entre el uso de IA y las mejoras de producto entregadas, la inversión será cada vez más difícil de justificar.
Datos clave del presupuesto de Uber
- Implementación: alrededor de 5.000 ingenieros equipados con herramientas de codificación de IA
- Adoptación: de 32 a 84 por ciento entre febrero y abril de 2026
- Producción: el 70 por ciento de los commits de código con participación de IA en abril de 2026
- Costos: alrededor de 460 a 1.840 euros por ingeniero por mes
- Estado del presupuesto: presupuesto anual 2026 agotado después de cuatro meses
- Declaración de ROI del COO: conexión con mejoras de producto no claramente demostrable
Lo notable no es el alto consumo, sino la apertura. Uber demuestra en vivo lo que a muchos CFOs de empresas medianas les está causando problemas estomacales: alta inversión, alto uso, pero ninguna línea de efecto claramente asignable al resultado empresarial. Si una empresa de tecnología cotizada con su profundidad de ingeniería no traza esta línea, una empresa alemana de ingeniería mecánica con 200 empleados ciertamente no lo logrará de inmediato.
Qué debería llevarse el sector empresarial de esto
Los tres casos muestran tres diferentes puntos de quiebra: calidad, curva de costos, medición de efectividad. De estos se pueden derivar consecuencias concretas para la decisión de inversión en el sector empresarial que deberían incluirse en cada plantilla de 2026.
Primero: hacer del esfuerzo de verificación un requisito obligatorio. Cada inversión en IA necesita un número estimado de minutos de verificación humana necesarios por cada 100 resultados de IA para asegurar el proceso. Este número no es un mero detalle, decide el caso de negocio. Si el esfuerzo de verificación es del 50% o más, la herramienta no es una automatización, sino una costosa duplicación de esfuerzos.
Segundo: calcular con sensatez los modelos de token. En cada herramienta con facturación dependiente del uso, debe incluirse un escenario en la hoja de cálculo en el que el uso por usuario se multiplica por tres o cinco. Exactamente eso pasó con Microsoft y Uber. Quien solo calcule el grupo piloto y olvide la escalabilidad, está construyendo activamente la trampa de costos.
Tercero: asegurar la medición de efectividad antes de comenzar. Una cifra aproximada y honesta antes de comenzar el proyecto vale más que un informe preciso después. ¿Qué tiempo de ciclo, qué tasa de error, qué valor de ventas debe cambiar en cuánto? Quien no pueda responder a la pregunta el primer día, tampoco podrá hacerlo después de doce meses y estará como Uber en la llamada de ganancias de sus propios accionistas.
Cuarto: mitigar el bloqueo del proveedor con cláusulas de licencia. Microsoft realizó su cambio en cuestión de semanas porque la herramienta era intercambiable. Quien ancla una herramienta de IA profundamente en sus propios flujos de trabajo sin acordar un plazo de salida y un mecanismo de extracción de datos en el contrato, será engañado cuando el proveedor cambie el precio por primera vez.
Quinto: orientar los tamaños piloto en el objetivo de aprendizaje, no en el bombo publicitario. Un piloto con 20 usuarios cuidadosamente seleccionados proporciona datos más fiables que un despliegue generalizado a todos. Starbucks equipó 11.000 sucursales antes de que estuviera claro que los empleados tenían que hacer cada conteo dos veces. Este orden es reversible y es incluso obligatorio para las empresas medianas.
Preguntas frecuentes
¿Significan estos tres casos que la IA en las empresas medianas no tiene sentido en 2026?
No, significan que las diapositivas de ventas estándar son demasiado optimistas. La IA ofrece ventajas medibles en casos de aplicación bien definidos, como en el procesamiento de texto, la priorización de casos o en evaluaciones estructuradas. Lo que no funciona es la adopción acrítica de promesas como el 99 por ciento de precisión o el retorno de la inversión en seis meses. Quien comienza con un piloto claro y bien definido y establece de manera realista los esfuerzos de verificación y la curva de costos se beneficia. Quien implementa de manera generalizada perderá dinero.
¿Cuánto debería ser el presupuesto de IA de una empresa mediana en 2026?
No hay una cantidad fija, pero sí una regla general: planifica el doble de la primera oferta y define un tope estricto a partir del cual se detiene la inversión. Uber agotó su presupuesto en cuatro meses porque el uso aumentó más rápido de lo planeado. En las empresas medianas, por lo general, cantidades en el rango de los cinco dígitos bajos son suficientes para un piloto serio. Lo importante es el tope, no la cantidad.
¿Qué contratos con proveedores de IA son especialmente riesgosos?
Los contratos basados en tokens o consumo sin un tope mensual estricto son el mayor riesgo operativo. Pueden agotar el presupuesto de un año entero en pocas semanas con herramientas populares. Quien firme tales contratos debe negociar al menos un tope mensual estricto, un informe de uso automático y un plazo de cancelación de 30 días. Las licencias fijas por usuario son más caras al principio, pero más predecibles.
¿Cómo se mide el impacto de la IA si Uber no lo logra?
Con una sola métrica por caso de aplicación, que se fija antes de comenzar el piloto. En ventas, por ejemplo, el tiempo de tramitación de la oferta; en contabilidad, la proporción de comprobantes abonados sin intervención; en atención al cliente, el tiempo promedio de tramitación. Un número aproximado que todos acepten vale más que un panel de control preciso que nadie mantenga. Uber mide demasiado a la vez, por eso falta la línea clara.
¿Qué pasa con los proveedores alemanes de IA, son mejores?
La lógica es idéntica. Si el modelo proviene de un proveedor estadounidense o de DACH, no cambia ni el esfuerzo de verificación ni la matemática de los tokens. Lo que los proveedores alemanes suelen hacer mejor: contratos de protección de datos en alemán, tiempos de reacción más cortos y un modelo de precios más realista sin facturación pura por consumo. Para los riesgos descritos aquí, el origen es secundario; el diseño del contrato es primario.
Consejos de lectura de la redacción
- Stanford AI Index 2026: La inexactitud supera a la ciberseguridad como riesgo principal
- Cuando las herramientas de IA empiezan a comerse el margen
- Cuando la IA puede hacer todo: por qué la confianza vuelve a ser la moneda más valiosa
Más del network de medios MBF
Fuente de la imagen del título: Unsplash / sarah b
